第八章_图像编码、小波压缩应用.pptxVIP

第八章 图像的编码、小波压缩应用;图像通信系统模型;应用;图像增强 DWT将一幅图像分解为大小、位置和方向都不同的分量。与博立叶领域里的线性滤波一样，可以在做逆变换之前改变小波变换域中某些系数的幅度。这样就能够有选择地提升所感兴趣的分量而牺牲不需要的东西。;图像融合 图像融合将同一对象的两个或更多的图像合成到一幅图像中，以便它比任何原来的一幅都能更容易地为人们所理解。这一技术可应用于多频谱图像理解以及医学图像处理等领域中，在这些场合，同一物体部件的图像往往是使用不同的成像机理采集得到的。; 图像融合技术;8.1 数据冗余的概念;8.1 数据冗余的概念;8.1 数据冗余的概念;8.1 图像中的数据冗余;8.1 图像中的数据冗余;8.1 图像中的数据冗余;基本概念;;1.编码冗余;2.像素间冗余;3.图像中的心理视觉冗余;数据压缩的关键点：;8.2 图像的压缩编码;图像的压缩编码;图像的压缩编码;8.3 行程编码(RLE编码);8.3.1 行程编码的基本原理;8.3.2 行程编码方法;8.3.3 传真中的行程编码方法;8.3.3 传真中的行程编码方法;8.3.3 传真中的行程编码方法;8.4 Huffman 编码（熵编码）;8.4.1 Huffman 编码的基本原理;8.4.1 Huffman 编码的基本原理;8.4.1 Huffman 编码的基本原理;8.4.1 Huffman 编码的基本原理;8.4.2 Huffman 编码方法;8.4.2 Huffman 编码方法;8.4.2 Huffman 编码方法;8.4.3 Huffman 编码效率;8.4.4 图像压缩中的Huffman 编码;8.4.4 图像压缩中的Huffman 编码;Huffman编码效率示例;8.5 DCT变换编码;8.5 DCT变换编码;8.5 DCT变换编码;8.5 DCT变换编码;8.5 DCT变换编码;8.5 DCT变换编码;8.6 混合编码;8.6 混合编码;8.6 混合编码;8.6 混合编码;8.6 混合编码;8.7 图像的小波压缩;数据压缩的步骤;小波系数或小波包系数的量化;;二维小波图像压缩的方法;二维小波图像压缩的方法;信号降噪;小波或小波包降噪方法;小波或小波包降噪方法;其他的免费软件工具：;值得关注的几个发展方向：;提升小波变换（Lifting scheme wavelet transform);提升算法相对于Mallat算法而言，被誉为第2代小波变换。使我们能用一种简单的方法去解释小波的基本理论，而第一代小波变换都可以找到等效的提升方案。提升方案把第一代小波变换过程分为以下??个阶段：分解（Split）、预测（Predict）和更新（Update）。提升算法的分解和重构如图。;;算法实现方法;算法实现方法;多小波变换：;Goodman等提出多小波的概念，其基本思想是将单小波中由单个尺度函数生成的多分辨分析空间，扩展为由多个尺度函数生成，以此来获得更大的自由度。1994年，Geronimo,Hardin和Massopus构造了著名的GHM多小波。它既保持了单小波所具有的良好的时域与频域的局部化特性，又克服了单小波的缺陷，将实际应用中十分重要的光滑性、紧支性、对称性、正交性完美地结合在一起。与此同时，在信号处理领域，人们将传统的滤波器组推广至矢值滤波器组、块滤波器组，初步形成了矢值滤波器组的理论体系，并建立了它和多小波变换的关系。 ;多小波的多分辨分析;双尺度方程：;多小波在理论上所表现出来的优势以及它在应用领域所具有的潜力，使其受到高度重视。在它诞生的短短几年时间内，从理论方面，多小波的构造、多小波变换实现中，预滤波器的设计及信号的边界处理正迅速成为新的研究热点，而对它在图像处理方面的应用，人们正进行积极探索，并在静止图像编码、图像去噪两方面取得了一定的成果。;多小波变换还需要解决的问题：;线调频小波变换：;仿射时频变换的合成算子：;变换的统一表述：