一、小波零树编码在图像压缩及其去噪中的应用研究（论文文献综述）
王亚清[1]（2021）在《基于小波分析的医学图像压缩方法的研究》文中认为随着远程通信技术与现代医疗信息技术的发展与结合,一种新型医疗服务方式产生——远程医疗。在当今信息化的全面普及下,远程医疗技术因其可实现远距离诊断与便捷高效的治疗特性得以广泛应用。然而,由于远程医疗系统中通信带宽与存储空间的限制性,使得它无法满足与日俱增的医疗数据的存储与传输。因此,对医疗图像进行压缩处理已是必然趋势。小波变换凭借其优良的时频局部化性能以及多分辨率表征图像的特性,已然成为图像压缩领域的研究热点。本文主要针对基于小波分析的医学图像压缩问题进行了重点研究,并且通过MATLAB平台实现了算法的仿真与分析,取得了一定的研究成果。首先,阐述了课题研究的背景意义以及国内外图像压缩编码技术的发展历程,继而阐述了医学图像压缩的相关知识,包括医学图像压缩的基本原理和压缩方法的分类以及常用的图像压缩方法,并简要叙述了医学图像压缩质量的评价标准和图像压缩的国际标准。其次,对小波分析的相关理论进行简要概述,包括小波变换的基本概念及其反变换存在的条件、多分辨率分析的思想以及Mallat算法分解与重构原理,并将小波变换理论运用到实际图像压缩中,探讨了小波系数的特点和小波分解级数以及信号延拓方式的问题。对基于小波变换的图像压缩编码思想进行深入学习,并以基于小波变换的EZW算法和SPIHT算法为重点研究内容进行深度分析与探讨,详细介绍了二者的编码原理与实现过程,分析了二者在编码过程中的不足,并针对EZW算法中阈值过大问题及SPIHT算法中重复性扫描的问题分别提出了改进方法,从而提高了编码效率。最后,通过MATLAB实现对医学图像的压缩编码,实验证明,改进的算法较原有的算法,在一定程度上提高了重构图像的PSNR值,并且有更好的图像复原质量。
张霞[2]（2019）在《基于小波变换的图像压缩算法在远程医学中的应用研究》文中研究指明网络通信技术和现代先进医学技术的迅猛发展,使得远程医学作为一种新兴的诊疗手段在各种医疗领域中得到了迅速普及和应用。由于网络带宽等因素的制约,大量医疗图像信息的存储和实时快速传输还不能很好地满足实际需求。对医疗图像进行有效的压缩是解决这一问题的优选方案。本文的主要研究基于小波变换的医学图像压缩。为了更好地满足临床医生的实际需要,根据医学图像自身的特点来选择更加合适的图像压缩方法,从而解决远程医学中图像存储量大、清晰度不够的问题。本文主要内容包括:（1）阐述了选题的研究背景与意义。简要描述了小波变换图像压缩算法的研究现状,介绍了有关医学图像、医学图像数据压缩的概念、图像压缩的必要性和图像压缩步骤。介绍了图像压缩编码的分类及几种压缩方法的特点,最后分析了评价图像压缩编码方法的准则。（2）介绍了小波变换的相关概念及基本原理,重点介绍了小波变换图像压缩编码的过程,其中包括信号的分解与重构步骤。选择不同的小波基会使压缩后的图像质量有所不同,本文详细分析了小波基选取时的诸多影响因素。（3）基于小波变换的EZW和SPIHT压缩算法及其改进。基本小波变换的两种压缩方法主要有EZW和SPIHT两种,都是基于零树的编码思想。详细介绍了这两种方法的压缩原理、步骤及两种量化方法的优缺点。两种量化方法使得编码效率提高,但仍然存在不足之处,本文针对现有SPIHT算法的不足提出了一种改进的SPIHT算法,实验结果表明提出的改进算法在相同的压缩比的情况下获得了更好的图像重构质量。（4）利用医学图像压缩算法的特点,结合临床工作中对医学图像的实际需要,提出一种在ROI编码方法基础之上的感兴趣区域医学图像的无损压缩方法。针对医生需求病变部位的医学图像信息进行有效的压缩,减少医生的无关阅读量。（5）为了验证本文提出改进算法的有效性,本文最后通过实际远程医学平台进行了原始图像与压缩图像的传输速率结果比较,实验结果表明本文提出的图像压缩改进算法很大程度地提高了图像传输速率。
王晶[3]（2019）在《适合电力线信道传输的低速率图像压缩算法研究》文中研究说明利用电力线信道实现图像传输可广泛应用于配电网监测等领域。由于电力线信道的带宽和噪声干扰严重影响了图像数据的高效传输,针对上述问题,论文重点研究了适合电力线信道传输的低速率图像压缩算法。论文主要工作如下:第一,基于对电力线信道的特性分析,研究了常见的低速率图像压缩算法,讨论了算法的特点,确定在基于小波变换的图像压缩算法的基础上进行改进。基于小波变换的图像压缩算法可以使图像达到低速率,能够抵抗传输过程中的干扰。第二,针对在确保图像正常传输和重构质量的情况下,最大程度降低图像的速率和提高图像的抗干扰性的问题,深入研究了基于小波变换的多级树集合分裂算法。该算法特点是即使由于干扰造成图像中断传输,接收端也可以基于接收到的信息来恢复图像。为了使图像具有更低速率,更好的压缩质量,拥有小波压缩的优点,通常会将小波编码与其他图像压缩算法相结合。第三,提出了一种结合主成分分析的多级树集合分裂的低速率图像压缩算法。主成分分析是基于K-L变换的统计方法,可以对数据主成分进行高效提取,完全消除变换域中信号的相关性,可以同时完成数据的压缩和降噪。该算法首先利用主成分分析对图像进行特征值的提取;其次将已处理图像利用多级树集合分裂算法进行编码,然后对形成的压缩数据流进行解码,得到压缩图像。仿真实验表明,在低速率段,本文算法与单一的多级树集合分裂算法相比,能够得到更高的图像恢复质量,并且可以有效的去除图像噪声干扰。在重构图像质量相同的情况下,本文算法在电力线信道中每秒可传帧数明显高于多级树集合分裂算法,在低速率可达到它的两倍,验证了本文算法的有效性。
林行[4]（2014）在《基于零树小波的静止图像压缩算法的研究》文中进行了进一步梳理随着信息技术的迅速发展和信息需求急速发展，这些信息的获取主要是通过图像信息实现，然而图像信息的存储、处理和传输的问题成为信息时代的首要问题，信息传递方法主要是通过图像信息传递。因此探索高效的图像压缩编码方法已经成为国际公认的一个重要研究热点。在数学领域提出了小波理论，后来将小波变换技术引入到图像压缩编码技术中，小波变换在空间域和频率域都具有优势，小波变换编码符合人眼对低频信息比较敏感的特点，因而被广泛的应用于图像处理领域。本文首先对数字图像压缩编码基础知识和数字图像压缩评价指标进行了阐述，进而阐述了小波变换在数字图像压缩编码中的应用，重点探讨了小波编码的步骤，影响小波编码效果的几个关键因素，小波变换编码的优点与缺点。通过对小波变换系数的分析，大部分能量都集中在低频部分，进而说明了小波变换用于图像压缩编码的突出优点。其次，本文通过深入分析了基于嵌入式零树小波编码方法，重点阐述了EZW编码改进算法的原理以及该算法的实现过程，主要包括零树结构，小波系数扫描方式，改进的嵌入式零树小波编码方法的算法流程，改进算法主要针对重要系数进行了重新分类即将边缘信息定义为重要系数；在判断系数是零树根还是孤立零点，提出了通过查找子孙中系数最大值的方法，如果最大值大于当前阈值则为孤立零点；最后的编码阶段采用了哈夫弗曼编码方式进行编码。最后通过Matlab对改进算法进行仿真，证明了改进嵌入式零树小波编码算法提高了图像的峰值信噪比而且视觉更加清晰，因而证明改进算法可行有效。
