基于SPIHT的ROI图像压缩编码新算法

合集下载

基于感兴趣区域(ROI)图像的压缩编码研究的开题报告

基于感兴趣区域（ROI）图像的压缩编码研究的开题报告一、研究背景图像压缩编码技术在数字图像处理领域中，具有重要的应用价值。

随着数字图像应用的广泛开展，人们对高清晰度、高保真、低码率的图像压缩编码需求不断增强。

基于感兴趣区域（ROI）图像的压缩编码技术因其优异的压缩性能和易于人机交互的特点，近年来备受关注。

ROI图像是指图像中特定区域，如感兴趣的目标、重要的细节和边缘等，需要高保真度和高清晰度的部分。

基于感兴趣区域的图像压缩编码技术可以将ROI图像进行特殊的处理，保证其高保真度和高清晰度，同时压缩非ROI 图像以减小数据传输的容量，提高数据的传输速率和实时性。

二、研究内容本研究旨在基于感兴趣区域（ROI）图像的压缩编码技术，对数字图像压缩编码进行研究。

具体研究内容包括：1、ROI提取与分割算法研究根据图像的特点和需要，研究ROI提取和分割算法，设计出高效的算法对图像中的ROI进行提取，实现区域分割。

本研究以常见的分割算法为基础，结合ROI的特征和分析，研究基于感兴趣区域的图像分割算法，提高ROI图像的提取效率和准确性。

2、基于ROI的图像压缩编码算法研究结合ROI提取和分割算法，研究基于感兴趣区域的图像压缩编码算法。

本研究以JPEG算法为基础，针对ROI图像的特殊处理，研究ROI 编码策略和非ROI编码策略，实现对数字图像的有效压缩。

3、实验验证通过对比实验验证本研究的ROI压缩编码技术和传统图像压缩编码技术的压缩效果和编解码时间，评估研究成果的有效性和实用性。

本研究还将通过改进和优化ROI压缩编码技术，提高图像的压缩率和保真度。

三、研究意义本研究将深入探究基于感兴趣区域的图像压缩编码技术，针对数字图像处理领域中高清晰度、高保真度、低码率的需求，提出优秀的ROI图像压缩编码技术，为数字图像处理领域的发展做出贡献。

四、研究方法本研究采用实验研究和数据分析方法，设计基于感兴趣区域的图像压缩编码算法，实现对数字图像的有效压缩和处理。

基于SPIHT的改进图像压缩算法

维普资讯
第２８卷第４期
２００７年７月
应用光学
ＪｕｎｌｆＡｐｌｄＯｐｉｓｏｒａｐｉｔｏｅｃ
Ｖｏ．２ＮＯ．１８４
Ｊ１２０ｕ．０７
文章编号：０２２８（０７０ — ３８０１０ —０２２０）４０８ —４
的改进型算法 —— 静止图像编码方法，即对变换后的小波系数高频区块进行细分，并对不同频率图像块分别设置阈值，采取新的阈值判别策略，少了链表的结点数。使用ＭＡＴＡＢ６５开发环减Ｌ，境对上述改进编码方法进行仿真。仿真结果表明：通过对原算法构架进行改进，少了内存空间减占用，降低了计算复杂度，取得了较好的压缩效果。
基于ＳＩ的改进图像压缩算法ＰＨＴ
赵米唠，陈卫东，卢晓燕
（安应用光学研究所，陕西西安７０６）西１０５
摘
要：针对渐进式图像传输算法都受限于庞大的内存空间和计算复杂度，出一种基于ＳＩ提ＰＨＴ
ｔｅｗａｌｔｃｅｆｃｅｓａｔｒｔｖｌｔｔａｎｆｒ，ｓｔｈｅｔｒｓｏｌｓｆｒｔｅｉｇｏｋｓｏｆｈｖｅｅｏｆｉｉｎｔｆｅｈｅｗａｅｅｒｓｏｍｅｓｔｈｅｈｄｉｍ．ＴｈｓｏｃｐｉｄｐｅｉＪＥＧ２０，ＴｈｉｒｖｄｏｉｇｒｍｅｒｆｈａｇｒｈｔｉｃｎｅｔｓａｏｔｄｎＰ００ｅｍｐｏｅｃｄｎ

基于改进SPIHT的医学图像压缩

基于改进SPIHT的医学图像压缩【摘要】为了满足医学数据的存储和传输的需要，在SPIHT算法的基础上，提出了一种基于改进SPIHT的医学图像压缩算法，实现了对医学图像的编码。

