图像有损压缩预处理的各向异性扩散新方案

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 75-77.

图像有损压缩预处理的各向异性扩散新方案

许永峰,张书玲

西北大学数学系，西安 710069

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 许永峰

Anisotropic diffusion scheme preprocessing step for lossy image compression

XU Yong-feng,ZHANG Shu-ling

Department of Mathematic，Northwest University，Xi’an 710069，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: XU Yong-feng

摘要/Abstract

摘要： 结合小波变换，提出了图像有损压缩预处理的各向异性扩散方案。各向异性扩散在图像平滑中，其不但能够较好地抑制噪声，而且能够很好地保留图像原有的边缘和纹理特征，而小波变换又具有人类的视觉特性。该方案先对图像作小波变换，再根据各子图像的特点，用不同的各向异性扩散方法处理子图，最后压缩重构图像。实验表明，对有损压缩来讲，与已有的方法比较，该方案具有更好的解码质量和更高的压缩比。

关键词: 各向异性扩散, 小波变换, 偏微分方程, 图像压缩

Abstract: An anisotropic diffusion scheme as a preprocessing step for lossy image compression，based on wavelet transform，is presented.This scheme combines anisotropic diffusion superiority with human vision characterization of wavelet transform.It leads to locally coarse grids in areas of resulting smooth image intensity，while enhanced edges are still resolved on fine grid level.Experiments show that for high lossy compression this new diffusion preprocessing results in better quality of the decoded image.

Key words: anisotropic diffusion, wavelet transform, PDE, image compression

许永峰,张书玲. 图像有损压缩预处理的各向异性扩散新方案[J]. 计算机工程与应用, 2008, 44(3): 75-77.

XU Yong-feng,ZHANG Shu-ling. Anisotropic diffusion scheme preprocessing step for lossy image compression[J]. Computer Engineering and Applications, 2008, 44(3): 75-77.

[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]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[3]	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.
[4]	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.
[5]	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.
[6]	于恒，梅红岩，许晓明，贾慧萍. 基于深度学习的图像压缩算法研究综述[J]. 计算机工程与应用, 2020, 56(15): 15-23.
[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]	吴漩，王艳，陈星. 无需初始轮廓的快速图像分割模型[J]. 计算机工程与应用, 2019, 55(11): 167-171.
[12]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[13]	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.
[14]	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.
[15]	韩明，吴朔媚，王敬涛，孟军英. 基于改进能量泛函模型的噪声图像分割算法[J]. 计算机工程与应用, 2018, 54(23): 23-30.