刘会斌[5]（2012）在《分形图像压缩的快速算法研究》文中认为图像蕴含着丰富的信息,是人们相互交流的重要载体,其重要性不言而喻。数字图像的数据量非常庞大,图像压缩技术已成为解决海量图像数据存储和传输难题的不二之选。在图像压缩编码领域,分形图像压缩以其新颖的思想、潜在的高压缩比、解码图像与分辨率无关等优点受到广泛关注。自Jacquin提出能由计算机自动实现的分形图像压缩算法以来,在其基础上的改进算法不断被提出。发展至今,这一技术仍然不够成熟,主要表现在无人干预的情况下压缩比不高、编码时间长、在当前图像压缩算法中尚未占据主导地位。因此,提高编码速度和压缩比是解决分形图像压缩不能实用化的重要途径。本文在讨论了分形相关理论和基本分形图像压缩算法的基础上,对分形图像压缩算法进行如下改进工作：（1）研究了满足匹配条件的定义域块的整体特征和互相匹配的值域块与定义域块的局部特征,发现仅使用标准差较大的定义域块就能满足分形图像压缩的需求和互相匹配的值域块与定义域块有相似或相反的亮暗分布的规律,提出了基于标准差和亮暗分布排序的快速分形图像压缩算法。仿真实验表明,该算法比基于方差的快速分形图像压缩算法和基于正负跳变的快速分形图像压缩算法的编码速度分别提高了9倍和5倍,解码图像的峰值信噪比（PSNR）和压缩比也略有提升。（2）在基于标准差和亮暗分布排序的快速分形图像压缩算法的基础上,结合编码速度更快的非搜索分形图像压缩算法,将原算法中固定标准差阈值和固定亮暗分布函数邻域阂值修改为固定标准差较大的定义域块数量和固定亮暗分布函数邻域定义域块数量,提出了基于标准差和亮暗分布排序的快速分形图像压缩算法的改进算法。仿真实验表明,改进算法的解码图像峰值信噪比比非搜索分形图像压缩算法提高了4dB,满足了人眼视觉的需求,编码速度较原算法提高了近10倍。（3）在基于小波系数零树结构的分形预测图像压缩算法的基础上,对绝对值较小的小波系数采用零树编码,利用图像小波分解后小波系数相似性的方向选择性将8种空间变换简化为4种,将不同层上的小波系数权重差异应用在值域树和定义域树的匹配准则中,提出了基于小波系数零树结构的分形预测图像压缩算法的改进算法。仿真实验表明,改进算法较原算法的编码速度提高了近10倍,解码图像的压缩比也有较大提升。
黄丽[6]（2010）在《基于小波变换的静止图像压缩编码技术的研究》文中研究说明随着现代社会数字图像技术、多媒体技术的广泛应用,图像成为现代社会信息传递的主要载体。又由于图像信息包含数据量巨大,给信息的传输、存储等带来了很大的困难,解决的办法就是进行图像压缩。因此探索高效图像压缩编码方法已经成为国际公认的一个重要研究热点。小波变换技术以其良好的时间频率局部特性和与人眼视觉特性相符的变换机制,在图像压缩编码领域得到了广泛的研究和应用。本文在对图像压缩编码相关理论进行简要分析的基础上,从一定理论深度阐述了基于小波变换的静止图像压缩编码技术,重点探讨了编码器结构、编码步骤、以及小波编码涉及的几个关键问题。通过实验数据,分析了小波变换后图像系数能量的分布特点,进而说明了小波变换应用于图像压缩的优势。本文深入分析了嵌入式小波零树编码算法（EZW）以及基于该算法思想的两种改进的编码方法SPHIT算法、SPECK算法。重点阐述了EZW算法的主要特点、原理以及该算法的实现过程,并通过对比分析以及仿真实验总结了这三种算法的优缺点。对这三种算法的位平面编码提出一种量化码流截断处理方法,且通过仿真证明这种方法可以提高三种算法的压缩比。同时针对EZW编码方法的一些不足,提出了一种基于人眼视觉特性的改进的EZW编码方法。改进点有以下几个方面：首先,定义新的零树结构,以简化零树扫描,因而在一定程度上可以降低算法执行时间；其次,通过重新分类重要系数编码重要图,一方面充分考虑了人眼对边缘信息的敏感特点,另一方面减少了不必要的编码符号；再次,将小波零树编码与哈夫曼编码、游程编码相结合,以有效提高编码效率。最后通过Matlab的仿真实现,证明了改进编码方法提高了压缩恢复图像的主观视觉质量以及峰值信噪比,可行且有效。
武晓玥[7]（2010）在《图像无损压缩及去噪技术研究》文中进行了进一步梳理目前,数字图像视频技术被广泛应用于通信、计算机、广播电视等领域,由于数字图像视频数据量巨大,对存储空间和传输信道提出了极高的要求,而且例如航天,医疗等领域对视频图像的质量要求无损或者近无损。因此,视频图像压缩编码技术的研究在当前环境下在显得越来越重要,其发挥的作用越来越显着,而且已成为影响多个引人瞩目的高科技领域发展的重要因素。为此,研究与开发快速、实用的视频图像无损压缩技术已成为一项十分迫切和重要的课题。图像在获取和传输过程中很容易受到各种因素的干扰,使得采集到的图像包含噪声。为了对后续图像进行各种图像处理,有必要对图像进行去噪处理。而噪声的去除是图像分析和计算机视觉中最基本而又非常重要的技术,它已经成为图像处理中十分重要的步骤。因此,为抑制噪声,提高图像质量,便于进一步处理,研究快速、有效的去噪方法仍然是目前的一个研究热点。本文主要以图像无损压缩与去噪技术为主线,针对图像无损压缩与去噪中的关键技术和应用进行了深入地研究,提出了多种性能更好的处理算法并给出了一种嵌入式硬件设计。本文的主要工作及贡献简述如下:1.深入研究了图像与视频无损压缩的基本原理与研究现状,对主要标准和压缩算法做了分析和总结。以无损压缩系统为框架,对视频图像压缩系统的发展及应用进行了概述,对比了主流的系统设计方法,指出了各自的优缺点。其后对图像去噪技术的发展,研究现状以及经典算法做了分析,总结和概括。2.针对SPIHT算法在图像无损压缩中计算复杂度高及对低位平面编码效率较低的现状,提出一种结合整数小波变换与改进的SPIHT无损图像压缩算法SSPIHT。利用整数小波分解后的系数分布情况,调整相应的SPIHT编码结构。结果表明,当测试不同类型的图像,所提出的方法取得的平均比特率较其他方法有所降低,编码时间有明显减小,而且该算法在较低的存储空间下可获得较好的压缩性能,易于硬件的实现。3.针对视频无损压缩编码算法中的自适应模型预测精度问题,提出了一种新的自适应无损视频压缩算法AMLVC,给出一种新的自适应预测模型设计。该算法利用时间,空间和频域的冗余信息通过后向自适应模型对视频进行无损压缩,同时减少了边界信息的传递。算法使用自适应预测模式选择器来取代额外比特预测模式,较好的控制了计算复杂度。同已有算法相比,该算法对视频序列表现出优秀的压缩性能,压缩效率明显提升。4.针对小波稀疏性能不理想的问题,提出了一种非下采样Contourlet变换（NSCT）结合高斯比例混合模型的图像降噪算法。