该算法在减少编码时间的同时，能够得到较高的压缩比，重建图像的峰值信噪比也有明显的提高。

选取几幅医学图像进行有效性的验证，试验结果表明：此算法可以更好地保留图像的客观质量，提高了编解码的效率，获得了较好的压缩效果。

【关键词】医学图像压缩；改进SPIHT算法；小波变换；峰值信噪比1.引言随着远程医疗系统的逐步成熟和发展，对于数据压缩和通信标准都提出了严格要求。

医学图像压缩的目的在于保留原始医学图像数据中蕴含的真实信息前提下，同时用较少的比特数据来表征医学图像，从而减少医学图像数据的存储空间和远程医疗中的传输时间，最终满足海量医学图像数据有效存储和实时传输的实际应用需求。

小波变换是近年来发展起来的一种新的时频分析方法，它在时域和频域同时具有良好的局部化特征，特别适合对ECG这类非平稳信号进行分析和数据压缩[2]。

1993年，J.M.Shapiro利用小波系数之间的自相似性，提出了嵌入式零树编码算法[3]（Embedded Zerotree Wavelet，EZW）。

EZW有很好的均方误差性能、适中的复杂度和嵌入式位流，引起了压缩研究界的兴趣。

1996年，由A.Said和W.A.Pearlman提出的多级树集合分裂算法[4]（Set Partitioning in Hierarchical Tree.SPIHT）是对EZW算法的改进，但是具有更高的压缩效率，在相同的比特率下，即使不需要熵编码环节，SPIHT[5]也总能取得优于EZW的量化性能。

本文结合小波变换和改进SPIHT算法来实现医学图像的编码，从而达到较优的压缩重建效果。

2.改进的SPIHT算法对于SPIHT算法，该算法需要不断重复地对小波系数进行扫描，与其阈值进行比较，才能找到重要的系数，从而提高了访问内存的次数，增加了内存的负荷；同时在进行LSP，LIP分类扫描时，对D型态和L型态进行编码时，存在着对部分重要小波系数进行冗余编码的情况，大大降低了编解码的效率。

结合Huffman编码和SPIHT算法实现高效图像压缩方法

结合Huffman 编码和SPIHT 算法实现高效图像压缩方法摘要：在低速通道中传递图像在许多领域中都非常关键。

本文阐述了一种基于SPIHT 算法对高品质图像进行压缩的方法。

该方法能给远距离无线通信应用提供递进的图像传输能力。

这和JPEG 标准非常不同。

JPEG 标准必须先将图像压缩到一定程度后再开始传送。

而我们的方法中，数据头和图片数据被从目标图像中区分开来。

头信息经过了必要的修改后先被传送。

然后图像数据使用SPIHT 压缩并传送。

实验表明我们的方法可以得到更好的压缩率和传输时间。

关键词：图像压缩；JPEG ；SPIHT ；小波；霍夫曼编码1、引言小波变换（wavelet transform ，WT ）是一种新的变换分析方法，它继承并且发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具[1]。

它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间（空间）频率的局部化分析，通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier 变换的困难问题，成为继Fourier 变换以来在科学方法上的重大突破[2]。

这一技术已被广泛应用于图像处理和压缩领域。

Shapiro M Jerome 将小波变换引入到图像压缩领域中来，并提出了嵌入式零树小波编码方法(Embedded Zerotree Wavelet ，EZW)，取得了良好的压缩效果。

1996年Pearlman W A 和Said A 在Shapiro 的EZW 算法的基础上，提出了SPIHT 算法[3]，解决了EZW 算法的一些缺点，但多级树集合分裂(Set Partitioning in Hierarchical Trees, SPIHT)算法依然需要大量计算和传输时间，对于在低速通道上图像的实时传送提出了挑战。

改进的SPIHT静止图像压缩编码算法

! " " #$ % % % & % % ’ ( ) #$ $ & * * * + , #
清华大学学报自然科学版 .* % % $年第 ( $卷第 >期 . =* % % $ =?@ B ( $ = #@ B > /01 2 3 4 5 6 783 2 9" : 2 ; 0< : 5 A
> , + ( * ’ & * C
码效率仍然很高= 好于 " 5 7 . 2 * @提出的嵌入式零树 * : 小波编码器 9 =; N < ,4 < 2 2 < 21 < * @ + * < </7 9 < A < + < =. 避开算术编码 = 不仅能成倍地减少编解码器的运算而且在一定程度上提高了输出码流的抗误码性量= 能N 本文所研究的 " ( ! )0 算法没有使用算术编码器 N
$ .重要像素点链表 = A 2 1 + @ 1 2 4 3 2 2 : 7 3 + . 2 > < A 1
* .不重要像素点链表 A 2 1 +@ -2 3 1 2 4 3 2 2 : 7 3 +
=? . 8 . 2 > < A 1 ! ( + .不重要像素集合链表 A 2 1 +@ -2 3 1 2 4 3 2 2 : 7 3 + =? . N 1 < + 1 ! " 所谓 K 重要像素点 L 是指小波系数的绝对值大 = 每个于等于给定的量化门限 3 的像素点 8链表中 = 元素包含 (个相邻像素 8在 ? 元素为 ! "链表中 = 称为 O 型 ? 称为 7型 = . = .@A B ! "链表 .或 C A B 链表表示了一棵空间方向树为其根节 . = == . ? ! " A B 点的坐标 N 具体的编码过程分为以下 (步 I $ .初始化

