基于分形图像编码的小波补偿算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (26): 65-67.

基于分形图像编码的小波补偿算法

鲁坚¹,叶中行¹,邹玉茹²

1.上海交通大学应用数学系,上海 200240
2.华东师范大学数学系,上海 200241

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-11 发布日期:2007-09-11
通讯作者: 鲁坚

Wavelet compensation algorithm based on fractal image coding

LU Jian¹,YE Zhong-xing¹,ZOU Yu-ru²

1.Department of Mathematics,Shanghai Jiaotong University,Shanghai 200240,China
2.Department of Mathematics,East China Normal University,Shanghai 200241,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-11 Published:2007-09-11
Contact: LU Jian

摘要/Abstract

摘要： 提出了一种对图像进行分形“粗略”（概貌）编码,“细节”（边缘）信息通过小波变换提取图像高频信息进行补偿的编码算法。该编码算法中,小波变换产生的高频小波系数根据系数重要性采用类似嵌入式小波零树编码方式进行编码,从而具有比特率可控等特点。通过实验表明,新编码算法的编码效果优于分形自适应四叉树编码算法和小波变换编码算法。

关键词: 分形编码, 小波变换, 补偿算法, 四叉树

Abstract: A new image coding algorithm for combining fractal and wavelet transformation is presented.The spatial“trends” of a image is encoded by fractal coding algorithm,and its“anomalies”（such as edge information） used for compensation for the “trends” is extracted by wavelet transformation.Since the detail coefficients generated by wavelet transformation are encoded on the basis of their significance,the new coding method,like EZW,allows the encoding or decoding to stop at any point.The experimental results show that the method proposed is better than adaptive quadtree fractal coding algorithm and wavelet transformation coding algorithm.

Key words: fractal coding, wavelet transformation, compensation algorithm, quadtree

鲁坚¹,叶中行¹,邹玉茹². 基于分形图像编码的小波补偿算法[J]. 计算机工程与应用, 2007, 43(26): 65-67.

LU Jian¹,YE Zhong-xing¹,ZOU Yu-ru². Wavelet compensation algorithm based on fractal image coding[J]. Computer Engineering and Applications, 2007, 43(26): 65-67.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	伍锡如，黄榆媛，王耀南. 改进ORB特征的机器人RGB-D SLAM算法[J]. 计算机工程与应用, 2020, 56(14): 35-44.
[6]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[7]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[8]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[9]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[10]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[11]	马菁1，2，李力3. RDD上扩展索引层优化的分布式K-means算法[J]. 计算机工程与应用, 2019, 55(1): 161-167.
[12]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[13]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[14]	陈长华1，刘煜2，崔强3. 结合饱和度运算和暗通道理论的遥感图像去雾算法[J]. 计算机工程与应用, 2018, 54(5): 174-179.
[15]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.