算法基于NSCT变换,建立高斯比例混合图像模型（GSM）,根据贝叶斯估计得到去噪模型。另外结合NSCT变换改进了基于SURE准则的图像去噪算法。算法根据SURE准则建立对MSE的估计,利用线性阈值对图像分解后不同尺度、不同方向的轮廓细节自适应调节实现图像去噪。5.为解决图像重构中产生的Gibbs伪影问题,提出一种结合非下采样塔式滤波器和全变差模型的图像去噪算法。金字塔滤波器把阈值去噪后的图像分解为低频和高频子带,利用全变差模型对分解图像分别建立去噪模型,得到重构图像。其后再次结合全变差模型得到细节补偿图像,叠加后得到最终去噪图像。另提出一种结合NSCT和自适应局部全变差模型的图像去噪算法NSCT-DTV,利用自适应局部全变差模型对处理后的图像结果进行滤波,有效地去除图像中的噪声,保留图像细节。实验结果表明,以上方法均能有效去除图像中的噪声和Gibbs伪影,保留图像细节,获得更好的视觉效果和更高的PSNR值。6.针对目前对无损压缩领域中嵌入式系统的广泛需求,本文分别设计实现了一种通用型嵌入式图像无损压缩系统和一种应用于空间的图像无损压缩系统。通用型系统首先结合相关无损压缩算法,以TMS320DM642为核心处理器,可实现多种无损压缩算法,可应用于工业等多种领域。另外结合CCSDS技术,以FPGA（STRIX-II）为核心处理器,实现了可应用于空间图像无损压缩的图像处理系统。系统的主要特点有:嵌入式设计,硬件实时压缩,体积小,功耗低,可广泛应用于卫星遥感,飞行航拍等领域。
张蕊[8]（2009）在《电力系统数据压缩算法的研究与实现》文中指出电力系统数据压缩是目前新兴的研究课题,它随着电网规模的扩大、电力信息化的发展、基于广域信息的应用而变得越来越重要。小波变换具有良好的局部特性和空间—频率特性,因而被广泛应用于电力系统数据压缩领域。但是传统小波不能同时具有对称性、正交性、短支撑性、高阶消失矩等性质,在一定程度上影响了压缩效果。多小波的出现为解决这一问题提供了一条新方案,但目前研究的多小波压缩算法只是基于阈值压缩的,压缩方法有待改进。本文针对这一问题,对基于多小波的电力数据压缩算法及压缩数据的传输进行了深入地研究和实验:1、讨论了一些关于数据压缩及数据传输方面的定义、技术方法和评价指标等基本理论。2、深入研究了基于多小波变换的数据压缩,并在此基础上提出了一种新的无损压缩和有损压缩相结合的电力数据压缩算法。该算法对多小波变换得到的低频系数采用Huffman无损编码,对得到的高频系数,采用改进的零树编码和游程编码进行有损压缩。该算法不仅可以自由变换压缩比,还可以获得更优的压缩效果。3、对基于二维多小波变换的阈值和零树编码压缩算法进行了深入的研究和仿真。同时提出了一种压缩电能质量扰动数据的新方法,可以将故障数据进行周期截取和重组,再应用图像压缩中的多小波零树编码进行压缩。算法还采用了自适应Huffman编码对低频系数进行压缩,对零树编码的主扫描序列进行游程编码,大大提高了压缩比。4、采用基于GPRS技术的传输系统来完成电力系统数据的压缩与传输实验,设计实现了系统的两个组成部分——监测终端和控制中心基于客户端/服务器模式、TCP/IP协议的压缩数据通信功能。完成了系统中GPRS通信模块的选择、通信协议的选择、GPRS组网方式的选择和传输上层应用协议的设计。在此基础上完成了系统基于多小波变换的压缩和解压程序和GPRS数据传输程序的编写,并通过大量的实验对传输程序的可靠性和压缩算法的效果进行了验证。
周嵩[9]（2009）在《小波分析在数字图像压缩中的研究》文中指出随着多媒体技术和因特网技术的不断发展,如何有效的组织、存储、传输和恢复图像数据,探索更有效、更高压缩比的图像编码技术,成为现在信息处理技术中关键任务之一。图像压缩编码研究和应用是目前信息技术中最为活跃的领域之一,就图像压缩编码而言,要求所选择的变换方法最好能与图像信号的特征匹配,此外还应从失真率要求、实现的复杂度以及编码比特率等多方面来综合考虑。小波变换是一种窗口大小固定不变,但其形状可改变的时频局部化分析方法。小波变换在信号的高频部分可以取得较好的时间分辨率；在信号的低频部分可以取得较好的频率分辨率,从而能有效的从信号（如语音,图像等）中提取信息。由于小波变换编码相对于传统的图像编码具有不可替代的优点,在压缩比和编码质量方面都优于DCT变换编码。本文详细研究了基于小波变换和矢量量化的静态图像压缩编码方法。首先,本文给出了图像压缩的一般概念,回顾了图像压缩技术的发展,并简要介绍了几种常用的图像压缩编码方法。然后,从信号处理的角度介绍了小波变换,并通过实验的方法研究了其在图像压缩中的应用,包括：小波基的选择、边界延拓方法以及图像小波系数的分布特点等。接下来,本文详细研究了小波树嵌入图像压缩编码算法,包括经典的嵌入零树编码（EZW）算法和在其基础上的集分割树（SPIHIT）算法。分析了嵌入式零树小波编码算法与集分割树算法的优缺点；并在其基础上针对该算法的不足提出了改进算法。利用改进后的算法对测试图像Lena进行仿真压缩实验取得了令人满意的结果。最后,在小波树的基础上,通过对矢量量化的研究,本文提出了一种基于四叉树结构新的小波树矢量量化压缩编码算法,实验证明,在较高压缩比的情况下,使用此方法得到的重构图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法有了较大的提高。
薛冰[10]（2008）在《嵌入式零树小波编码算法的改进与应用研究》文中认为视觉在人类感知中起着极为重要的作用,而视觉感知的结果和表现形式——图像,是人类认识世界的重要信息来源,因此图像已成为多媒体技术中最为重要的数据类型。图像的处理与分析技术发展迅速,已发展成为现代信号处理技术中的专门分支学科,因此有必要对其进行专门的技术研究。近年来,随着小波理论的发展和应用,将它用于图像处理上面比起以前的方法取得了很大的进步。因此,将小波变换用于图像处理,特别是用于图像压缩,是人们一直很感兴趣的问题,这也是本文要对其研究和讨论的原因。本文以图像压缩算法为主要研究对象,在小波变换理论的基础上,对基于小波变换的嵌入式零树编码算法进行了深入的研究和讨论。主要内容为:1.介绍和讨论了数字图像压缩编码所涉及的基本理论和方法,包括了图像压缩编码的研究现状、基本原理以及一些常见的压缩方法、算法及其发展趋势,并讨论了一些经典压缩编码方法的国际标准。2.在小波变换理论的基础上,详细讨论了小波图像压缩技术。其中重点介绍和讨论了基于小波变换的嵌入式零树编码（EZW:Embedded Zerotrees Wavelet）算法。根据对小波系数特点的分析指出了EZW算法的缺点和不足,并在此基础上对EZW算法进行了改进。提出了两种改进方案:第一种方案从EZW算法的扫描方法入手,通过“剔除”重要系数使得改进后的算法提高了原算法的编、解码时间和压缩比;第二种方案在第一种方案的基础上深入,从小波分解后的最低频子带入手,通过对其单独编码和设置标志矩阵使得改进后的算法很好地提高了图像质量和编码效率。两种改进方案均通过实验得到了验证。3.针对EZW算法的不足引入了人眼视觉系统模型（HVS）,提出了一种基于人眼视觉特性的小波变换压缩编码算法,并通过实验验证了该算法即能保持原有零树算法良好的压缩品质,又能很好地改善图像的视觉质量。