基于SPIHT的图像压缩算法研究

图１　ＳＰＩＨＴ算法编码流程图
列表编码过程的改进
SPIHT算法输出大量的0位，对LIS列表中不重要小波系数进行编码。

而改进的算法首先判断LIS
列表中有没有重要的小波系数。

将
最大的小波系数和当前阈值进行比较，如果比阈值大，说明有重要的小波系数在LIS列表中，按原来的SPIHT
编码；如果小于阈值，证明LIS列表中没有重要的小波系数，LIS列表的编码。

改进的LIS列表编码过程的流
所示（蓝色方框表示改进的部分）。

图２　ＬＩＳ列表编码流程图
2.2 LIP列表编码过程的改进
原始SPIHT算法扫描顺序，先对低频子带中的小波系
图３　ＬＩＰ列表编码流程图
３　实验结果及分析
为了验证改进的SPIHT算法的性能，本文采用bior4.4小波作为小波基，对2幅512×512的标准灰度测试图像Lena、Barbara进行试验。

图4是不同测试图像改进的SPIHT与原始算法PSNR值比较。

其中横坐标表示比特率（bpp），纵坐标表示PSNR的值，红线表示改进的SPIHT 算法的PSNR值，黑线表示原始算法的PSNR值。

（ａ）Ｌｅｎａ
（ｂ）Ｂａｒｂａｒａ
图４　不同测试图像改进算法与原始算法ＰＳＮＲ值比较
图１　拉普拉斯噪声的分布函数
拉普拉斯机制仅适用于数值型的数据查询结果，而对于非数值型的数据处理，如选择一种最好的方案，指数机制就。

无损图像编码中基于SPIHT的一种改进算法

ａｇｒｔｍｓｍｏｅｓｐｅｉｒｔａｈｏｖｎｉｎｌＳＨＴｉｂｔｒｙｃｌｎｏｏｒｉａｅ．ｌｏｉｈｉｒｕｒｏｈｎｔｅｃｎｅｔｏａＰＩｎｏｈｇｅｓａｅａｄｃｌｕｍｇｓ
Ｋｅｒｓｏｓｓｏｒｓｉｎ；ｓｔａｔｉｎｎｉｒｒｈｃｌｒｅ（ＰＨｙｗｏｄ：ｌｓｌｓｃｍｐｅｓｏｅｒｉｏｉｇｉｈｅａｃｉａｔｓＳＩＴ）ａｇｒｈｉｖｒｅｔａｓｏｍ；ｍｂｄｅｅｏｒｅｅｐｔｎｅｌｏｉｍ；ｎｅｓｒｎｆｒｅｅｄｄｚｒｔｔｅ
像或者是彩色图像，改进的算法都比传统的ＳＩＴ算法有明显的优越性。ＰＨ
关键词：无损压缩；分层树集合分割排序算法；可逆变换；嵌入零树小波中图分类号：Ｐ９．Ｔ３１４文献标识码：Ａ文章编号：０１４５（０００ — ０２０１０ — ５１２１）２０３ — ５
（ｎｔｕｏｍｎｃｔｎａｄＩｏｍｔｎＳｓｍ，ａｇｈｕＤａｚＵｉｒｔ，ａｇｈｕ３０１，ｈｎ）ＩｓｔｅｏＣｍｕｉｉｎｎｒａｉｙｔＨｎｚｏｉｎｉｎｖｓｙＨｎｚｏ１０８ＣｉｉｔｆａｏｆｏｅｅｉａＡｂｔａｔＡｍｎｔｎｒａｉｇｔｆｃｅｔｆｍｇｏｉｓｍｃｓｐｓｂｅｂｓｎｅｂｄｅｅｏｅａｅｅ（Ｚ）ｓｃ：ｉｉｇａｉｅｓｅｅｉｎｏａｅｃｄｇａｕｈａｏｓｌ，ａｅｏｍｅｄｄｚｒｔｅｗｖｌＥＷｒｃｎｈｉｉｎｉｄｒｔ

