基于复原理论的小波域压缩图像后处理算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (29): 74-77.

基于复原理论的小波域压缩图像后处理算法

肖志云¹,文伟²,彭思龙²

1.内蒙古工业大学信息工程学院,呼和浩特 010051
2.中国科学院自动化研究所国家专用集成电路设计工程技术研究中心,北京 100080

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-11 发布日期:2007-10-11
通讯作者: 肖志云

Postprocessing algorithm for DWT-based compressed image based on image restore theory

XIAO Zhi-yun¹,WEN Wei²,PENG Si-long²

1.College of Information Engineering,Inner Mongolia University of Techonolgy,Hohhot 010051,China
2.National ASIC Design Engineering Center,Institute of Automation,Chinese Academy of Sciences,Beijing 100080,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-11 Published:2007-10-11
Contact: XIAO Zhi-yun

摘要/Abstract

摘要： 近来,基于小波变换的各种压缩算法大量出现。但在低比特率情况下,由于小波系数的量化将导致各种量化噪声,严重破坏了压缩图像的质量。针对这种情况,提出了一种基于复原理论的小波变换压缩图像后处理算法。在建立的后处理模型上,应用约束最小二乘法求解。通过试验,给出了最优参数的指导值选取。试验结果表明,该算法可以提高低比特率下压缩图像的视觉效果,同时PSNR也有一定的提高。和其它算法的对比试验表明,该算法在低比特率情况下有一定的优越性。

关键词: 压缩图像后处理, 最小二乘, 小波变换, 图像复原

Abstract: Recently,image compression algorithms based on Discrete Wavelet Transform（DWT） emerge in plenty.But at low bit-rate,coded images suffer from serious quantization noise,which will degrade the quality of coded images.In this paper,a new postprocessing algorithm based on image restore theory is proposed.Based on the proposed postprocessing model,constrained Least-squares method is used to restore the coded image.Guidable optimal parameters selection is given based on numerical simulation trials.Results show that the proposed algorithm can improve the visual effects of the coded images as well as the PSNR gain.Compared with other existent algorithms,the proposed algorithm shows its advantages especially at low bit-rate.

Key words: compressed image postprocessing, least-squares method, DWT, image restoration

肖志云¹,文伟²,彭思龙². 基于复原理论的小波域压缩图像后处理算法[J]. 计算机工程与应用, 2007, 43(29): 74-77.

XIAO Zhi-yun¹,WEN Wei²,PENG Si-long². Postprocessing algorithm for DWT-based compressed image based on image restore theory[J]. Computer Engineering and Applications, 2007, 43(29): 74-77.

[1]	程帅，吴华锋，梅骁峻. 交替非负约束框架的海洋传感网协同定位[J]. 计算机工程与应用, 2021, 57(23): 129-136.
[2]	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.
[3]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[4]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[5]	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.
[6]	杜伟，傅游. 基于GPU的最小二乘蒙特卡罗算法期权定价[J]. 计算机工程与应用, 2020, 56(4): 225-229.
[7]	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.
[8]	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.
[9]	于润泽，习俊通. 白车身复杂装配特征点云提取及参数计算[J]. 计算机工程与应用, 2020, 56(19): 244-251.
[10]	熊航，杨任农，梁晓龙，侯岳奇，王维佳. 无人机单目视觉AOA三维定位方法[J]. 计算机工程与应用, 2020, 56(17): 210-216.
[11]	陈晓倩，刘瑞祥. 基于最小二乘策略迭代的无人机航迹规划方法[J]. 计算机工程与应用, 2020, 56(1): 191-195.
[12]	庞丽莉1，许其清1，谢家烨1，2. 椭球约束下减小三维定位中的非视距误差[J]. 计算机工程与应用, 2019, 55(7): 115-119.
[13]	桑亮1，2，3，4，高爽4，尹增山1，2，4. 基于生成对抗网络的运动模糊图像复原[J]. 计算机工程与应用, 2019, 55(6): 173-177.
[14]	闫丽萍1，马家军1，陈文兴2. 稀疏结构化最小二乘双支持向量回归机[J]. 计算机工程与应用, 2019, 55(3): 10-14.
[15]	王盛，杨信丰. 基于EEMD-GWO-LSSVM的公共交通短期客流预测[J]. 计算机工程与应用, 2019, 55(20): 216-221.