二、小波零树编码在图像压缩及其去噪中的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、小波零树编码在图像压缩及其去噪中的应用研究（论文提纲范文）
（1）基于小波分析的医学图像压缩方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文结论安排 |
| 第2章 小波变换及其在医学图像压缩中的应用 |
| 2.1 医学图像压缩原理以及压缩方法 |
| 2.2 图像压缩编码的国际标准 |
| 2.3 医学图像质量评价准则 |
| 2.4 小波分析理论 |
| 2.4.1 连续小波变换与离散小波变换 |
| 2.4.2 多分辨率分析及Mallat算法 |
| 2.5 小波变换在医学图像压缩中的应用 |
| 2.5.1 小波分解层数 |
| 2.5.2 边界延拓 |
| 2.5.3 小波系数的特点 |
| 2.6 本章小结 |
| 第3章 基于改进嵌入式零树编码的医学图像压缩算法 |
| 3.1 EZW算法原理 |
| 3.1.1 零树表示 |
| 3.1.2 系数类型 |
| 3.1.3 EZW基本思想 |
| 3.2 EZW算法实现 |
| 3.3 EZW算法的改进 |
| 3.3.1 EZW算法的分析 |
| 3.3.2 小波提升算法 |
| 3.3.3 改进算法编码 |
| 3.4 实验与分析 |
| 3.5 本章小结 |
| 第4章 基于改进多级树集合分裂的医学图像压缩算法 |
| 4.1 SPIHT算法原理 |
| 4.1.1 符号和概念的说明 |
| 4.1.2 空间方向树 |
| 4.1.3 编码中的链表 |
| 4.1.4 集合分裂过程 |
| 4.1.5 量化过程 |
| 4.2 SPIHT算法编码实现 |
| 4.3 SPIHT算法的改进 |
| 4.3.1 SPIHT算法不足 |
| 4.3.2 SPIHT算法改进与实现 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（2）基于小波变换的图像压缩算法在远程医学中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 小波变换图像压缩算法的研究现状 |
| 1.3 感兴趣区域编码思想 |
| 1.4 论文的主要内容 |
| 第二章 医学图像的数据压缩 |
| 2.1 医学图像数据压缩的概念 |
| 2.2 医学图像数据压缩的可行性与必要性 |
| 2.3 医学图像压缩的基本步骤 |
| 2.4 医学图像压缩编码方法分类 |
| 2.5 医学图像压缩方法的评价准则 |
| 2.6 本章小结 |
| 第三章 小波变换医学图像压缩 |
| 3.1 小波变换的基本原理 |
| 3.2 小波变换 |
| 3.2.1 小波定义 |
| 3.2.2 小波变换 |
| 3.2.3 连续小波变换 |
| 3.2.4 离散小波变换 |
| 3.3 小波变换图像压缩编码 |
| 3.3.1 基于小波变换的图像压缩过程 |
| 3.3.2 一维信号的分解 |
| 3.3.3 一维信号的重构 |
| 3.3.4 二维信号的分解与重构 |
| 3.4 小波基的选择 |
| 3.5 小波变换的优越性 |
| 3.6 本章小结 |
| 第四章 嵌入式小波编码算法 |
| 4.1 EZW编码算法 |
| 4.1.1 算法原理 |
| 4.1.2 零树预测 |
| 4.1.3 有效值映射 |
| 4.1.4 逐次逼近的嵌入式编码 |
| 4.1.5 EZW的具体步骤 |
| 4.1.6 EZW算法分析 |
| 4.2 SPIHT算法 |
| 4.2.1 SPIHT编码算法原理 |
| 4.2.2 SPIHT编码算法描述 |
| 4.2.3 SPIHT算法的不足 |
| 4.3 改进SPIHT算法 |
| 4.3.1 改进初始化算法 |
| 4.3.2 改进重要性判断 |
| 4.3.3 改进系数符号编码 |
| 4.3.4 综合改进算法 |
| 4.3.5 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 基于ROI医学图像压缩算法 |
| 5.1 ROI医学图像压缩方法概述 |
| 5.1.1 ROI医学图像压缩现状 |
| 5.1.2 ROI医学图像压缩原理介绍 |
| 5.2 形状自适应ROI医学图像无损压缩方法 |
| 5.2.1 ROI形状信息的提取 |
| 5.2.2 形状自适应整数小波变换 |
| 5.2.3 形状自适应整数小波变换系数的编码 |
| 5.2.4 ROI形状信息的表示 |
| 5.2.5 仿真结果分析 |
| 5.3 本章小结 |
| 第六章 图像压缩算法在实际远程医学平台的验证 |
| 6.1 远程医学平台中的医学影像上传 |
| 6.2 仿真结果与实际医学平台传输速率分析 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文主要研究内容 |
| 7.2 下一步工作 |
| 参考文献 |
| 申硕期间的主要成果 |
| 附录 |
| 致谢 |
（3）适合电力线信道传输的低速率图像压缩算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力线载波通信现状 |
| 1.2.2 低速率图像编码技术 |
| 1.2.3 基于主成分分析的图像处理 |
| 1.3 论文主要研究内容及结构安排 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 电力线载波通信技术 |
| 2.1 电力线信道特性 |
| 2.1.1 衰减与阻抗特性 |
| 2.1.2 噪声特性 |
| 2.1.3 带宽受限特性 |
| 2.2 电力线载波技术优势 |
| 2.3 电力线载波传输图像可能 |
| 2.4 本章小结 |
| 第3章 图像压缩编码及小波变换应用 |
| 3.1 图像压缩编码 |
| 3.1.1 图像压缩原理 |
| 3.1.2 常见的图像压缩编码 |
| 3.1.3 图像压缩算法的性能评价 |
| 3.2 小波变换理论 |
| 3.2.1 连续小波定义变换 |
| 3.2.2 离散小波变换 |
| 3.2.3 多分辨率分析 |