基于SPIHT算法的改进ROI图像编码

基于SPIHT算法的改进ROI图像编码
罗明凤;滕奇志;何小海
【期刊名称】《计算机应用》
【年(卷),期】2006(026)003
【摘要】将分层树集合划分算法(Set Partitioning in Hierarchcal Trees, SPIHT)引入到感兴趣区域(Region of Interest, ROI)编码中.对前n个高比特平面进行编码时,将ROI区域与背景无区分进行编码.对n个高比特平面之后的平面进行编码时,将背景区域进行清零操作,ROI区域继续用SPIHT算法进行编码.此算法的优点:位平面数减少;整个图像的基本信息能够优先被恢复出来.在解码端,依靠原有的SPIHT 解码程序就可以将其解码出来.可用于现有的SPIHT算法应用中,并且能够很好地恢复感兴趣的图像.
【总页数】3页(P624-626)
【作者】罗明凤;滕奇志;何小海
【作者单位】四川大学,电子信息学院,四川,成都,610065;四川大学,电子信息学院,四川,成都,610065;四川大学,电子信息学院,四川,成都,610065
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于改进SPIHT算法的医学图像ROI编码 [J], 徐向民;刘伟;邢晓芬;全晓臣
2.基于SPIHT算法的ROI编码研究 [J], 陈鑫;陈晓;蔡婷婷
3.基于医学图像ROI形状估计的改进SPIHT算法 [J], 徐向民;邢晓芬;刘伟;陈小川
4.一种适用于医学图像ROI编码的改进SPIHT算法 [J], 徐向民;邢晓芬;刘伟;全晓臣
5.基于二进制小波变换和改进SPIHT算法的图像编码方法 [J], 李晓兵;潘泓;夏良正
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进SPIHT算法的医学图像ROI编码

求ＲＩ于Ｂ传输。确保在网络带宽不足的情况下。先Ｏ优Ｇ以优满足ＲＩＯ。新一代静止图像标准ＪＥ２０ＰＧ００支持医学图像渐进传输，供了两种可参考的ＲＩ码方法［Ｕｓａｉｇ法和提Ｏ编１ｐｃｌ方】：ｎ
ｃｄｎｆａｂｔｒｈｐｄｏｉｇｏｒｉａｙｓａｅＲＯＩｃｒｉｇｔｈｃａａｔｒｓｉｓｆｔｅｂｔｌｎａｔｒｉｔｒａｅｕｓｉ，ｍｏｅｆｃｅｔｒ．ｏｄｎｏｔｅｈｒｃｅｔｏｈｉａｅｆｎｅｌｃｄｐｈｆａＡｃｉｃｐｅｉｒｅｆｉｎｉｅｅｄｄｏｉｇｌｏｔｍｂｓｄｎＰＨＴｓｒｓｎｅ．ｒｏｅ，ｅｒｔａａａｙｉｎｓｍｕａｅｅｐｒｎｓｌｍｂｄｅｃｄｎａｇｒｈｉａｅｏＳＩｉｐｅｅｔｄＭｏｅｖｒｔｏｅｉｌｎｓｓｈｃｌａｄｉｌｔｄｘｅｍｅｔａｌｉｉｄｃｔｈｔｔｅｐｏｏｅｔｏｓｂｔｒｔａｌｓｉａＰＨＴａｇｒｔｍ．ｎｉａｅｔａｈｒｐｓｄｍｅｈｄｉｅｔｈｎｃａｓｌＳＩｌｏｈｅｃｉ
Ｋｅｗｏ￣：ｐｏｒｓｉｅｔａｓｓｉｎ，ｙｒｒｇｅｓｖｒｎｍｉｓｏＲＯＩｃｄｎ，ｉｐａｅ，ＰＨＴｏｉｇｂｔｌｎＳＩ
１引言
在远程医疗中，现Ｃ、ＩＢ超等医学图像的渐进传输实ＴＭＲ、具有重要意义。医学图像中的病灶区通常称为感兴趣区（ｅｉｆｎｅｅｔＲＩ，他区域称为背景区（ａｋＧｏｎ，ＲｇｏｏＩｔｓ，Ｏ）其ｎｒＢｃｒｕｄ

基于SPIHT算法的ROI编码研究

ｕｓｅｄｆｏｒｅｘｐｅｒｉｍｅｎｔｓ，ｔｈｉｓＰａｐｅｒｃｏｍｐａｒｅｓｔｈｉｓａｌｇｏｉｒｔｍｈｗｉｈｔｔｒａｄｉｔｉｏｎａｌＳＰＩＨＴａｌｇｏｒｉｔｈｍｎｄａｓｔｕｄｉｅｓｈｅｔｑｕａｌｉｙｔｏｆ
本文著录格式：陈鑫，陈晓，蔡婷婷．基于ＳＰＩＨＴ算法的ＲＯＩ编码研究Ⅱ 】．软件，２０１５，３６（２）：１１２ — １１７
ＲｅｓｅａｒｃｈｏｎＲＯＩｃｏｄｉｎｇｂａｓｅｄｏｎＳＰＩＨＴａｌｇｏｒｉｔｈｍ
ｅｖｅｒｙｒｅｇｉｏｎｎｄｕｅｒｄｉｆｅｒｅｎｔｃｏｎｄｉｔｉｏｎｓ．Ｅｘｐｅｉｒｍｅｎｔｓｓｈｏｗ也ａｔｈｉｔｓａｌｇｏｉｒｔｈｍｉｓｓｕｐｅｉｏｒｒｔｏｔｈｅｔｒａｄｉｔｉｏｎａｌＳＰＩＨＴａｌｇｏ－
ＣＨＥＮＸｉｎ，一，ＣＨＥＮＸｉａｏ．一，ＣＡＩＴｉｎｇ．ｉｒｎｇ＇２
（１．ＣｏｌｌａｂｏｒａｉｔｖｅＩｎｎｏｖａｉｔｏｎＣｅｎｔｅｒｏｆＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔａｎｄＥｑｕｉｐｍｅｎｔＴｅｃｈｎｏｌｏｇｙ，ＮＵＩＳＴ，Ｎａｎ．］ｉｎｇ２１００４４，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｉｔｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮＵＩＳＴ，Ｎａｎｊｉｎｇ２１００４４，Ｃｈｉｎａ）

一种基于SPIHT的图像压缩方法研究

5科技创新导报 Science and Technology Innovation Herald 研究报告引言由于原始图像中存在着大量的信息冗余,加上图像数据量比较大带来的存储和传输困难,因此在图像传输前需要对图像进行压缩编码。

图像压缩编码的目的是在保证图像质量的前提下,用尽可能少的比特数来表示图像中所包含的信息。

图像的压缩方法可以分为无损压缩和有损压缩[1][2]。

无损压缩要求图像在解码时信息能够完全重建,而有损压缩在重建时允许图像信息有一定的损失。

有损压缩是指减少部分边缘信息,来获取高的压缩比。

有损压缩虽然可以去掉图像中的冗余信息,但同时也删除了边缘的信息,使图像不能完全重构,只是对原始图像的近似重构。

如果对重构的图像质量要求不高的情况下可以采用有损压缩技术。

如数字电视、民用网络图像传输和多媒体传输等。

本文为了得到高的压缩比,采用了有损压缩方法。

在原始图像进行提升小波变换后,采用了低频系数调整和量化等技术提高了压缩图像的压缩比。

在不同的峰值信噪比下,得到了较大的压缩比。

1 图像压缩总体框架本文提出的图像压缩方法总体框架如图1所示。

图像的压缩过程首先对原始图像进行提升小波变换[3][4],然后调整低频小波系数的数值,同时对高频的小波系数进行量化,并通过压缩比控制模块控制SPIHT编码的级数得到所要求的压缩比。

压缩比控制模块同时控制S P I H T 解码的级数与编码对应。

编码后的数据流通过SP IH T解码得到小波系数,然后经过低频系数还原和提升小波逆变换得到重构的图像。

低频系数调整模块主要负责低频小波系数的量化,首先计算出低频小波系数的平均值,然后将所有的低频小波系数与平均值相减后得到的数值作为低频小波系数值。

这样做可以降低低频小波系数之间的差值,方便在SPIHT编码时,使用较少位的码表示低频小波系数,提高压缩比。

低频系数还原模块就是将得到的各低频小波系数值加上平均值,以还原原来的低频小波系数,图1。

基于SPIHT算法的医学图像无失真压缩

基于SPIHT算法的医学图像无失真压缩的关键技术。

目前，二维图像的压缩标准有JPEG、GIF及采纳了小波变换的JPEG2000等。

医学图像具有特别性，它普通不允许走失实用的详情信息。

传统的DCT（Discrete Cosine Transform，离散余弦变换）和第一代小波在图像变换后会产生浮点数，因而必需对变换后的数据举行量化处理，这样就会产生不同程度的失真。