| 3.2.4 一维Mallat算法 |
| 3.2.5 二维Mallat算法 |
| 3.3 小波变换在图像压缩中的应用 |
| 3.3.1 图像的小波分解 |
| 3.3.2 小波变换的系数特点 |
| 3.3.3 小波变换图像编码的步骤 |
| 3.3.4 常见的几种小波基及其特性 |
| 3.3.5 边界延拓 |
| 3.4 本章小结 |
| 第4章 零树小波编码 |
| 4.1 嵌入式零树小波编码概述 |
| 4.1.1 嵌入式编码 |
| 4.1.2 小波变换的零树结构 |
| 4.2 EZW原理 |
| 4.2.1 零树编码的扫描过程 |
| 4.2.2 EZW算法的主要步骤 |
| 4.3 多级树集合分裂(SPIHT)算法 |
| 4.3.1 SPIHT算法概述 |
| 4.3.2 SPIHT算法流程 |
| 4.3.3 SPIHT算法分析 |
| 4.4 实验结果 |
| 4.5 本章小结 |
| 第5章 结合PCA的 SPIHT图像压缩算法 |
| 5.1 PCA算法概述 |
| 5.2 主成分分析在图像处理中的应用 |
| 5.2.1 PCA的基本原理 |
| 5.2.2 PCA用于图像压缩和降噪 |
| 5.3 PCA与 SPIHT结合方式 |
| 5.3.1 嵌套方式结合 |
| 5.3.2 辅助方式结合 |
| 5.3.3 算法流程图 |
| 5.4 实验结果及分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及成果 |
| 致谢 |
（4）基于零树小波的静止图像压缩算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 课题的研究现状 |
| 1.2.1 图像编码技术的发展 |
| 1.2.2 小波变换发展现状 |
| 1.3 本文的主要工作和研究内容 |
| 第二章 数字图像压缩编码概述 |
| 2.1 数字图像压缩的可行性 |
| 2.2 数字图像压缩编码的基本方法 |
| 2.2.1 霍夫曼编码 |
| 2.2.2 算术编码 |
| 2.2.3 预测编码 |
| 2.2.4 分形编码 |
| 2.2.5 小波变换编码 |
| 2.2.6 子带编码 |
| 2.3 图像编码质量评价指标 |
| 2.3.1 客观图像质量评价 |
| 2.3.2 主观图像质量评价 |
| 2.3.3 JPEG 标准 |
| 2.3.4 JPEG 2000 标准 |
| 2.4 本章小结 |
| 第三章 基于小波变换的图像压缩编码方法 |
| 3.1 小波分析简介 |
| 3.1.1 小波变换定义 |
| 3.1.2 多分辨率分析 |
| 3.1.3 Mallat 算法 |
| 3.2 二维图像小波变换的分解与重构 |
| 3.3 小波变换图像压缩编码 |
| 3.3.1 小波变换图像压缩编码的步骤 |
| 3.3.2 小波变换图像压缩编码的优势 |
| 3.3.3 小波变换编码涉及的问题 |
| 3.4 本章小结 |
| 第四章 嵌入式零树小波编码的改进算法 |
| 4.1 嵌入式编码与零树结构的定义 |
| 4.1.1 嵌入式编码 |
| 4.1.2 零树的定义 |
| 4.1.3 改进的零树编码 |
| 4.2 零树编码系数扫描方式和量化编码方法 |
| 4.2.1 零树编码的小波系数扫描方式 |
| 4.2.2 逐次逼近量化方法及其改进 |
| 4.2.3 霍夫曼编码 |
| 4.3 改进的 EZW 算法的编码原理 |
| 4.4 改进的 EZW 算法编码的流程 |
| 4.4.1 改进的 EZW 编码算法的流程 |
| 4.4.2 改进的 EZW 编码算法的实现步骤 |
| 4.5 改进算法的仿真实现和结果分析 |
| 4.5.1 改进 EZW 算法仿真过程 |
| 4.5.2 EZW 算法和改进 EZW 算法仿真结果比较与分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（5）分形图像压缩的快速算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 图像压缩研究背景及意义 |
| 1.2 图像压缩的可行性分析 |
| 1.3 图像压缩的系统模型与分类 |
| 1.3.1 图像压缩的系统模型 |
| 1.3.2 图像压缩算法的分类 |
| 1.4 图像压缩算法的性能评价 |
| 1.5 分形图像压缩的研究现状 |
| 1.6 本文的主要工作及组织结构 |
| 第2章 分形图像压缩理论 |
| 2.1 分形概述 |
| 2.2 分形理论的数学基础 |
| 2.2.1 度量空间 |
| 2.2.2 分形维数 |
| 2.3 分形图像压缩理论 |
| 2.3.1 仿射变换 |
| 2.3.2 压缩映射定理 |
| 2.3.3 迭代函数系 |
| 2.3.4 拼贴定理 |
| 2.4 本章小结 |
| 第3章 分形图像压缩的改进算法 |
| 3.1 局部迭代函数系 |
| 3.2 基本分形图像压缩算法 |
| 3.2.1 局部迭代函数系的实现 |
| 3.2.2 基本分形图像压缩与解码过程 |
| 3.2.3 基本分形图像压缩算法仿真 |
| 3.3 基于标准差和亮暗分布排序的快速分形图像压缩算法 |
| 3.3.1 理论分析 |
| 3.3.2 算法流程 |
| 3.3.3 参数选取 |
| 3.3.4 实验仿真 |
| 3.4 基于标准差和亮暗分布排序的分形图像压缩改进算法 |
| 3.4.1 非搜索快速分形图像压缩算法 |
| 3.4.2 改进算法分析 |
| 3.4.3 改进算法流程 |
| 3.4.4 改进算法参数选取 |
| 3.4.5 改进算法实验仿真 |
| 3.5 本章小结 |
| 第4章 小波分形混合图像压缩的改进算法 |
| 4.1 小波分析理论 |
| 4.1.1 连续小波变换 |
| 4.1.2 离散小波变换与多分辨分析 |
| 4.2 图像的小波分解 |
| 4.2.1 小波基的选取 |
| 4.2.2 二维图像的小波分解 |
| 4.3 小波分形混合图像压缩算法 |
| 4.3.1 小波分形混合图像压缩的现状 |
| 4.3.2 图像小波域下分形压缩算法的简化处理 |
| 4.3.3 基于小波系数零树结构的分形预测图像压缩算法 |
| 4.4 基于小波系数零树结构的分形预测图像压缩算法的改进算法 |
| 4.4.1 改进算法分析 |
| 4.4.2 改进算法流程 |
| 4.4.3 改进算法参数选取 |
| 4.4.4 改进算法实验仿真 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士学位期间发表的论文及获奖情况 |