可见，量化器的设计是打算图像保真度的关键环节。

因为其次代小波采纳提升办法能够实现整数变换，因而能够实现图像的无损压缩，明显，它是一种很适于医学图像的压缩办法。

2 SPIHT算法基于分层树的集合划分算法（Set Partitioning inHierarchical Trees，SPIHT）改进了内嵌零树编码算法（EZW）。

在对图像举行小波变换后，它更有效地利用了不同尺度子带重要系数间的相像性。

它展现出良好的特性：不依靠傅立叶变换而在空间域中构造小波；较高的PSNR（Peak Signal Noise Ratio，峰值信噪比）保证了良好的重临图像质量；整数运算利于实现实时迅速编解码和网络传输；图像码流的逐渐展现便于用户上网检索感爱好的图像。

SPIHT算法对图像信息采纳如下的编码步骤。

首先，定义三个队列：不显著性系数队列LIP，显著性系数队列LSP和不显著性集合队列LIS。

设，O（i，j）表示节点（i，j）的挺直节点的集合；D（i，j）表示节点（i，j）的子节点集合；L（i，j）表示子节点中排解挺直节点后的集合。

在队列中，每个元素由一个坐标唯一识别，它在LIP和LSP中代表孤立系数（无子节点的根节点），在LIS中代表第一类元素的D（i，j）或者其次类元素的L（i，j）。

对某个阈值T举行显著性测试。

将大于T的元素移入LSP，并在LIP队列中移除该元素。

对LIS也举行同样的测试，将显著的元素移入LSP，第1页共2页。

一种基于SPIHT的ROI图像编码

一种基于SPIHT的ROI图像编码
郭武;梅丽;罗建书
【期刊名称】《中国空间科学技术》
【年(卷),期】2003(023)001
【摘要】感兴趣区域ROI(Region of Interest)编码是正在制订的静止图像压缩国际新标准JPEG2000支持的一种创新方法.在渐进重构的初始阶段,ROI的保真度高于图像其余部分(背景).该方法可观地节省了传输时间和存储空间.由于SPIHT是嵌入式编码,所以在按一定比例放大ROI系数(或者按一定比例缩小背景系数)后,ROI 便可以比背景更快更清晰的重构出来.
【总页数】5页(P61-65)
【作者】郭武;梅丽;罗建书
【作者单位】国防科学技术大学,长沙,410073;国防科学技术大学,长沙,410073;国防科学技术大学,长沙,410073
【正文语种】中文
【中图分类】TN919.8
【相关文献】
1.一种基于系数状态表的SPIHT图像编码算法 [J], 张专成;武国斌;赵怀勋;闫小萍
2.无损图像编码中基于SPIHT的一种改进算法 [J], 王帅;张仕俊;徐智福
3.一种基于SPIHT和匹配追踪的图像编码方法——SPMP算法 [J], 牛建伟;高宾;沈思思
4.基于SPIHT算法的改进ROI图像编码 [J], 罗明凤;滕奇志;何小海
5.一种基于SPIHT的改进ROI编码 [J], 刘建东;戚利娜
因版权原因，仅展示原文概要，查看原文内容请购买。

嵌入掩膜的SPIHT任意形状ROI编码

嵌入掩膜的SPIHT任意形状ROI编码徐勇;徐智勇;张启衡;左颢睿【期刊名称】《光电工程》【年(卷),期】2009(036)009【摘要】感兴趣区域(ROI)编码可以在低码率条件下获得高质量的局部感兴趣区域,或在图像渐进传输中使感兴趣区域获得优先传输.本文在分析了当前各类ROI编码方法的基础上,基于SPIHT算法提出了一种支持多个任意形状感兴趣区域并生成可任意截断码流的ROI编码算法.该算法在SPIHT算法中嵌入了重要系数的ROI掩膜信息,使编码器同步地进行图像和ROI形状的编码,使得生成的码流具有任意可截断的特性.文中还就图像ROI编码的质量评价指标进行了讨论,并给出了一种充分考虑ROI和背景的重要性与面积比例差别的图像质量评价指标,称为重要性.面积加权峰值信噪比(WPSNR).实验结果表明,该算法支持有损到无损的多个任意形状ROI 的图像编码,而且ROI优先级可调,能够生成具有嵌入式可截断性质的码流,在任意地方截断仍能保证解码器所需的图像信息和ROI掩膜信息,且计算复杂度和SPIHT相当,压缩效果高于BbB移位算法.适用于低码率应用或感兴趣优先渐进传输的应用.【总页数】7页(P118-124)【作者】徐勇;徐智勇;张启衡;左颢睿【作者单位】中国科学院光电技术研究所,成都,610209;中国科学院研究生院,北京,100039;中国科学院光电技术研究所,成都,610209;中国科学院光电技术研究所,成都,610209;中国科学院光电技术研究所,成都,610209;中国科学院研究生院,北京,100039【正文语种】中文【中图分类】TN919.81【相关文献】1.基于SPIHT的ROI图像压缩编码新算法 [J], 刘号;董育宁2.基于SPIHT算法的改进ROI图像编码 [J], 罗明凤;滕奇志;何小海3.基于SPIHT算法的ROI编码研究 [J], 陈鑫;陈晓;蔡婷婷4.基于SPIHT的静止图像ROI编码算法 [J], 孟绍良;王爱丽;杨明极5.一种基于SPIHT的改进ROI编码 [J], 刘建东;戚利娜因版权原因，仅展示原文概要，查看原文内容请购买。

用改进的SPIHT算法实现遥感图像压缩

用改进的SPIHT算法实现遥感图像压缩李卓凡【期刊名称】《微处理机》【年(卷),期】2013(034)004【摘要】Because of the large calculation,the low coding speed and the coding redundancy of SPIHT algorithm,the original algorithm is improved for remote sensing image.According to the wavelet transform coefficient of remote sensing image,different coding methods are used in the low frequency and the high frequency separation by the improved algorithm.The operational process of original SPIHT is improved to get a more efficient coding method.The experimental data show that the performance of the reconstruction image conducted by the improved algorithm is better than the original one.%遥感图像纹理复杂,采用传统的SPIHT算法进行图像压缩编码存在运算量大、效率低、压缩率不高,压缩后仍有很大的编码冗余等缺陷.根据遥感图像小波变换后系数的特点改进算法,对高低频分量采用不同的编码方法,且对SPIHT算法的运算流程进行改进,得到一种更有效的编码方法.通过实验仿真证明,该算法各方面的性能均明显优于原算法.【总页数】4页(P52-55)【作者】李卓凡【作者单位】韩山师范学院,潮州521041【正文语种】中文【中图分类】TN911.73【相关文献】1.针对遥感图像压缩的改进SPIHT算法 [J], 周倩倩;李章维;苏守财2.结合Huffman编码和 SPIHT算法实现高效图像压缩方法 [J], 张倩妮;刘昌华3.提升小波变换结合改进的SPIHT算法实现图像压缩 [J], 刘伟杰;王雪涛4.9/7提升小波结合SPIHT算法的遥感图像压缩 [J], 李美珊;张宏5.结合Huffman编码和SPIHT算法实现高效图像压缩方法 [J], 张倩妮;刘昌华因版权原因，仅展示原文概要，查看原文内容请购买。

基于Curvelet变换和SPIHT算法的医学图像感兴趣区压缩

基于Curvelet变换和SPIHT算法的医学图像感兴趣区压缩陈秀梅;王伟;汤敏【期刊名称】《中国医学影像学杂志》【年(卷),期】2014(000)010【摘要】目的：提出基于Curvelet变换和多级树集合分裂排序（SPIHT）算法的图像感兴趣区（ROI）压缩方法，并应用于医学图像压缩。

资料与方法算法流程首先对图像ROI进行提取，保留ROI不压缩，对背景区域进行Curvelet变换，采用SPIHT算法对Curvelet系数进行编码；然后进行Curvelet逆变换得到有损压缩后的图像；最后将ROI区域与背景区域叠加，得到压缩后的完整图像。

采用峰值信噪比作为评价指标，比较ROI压缩和整体压缩的效果，以及小波变换和Curvelet变换用于图像压缩的效果差异。

结果分别对测试图像和医学图像的压缩结果进行比较，采用ROI压缩的视觉效果优于整体压缩的效果，更能突出ROI；而采用Curvelet变换压缩的峰值信噪比高于小波变换压缩，相同比例的压缩图像也更清晰。

结论基于Curvelet变换和SPIHT算法的ROI压缩可在保证不丢失重要诊断信息的前提下实现图像的高效压缩，符合医学图像压缩的高精度、高质量要求。

【总页数】7页(P786-792)【作者】陈秀梅;王伟;汤敏【作者单位】南通大学电子信息学院江苏南通226007;南通大学电子信息学院江苏南通226007;南通大学电子信息学院江苏南通226007【正文语种】中文【中图分类】TP391.41【相关文献】1.基于视觉冗余的多感兴趣区域医学图像压缩 [J], 胡敏;周波2.基于感兴趣区域的医学图像近无损压缩 [J], 高尚兵;严云洋;梁燕;王晓燕;马岱3.基于感兴趣区域的医学图像近无损压缩 [J], 高尚兵;严云洋;梁燕;王晓燕;马岱4.基于Contourlet变换和SPIHT算法的彩色医学图像压缩 [J], 汤敏;陈秀梅;陈峰5.基于SPIHT算法的医学图像无失真压缩 [J], 胡学龙;陆峰;郭振民;李云因版权原因，仅展示原文概要，查看原文内容请购买。