（6）基于小波变换的静止图像压缩编码技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 小波图像编码的研究状况 |
| 1.3 本文的主要工作和结构安排 |
| 第2章 图像压缩编码概述 |
| 2.1 图像压缩编码的原理 |
| 2.2 图像编码技术分类 |
| 2.2.1 传统图像编码方法 |
| 2.2.2 现代图像编码方法 |
| 2.3 图像编码质量的评价 |
| 2.3.1 客观评价方法 |
| 2.3.2 主观评价方法 |
| 2.3.3 图像压缩效率评定 |
| 2.4 静止图像编码国际标准 |
| 2.4.1 JPEG |
| 2.4.2 JPEG2000 |
| 2.5 本章小结 |
| 第3章 小波变换在图像编码中的应用 |
| 3.1 小波分析基础 |
| 3.1.1 小波变换的定义 |
| 3.1.2 连续小波变换 |
| 3.1.3 离散小波变换 |
| 3.1.4 多分辨率分析 |
| 3.1.5 Mallat算法 |
| 3.2 图像的小波分解特征的实验分析 |
| 3.3 小波变换图像编码的优点 |
| 3.4 小波变换实现图像数据压缩的基本思想 |
| 3.5 小波编码涉及的几个问题 |
| 3.5.1 小波基的选择 |
| 3.5.2 图像小波变换系数的组织模型 |
| 3.5.3 量化方法 |
| 3.5.4 熵编码 |
| 3.6 本章小结 |
| 第4章 小波压缩编码方法及其改进 |
| 4.1 嵌入式小波零树编码方法 |
| 4.1.1 嵌入式小波零树编码主要特点 |
| 4.1.2 小波零树编码扫描顺序 |
| 4.1.3 嵌入式零树编码的实现 |
| 4.1.4 EZW算法的仿真实验及分析 |
| 4.2 基于小波零树编码思想的改进算法的研究 |
| 4.2.1 分层树的集划分编码 |
| 4.2.2 集合分裂嵌入块编码 |
| 4.3 算法分析与比较 |
| 4.4 量化码流的截断处理 |
| 4.4.1 位平面编码 |
| 4.4.2 码流截断 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第5章 基于人眼视觉特性嵌入式小波零树编码方法 |
| 5.1 嵌入式小波零树编码的改进 |
| 5.1.1 改进零树结构 |
| 5.1.2 改进重要图编码 |
| 5.2 结合哈夫曼编码和游程编码 |
| 5.3 改进的嵌入式小波零树编码原理 |
| 5.4 改进的嵌入式小波零树编码流程 |
| 5.5 改进算法仿真实现和结果分析 |
| 5.5.1 改进EZW算法在Matlab中仿真实现 |
| 5.5.2 原算法与改进算法仿真结果对比及结论 |
| 5.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（7）图像无损压缩及去噪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 概述 |
| 1.2 图像无损压缩技术的研究现状 |
| 1.2.1 图像无损压缩技术的发展与现状 |
| 1.2.2 视频无损压缩技术的发展与现状 |
| 1.2.3 图像压缩系统的研究现状 |
| 1.3 图像去噪技术的研究现状 |
| 1.3.1 传统的图像去噪方法 |
| 1.3.2 小波域图像去噪方法 |
| 1.3.3 多尺度图像去噪方法 |
| 1.3.4 偏微分方程图像去噪方法 |
| 1.4 论文主要工作及章节安排 |
| 参考文献 |
| 第二章 基于快速SPIHT 算法的图像无损压缩技术研究 |
| 2.1 引言 |
| 2.2 无损压缩国际标准分析 |
| 2.2.1 JBIG 标准 |
| 2.2.2 JPEG 标准 |
| 2.2.3 JPEG-LS 标准 |
| 2.2.4 JPEG2000 标准 |
| 2.2.5 HDPhoto 标准 |
| 2.3 编码方式 |
| 2.3.1 EZW 编码 |
| 2.3.2 SPIHT 编码 |
| 2.3.3 SPECK 编码 |
| 2.3.4 EBCOT 编码 |
| 2.4 基于整数小波的快速SPIHT 无损压缩算法SSPIHT |
| 2.4.1 整数小波变换 |
| 2.4.2 快速SPIHT 编码SSPIHT |
| 2.4.3 实验结果和分析 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 基于自适应模板的视频无损压缩技术研究 |
| 3.1 引言 |
| 3.2 无损视频压缩的基本编码框架 |
| 3.3 无损视频压缩的关键技术 |
| 3.3.1 预测编码 |
| 3.3.2 变换编码 |
| 3.3.3 运动估计和补偿 |
| 3.3.4 熵编码 |
| 3.4 一种新的自适应无损视频压缩算法AMLVC |
| 3.4.1 空域去冗余 |
| 3.4.2 时域去冗余 |
| 3.4.3 自适应预测模型 |
| 3.4.4 实验结果和分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 基于多尺度几何分析的图像去噪技术研究 |
| 4.1 引言 |
| 4.2 经典图像去噪算法 |
| 4.2.1 小波阈值去噪算法 |
| 4.2.2 小波比例萎缩去噪 |
| 4.2.3 小波相关性去噪 |
| 4.3 基于NSCT 的图像去噪模型 |
| 4.3.1 NSCT 变换原理 |
| 4.3.2 高斯比例混合模型 |
| 4.3.3 基于高斯比例混合模型的噪声估计 |
| 4.3.4 算法描述 |
| 4.3.5 实验结果与分析 |
| 4.4 基于NSCT 的自适应图像去噪方法 |
| 4.4.1 基于SURE 准则的MSE 估计 |
| 4.4.2 基于图像尺度和方向特性的自适应阈值 |
| 4.4.3 算法描述 |
| 4.4.4 实验结果与分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第五章 结合全变差的图像去噪技术研究 |
| 5.1 引言 |
| 5.2 偏微分方程在图像降噪中的应用 |
| 5.2.1 Perona-Malik 模型 |
| 5.2.2 各项异性扩散模型 |
| 5.2.3 复扩散模型 |
| 5.2.4 优点及面临的问题 |
| 5.3 小波和偏微分方程的联系 |
| 5.4 一种新的结合全变差模型去噪方法 |
| 5.4.1 全变差模型 |
| 5.4.2 结合全变差模型消除Gibbs 伪影 |
| 5.4.3 实验结果与分析 |
| 5.5 结合NSCT 与自适应全变差的图像去噪方法NSCT-DTV |
| 5.5.1 高斯比例混合模型 |
| 5.5.2 自适应全变差模型 |
| 5.5.3 结合自适应全变差去噪 |
| 5.5.4 实验结果与分析 |