基于3D-SPIHT的立体视频图像压缩编码

基于3D-SPIHT的立体视频图像压缩编码
张勇东;李桂苓
【期刊名称】《电子与信息学报》
【年(卷),期】2002(024)010
【摘要】该文提出一种新的立体视频编码方案:在辅助序列中进行视差补偿预测和三维等级数集合分区(3D-SPIHT)编码.3D-SPIHT算法建立在真三维小波分解基础上,通过定义一种新的时空方向树结构,实现了静止图像SPIHT算法的三维扩展.实验结果表明该方案的编码性能略高于传统方案,具有较低的计算复杂度.所产生的嵌入式辅助序列码流,可根据通道带宽自适应调整输出码率,最大限度地提高辅助序列的质量.
【总页数】6页(P1310-1315)
【作者】张勇东;李桂苓
【作者单位】天津大学电子信息工程学院,天津,300072;中国科学院计算技术研究所,北京,100080;天津大学电子信息工程学院,天津,300072
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于波段分组的3D-SPIHT高光谱图像 [J], 张培强;柴焱;张晓玲;沈兰荪
2.一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法 [J], 柴焱;计文平;沈兰荪
3.基于分类和3D-SPIHT算法相结合的多光谱图像压缩 [J], 罗建书;卓红艳;孙蕾
4.基于视差补偿预测的立体视频图像压缩编码 [J], 张勇东;李桂芩
5.基于不对称树结构的3D-SPIHT算法改进 [J], 吴德龄;胡栋
因版权原因，仅展示原文概要，查看原文内容请购买。

基于ROI编码的任意尺寸测量图像的压缩方法

基于ROI编码的任意尺寸测量图像的压缩方法杨晓;刘俊杰;杨学友【期刊名称】《计算机工程与应用》【年(卷),期】2013(049)004【摘要】针对基于感兴趣区域(ROI,Region of Interest)的测量图像算法中存在的编码冗余、适用范围受限等问题,提出了一种适用于任意分辨率的测量图像压缩算法.该方法通过加入ROI中A类集合的分类,优化了码流的输出,进一步提高了算法的编码效率；根据小波变换的特点和测量图像对编码算法的要求,通过分区域编码解决了测量图像在编码过程中分辨率受限的问题.实验表明,方法实现了对任意分辨率测量图像的编码,并在不影响测量精度的前提下,获得了优于基于感兴趣区域的测量图像压缩算法的压缩性能.%An efficient coding method for arbitrary resolution photogrammetric image is proposed to solve the problems of the compression method for photogrammetric image based on ROI (Region of Interest) in low coding efficiency and the limited applications. The proposed method optimizes the coding bit stream and further improves the coding efficiency by judging the type of A set in ROI. According to the characters of wavelet transform and the coding requirements for photogrammetric image, the problem of the limited resolution existing in the coding of photogrammetric image is resolved by using the region coding. Experiment results show that the proposed method achieves the coding for arbitrary resolution photogrammetric image. Furthermore, the proposed method has achieved highercompression performance as compared with the compression method for photogrammetric image based on ROI without affecting the measurement precision.【总页数】4页(P14-17)【作者】杨晓;刘俊杰;杨学友【作者单位】天津大学精密测试技术及仪器国家重点实验室,天津300072;天津大学精密测试技术及仪器国家重点实验室,天津300072;天津大学精密测试技术及仪器国家重点实验室,天津300072【正文语种】中文【中图分类】TN919.8【相关文献】1.三维图像的任意形状ROI小波零块压缩编码算法 [J], 吴家骥;吴成柯;吴振森2.基于改进零树编码的ROI图像联合压缩加密算法 [J], 翟羽佳;邓家先3.一种基于ROI区域生长的医学图像压缩方法 [J], 孙晓平;吴健;马建林;崔志明4.基于JPEG2000的任意形状ROI编码方法研究 [J], 陈俊玲;黄子安;董方敏5.基于人眼视觉特性的任意形状ROI编码 [J], 梁亚玲;杨春玲;余英林;杜明辉因版权原因，仅展示原文概要，查看原文内容请购买。