| 5.6 本章小结 |
| 参考文献 |
| 第六章 嵌入式图像无损压缩系统设计及实现 |
| 6.1 引言 |
| 6.2 通用无损压缩硬件单元实现 |
| 6.2.1 压缩单元的硬件设计 |
| 6.2.2 压缩单元的软件框架 |
| 6.3 优化与实现 |
| 6.3.1 算法的DSP 系统平台移植 |
| 6.3.1.1 去除冗余代码 |
| 6.3.1.2 修改函数和变量 |
| 6.3.1.3 编译选项和连接命令 |
| 6.3.2 DSP 系统优化技术 |
| 6.3.2.1 EDMA 传输数据 |
| 6.3.2.2 软件流水技术 |
| 6.3.2.3 数据类型的选择 |
| 6.3.2.4 处理链优化 |
| 6.3.2.5 避免冲突读miss |
| 6.3.2.6 系统自带库函数优化 |
| 6.3.3 实验结果和分析 |
| 6.4 空间图像无损压缩系统设计及实现 |
| 6.4.1 CCSDS |
| 6.4.1.1 预处理 |
| 6.4.1.2 离散小波变换 |
| 6.4.1.3 量化与编码 |
| 6.4.1.4 位平面编码 |
| 6.4.1.5 熵编码 |
| 6.4.2 压缩单元的设计 |
| 6.4.2.1 硬件系统核心模块设计 |
| 6.4.2.2 外部接口模块 |
| 6.4.2.3 无损压缩系统架构设计 |
| 6.4.2.4 二维小波变换的FPGA 设计 |
| 6.4.2.5 位平面编码结构设计 |
| 6.5 实验结果和分析 |
| 6.6 本章小结 |
| 参考文献 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 博士在读期间的研究成果 |
（8）电力系统数据压缩算法的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题目的和意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 电力数据压缩 |
| 1.2.2 电力数据传输 |
| 1.3 本文的主要研究内容 |
| 1.4 本文的创新之处 |
| 第二章 数据压缩及数据传输的方法与评价指标 |
| 2.1 数据压缩 |
| 2.1.1 数据压缩原理 |
| 2.1.2 压缩算法的分类 |
| 2.1.3 压缩效果的评价标准 |
| 2.2 数据传输 |
| 2.2.1 数据传输方式 |
| 2.2.2 数据传输的质量指标 |
| 2.2.3 电力系统通信技术介绍 |
| 2.3 本章小结 |
| 第三章 多小波嵌入式零树编码方法及电力数据的压缩 |
| 3.1 多小波基本理论 |
| 3.1.1 多小波的重要性质 |
| 3.1.2 几种常用的多小波比较 |
| 3.1.3 多小波的多分辨率分析 |
| 3.1.4 正交离散多小波变换 |
| 3.1.5 预处理方法及对多小波滤波器性能的影响 |
| 3.2 多小波阈值压缩算法 |
| 3.2.1 几种常用多小波变换的分解重构比较 |
| 3.2.2 压缩算法的实现过程 |
| 3.2.3 与单小波阈值算法压缩效果的对比 |
| 3.3 多小波零树编码在电力数据压缩中的应用 |
| 3.3.1 嵌入式小波零树编码 |
| 3.3.2 基于多小波的嵌入式零树编码算法的设计 |
| 3.3.3 压缩算法的几点改进 |
| 3.3.4 改进后压缩算法的流程 |
| 3.3.5 待编码数据的构成与误差来源分析 |
| 3.3.6 仿真实验及结果分析 |
| 3.3.7 新算法的优越性 |
| 3.4 本章小结 |
| 第四章 二维多小波嵌入式零树编码方法及电能质量信号压缩 |
| 4.1 图像压缩的基本理论 |
| 4.1.1 图像压缩概述 |
| 4.1.2 图像压缩方法 |
| 4.1.3 图像压缩的评价标准 |
| 4.2 基于多小波变换的图像压缩 |
| 4.2.1 图像的多小波变换 |
| 4.2.2 二维GHM多小波变换的仿真 |
| 4.2.3 基于多小波的图像压缩的实验与分析 |
| 4.3 多小波零树图像编码在图像压缩中的应用 |
| 4.3.1 压缩算法的实现 |
| 4.3.2 仿真实验及结果分析 |
| 4.4 二维多小波零树图像编码在电力数据压缩中的应用 |
| 4.4.1 压缩算法的流程 |
| 4.4.2 算法中的几个关键步骤 |
| 4.4.3 仿真实验及结果分析 |
| 4.5 本章小结 |
| 第五章 基于GPRS的电力数据远程传输的程序设计与实验 |
| 5.1 系统通信方案的设计 |
| 5.1.1 GPRS通信模块的选择 |
| 5.1.2 系统通信协议的选择 |
| 5.1.3 GPRS组网方式的选择 |
| 5.1.4 数据传输上层应用协议的设计 |
| 5.2 系统的软硬件开发平台 |
| 5.2.1 硬件开发平台的构架 |
| 5.2.2 软件开发环境 |
| 5.3 监测终端应用程序的开发与实现 |
| 5.3.1 基于多小波的数据压缩在VC6.0下的实现 |
| 5.3.2 GPRS数据传输底层功能的实现 |
| 5.4 控制中心应用程序的开发与实现 |
| 5.4.1 客户机/服务器模式 |
| 5.4.2 SOCKET编程原理 |
| 5.4.3 服务器应用程序的设计与实现 |
| 5.5 传输试验及结果 |
| 5.5.1 GPRS传输实验 |
| 5.5.2 还原压缩数据与原始数据对比 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者与导师简介 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 |
（9）小波分析在数字图像压缩中的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 图像数据压缩的必要性 |
| 1.2 图像压缩编码的研究进展 |
| 1.3 本课题的研究背景 |
| 1.4 本文所做的具体工作及研究方法概述 |
| 1.5 本文的结构 |
| 第二章 图像压缩编码技术概述 |
| 2.1 图像压缩的原理 |
| 2.1.1 图像压缩的基础 |
| 2.1.2 图像压缩的基本方法与分类 |
| 2.1.3 图像压缩的基本过程 |
| 2.2 图像压缩编码方法 |
| 2.2.1 传统图像压缩编码技术 |
| 2.2.1.1 熵编码 |
| 2.2.1.2 矢量量化编码 |
| 2.2.1.3 预测编码 |
| 2.2.1.4 变换编码 |
| 2.2.2 现代图像编码技术 |
| 2.2.2.1 子带编码(SBC) |
| 2.2.2.2 分形编码(Fractal Coding) |
| 2.2.2.3 模型编码(Model-based Coding) |
| 2.2.2.4 小波变换编码(Wavelet Coding) |
| 2.3 图像压缩系统的性能评价及静态图像压缩的国际标准 |
| 2.3.1 图像压缩系统的性能评价 |
| 2.3.2 静态图像压缩的国际标准 |
| 2.4 本章小结 |
| 第三章 小波分析理论及在图像压缩中的应用 |
| 3.1 概述 |
| 3.2 小波分析的基本理论 |
| 3.2.1 从傅立叶变换到小波变换 |
| 3.2.2 连续小波变换(CWT) |
| 3.2.3 离散小波变换(DWT) |
| 3.2.4 小波变换的多分辨率分析 |
| 3.2.5 快速小波变换Mallat算法 |
| 3.2.6 正交与双正交小波变换 |
| 3.3 小波变换图像压缩编码基本思想 |
| 3.3.1 图像的小波分解 |
| 3.3.2 系数统计分析 |
| 3.3.3 图像小波变换的系数特点 |
| 3.3.4 小波变换图像压缩编码的基本步骤 |
| 3.3.5 小波基的选取 |
| 3.3.6 边界延拓 |
| 3.3.7 小波变换的级数 |
| 3.3.8 小波变换用于图像压缩的优势 |
| 3.4 本章小结 |
| 第四章 零树编码 |
| 4.1 嵌入式零树小波编码算法(EZW) |
| 4.1.1 小波零树的概念 |
| 4.1.2 小波零树结构的特点 |
| 4.1.3 小波零树编码的扫描方式 |
| 4.1.4 零树量化及实现过程 |
| 4.1.5 嵌入式零树小波编码的基本步骤 |
| 4.1.6 对低频子图进行单独处理 |
| 4.1.7 小波零树编码的优点 |
| 4.1.8 算法的实现 |
| 4.2 用MATLAB结合C来实现EZW编码 |
| 4.2.1 Matlab下调用C程序 |
| 4.2.2 Matlab编译与接口 |
| 4.2.3 MEX调用EZW的实现 |
| 4.2.4 EZW仿真结果与分析 |
| 4.3 对EZW算法的改进 |
| 4.3.1 EZW算法的不足 |
| 4.3.2 算法的改进 |
| 4.3.2.1 取消级间排序步骤 |
| 4.3.2.2 低频子带单独编码 |
| 4.3.2.3 选取整数平方量化阈值代替2的整数次幂 |
| 4.3.3 算法试验结果 |
| 4.4 多级树集合分裂算法SPIHIT |
| 4.4.1 SPIHIT算法的定义 |
| 4.4.2 SPIHIT算法流程 |
| 4.4.3 SPIHIT算法分析 |
| 4.5 对SPIHIT算法的改进 |
| 4.5.1 多阈值编码 |
| 4.5.2 节点位置反馈法在SPIHIT中的应用 |
| 4.5.3 实例说明 |
| 4.5.4 实验结果 |
| 4.6 本章小结 |
| 第五章 基于小波矢量量化图像压缩编码算法 |
| 5.1 矢量量化编码理论 |
| 5.2 LBG算法 |
| 5.3 利用约束矩阵进行小波图像压缩编码 |
| 5.4 一种改进的基于小波剪枝树矢量量化 |
| 5.4.1 小波树结构和压缩的关键问题 |
| 5.4.2 本文算法流程 |
| 5.4.3 算法试验数据结果 |
| 5.5 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）嵌入式零树小波编码算法的改进与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 图像压缩的发展和研究现状 |
| 1.3 论文研究工作概要 |
| 1.4 本论文的章节安排 |
| 第二章 数字图像压缩编码基础 |
| 2.1 数字图像压缩的必要性和可能性 |
| 2.2 图像压缩模型和评价准则 |
| 2.2.1 图像压缩模型 |
| 2.2.2 图像压缩的评价准则 |
| 2.3 图像压缩编码方法 |
| 2.3.1 图像压缩编码的经典方法 |
| 2.3.2 图像压缩编码的现代方法 |
| 2.4 图像压缩编码方法的国际标准 |
| 2.4.1 JPEG和JPEG2000 |
| 2.4.2 MPEG系列 |
| 2.5 小结 |
| 第三章 小波变换及小波图像压缩技术 |
| 3.1 小波变换简介 |
| 3.2 小波变换理论 |
| 3.2.1 傅立叶变换和短时傅立叶变换 |
| 3.2.2 小波变换 |
| 3.2.3 多分辨分析 |
| 3.3 小波图像压缩技术 |
| 3.3.1 小波图像压缩理论 |
| 3.3.2 小波变换在图像压缩中的优越性 |
| 3.4 小结 |
| 第四章 嵌入式零树小波编码算法及其改进 |
| 4.1 嵌入式零树小波编码(EZW)算法 |
| 4.1.1 EZW算法简介 |
| 4.1.2 EZW算法原理 |
| 4.1.3 EZW算法的优点 |
| 4.2 嵌入式零树小波编码的改进算法 |
| 4.2.1 EZW算法的缺点和不足 |
| 4.2.2 对EZW算法的改进 |
| 4.3 小结 |
| 第五章 基于人眼视觉特性的小波变换压缩编码算法 |
| 5.1 问题的提出 |
| 5.2 人眼视觉系统模型(HVS) |
| 5.2.1 人眼构造简介 |
| 5.2.2 人眼的视觉特性 |
| 5.2.3 人眼视觉系统模型 |
| 5.3 基于人眼视觉特性的小波变换压缩编码算法 |
| 5.3.1 在人眼视觉特性的基础上对EZW算法进行改进 |
| 5.3.2 实验和结果分析 |
| 5.4 小结 |
| 第六章 结论和展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
四、小波零树编码在图像压缩及其去噪中的应用研究（论文参考文献）
- [1]基于小波分析的医学图像压缩方法的研究[D]. 王亚清. 沈阳理工大学, 2021(01)
- [2]基于小波变换的图像压缩算法在远程医学中的应用研究[D]. 张霞. 山东师范大学, 2019(02)
- [3]适合电力线信道传输的低速率图像压缩算法研究[D]. 王晶. 华北电力大学, 2019(01)
- [4]基于零树小波的静止图像压缩算法的研究[D]. 林行. 沈阳工业大学, 2014(10)
- [5]分形图像压缩的快速算法研究[D]. 刘会斌. 东北大学, 2012(05)
- [6]基于小波变换的静止图像压缩编码技术的研究[D]. 黄丽. 湖南大学, 2010(03)
- [7]图像无损压缩及去噪技术研究[D]. 武晓玥. 西安电子科技大学, 2010(10)
- [8]电力系统数据压缩算法的研究与实现[D]. 张蕊. 北京化工大学, 2009(S1)
- [9]小波分析在数字图像压缩中的研究[D]. 周嵩. 贵州大学, 2009(S1)
- [10]嵌入式零树小波编码算法的改进与应用研究[D]. 薛冰. 电子科技大学, 2008(04)