文章目录
脑图地址
1. 分形图像压缩技术
| 作者 | 技术 | 功能 | 优点 | 缺点 | 应用 | 结果 |
|---|
| Jeng et al. (2009) | Huber 分形图像压缩 | 嵌入线性Huber回归编码 | 保持图像质量 | 高计算成本 | 适用于损坏的图像压缩 | 由于图像中的噪声HFIC对异常值具有较好的鲁棒性，PSNR为>26.42 dB |
| Thomas and Deravi (1995) | 使用启发式搜索分形图像压缩 | 通过自变换有效利用图像冗余 | 达到双倍压缩比率 | 编码排序长度比解码长 | 多媒体和图像归档 | 压缩比达到41:1 |
| Kumar et al. (1998) | 基于BFT的方法 | 专注于视觉模式与最小二乘 | 更快更好的保真度 | 计算复杂 | 低成本和实时消费应用程序 | 使用更高的块大小可以获得更高的压缩比 |
| Kumar and Jain (1997) | 低复杂度人脸图像采集 | 基于人类视觉系统 | 高速编码速度和更高的压缩比 | – | 低成本消耗应用和渐进式图像传输实景图像 | 编码测试图像在16秒，只需2次迭代即可实现解码图像 |
| Mitra et al. (1998) | 基于遗传算法的分形图像压缩 | 考虑并利用了图像的自变换特性 | 计算效率意味着降低编码成本 | 耗时，需要广泛搜索 | – | 压缩比是9.97 ，PSNR为31.53 |
| Truong et al. (2000a) | 分形DCT内积 | 给定范围块的均方误差计算是利用冗余来完成的 | 更快 | – | 适用于各种增强算法 | 在相同PSNR值的情况下，编码时间比基线方法快6倍 |
| Jeng and Shyu (2000) | 频域分类方案 | 利用最低频率数据辅助分形图像压缩 | 检索到的图像质量不受影响 | – | 帮助 FIC 减少计算时间 | 快约4.7倍 |
2. 离散余弦变换压缩方法
| 作者 | 技术 | 功能 | 优点 | 缺点 | 应用 | 结果 |
|---|
| Wu et al. (2001) | DCT谱相似策略 | 促进传输或存储 | 简单的图像操作，快速的图像传输超过大的n/w | 计算量大 | 医学图像 | PNSR 4- 8db和最大压缩比 |
| Tai et al. (2000) | 三维离散变换 | 局部能量量级分割技术 | 解码后的图像质量比JPEG要好 | 计算时间长 | 医学图像 | bpp小于0.25 |
3. 使用小波系数编码的图像压缩
| 作者 | 技术 | 功能 | 优点 | 缺点 | 应用 | 结果 |
|---|
| Creusere (1997) | EZW算法 | EZW算法对小波系数进行量化并分别编码 | 需要少量的额外内存 | 较高的计算复杂度 | 多媒体应用 | 对于lena图像，bpp = 1.0, S =256，PSNR = 35.06 db |
| Marpe et al. (2000) | 基于两层小波的算法 | 无损压缩和有损压缩都适用 | 快速优化 | – | 远程医疗图像的传输 | 类似或更高级的纯有损静态图像方法 |
| Liu et al. (2002) | 染色体图像的小波压缩 | 根据ROI的特点对染色体图像进行压缩 | 远程医疗的传输 | – | 生物医学图像存档 | 压缩达到双倍 |
| Liang (1999) | 预测嵌入式零树小波编码器 | 零树是PEZW的基本编码单元 | 高效的编码方式和多种功能 | 功耗 | 网络和多媒体图像应用 | 有效但PEZW具有较低的复杂度 |
| Chen et al. (2009) | 基于小波的卫星图像压缩方案 | 基于无损压缩技术的图像压缩 | 高质量的图像，较少的传输时间 | – | 卫星图像传输和存储系统 | 月相92%的比特率 |
| Peng and Kieffer (2004) | 嵌入式图像压缩 | 在小波域的建模和排序方法 | 具有灵活复杂度的可伸缩性 | 计算量大 | 数字图像的传输 | 1.0 bpp 和 PSNR = 0.45 db |
| Wu and Hsu (2000) | 图像压缩中的离散小波变换 (DWT) | 具有不同决策级别的熵函数的全局极大值 | 保持良好的图像保真度与高压缩比 | – | 多分辨率的应用程序 | – |
| Cotronei et al. (2000) | 多小波变换编码 | 基于逐次逼近量化的嵌入式编码方案 | 图像数据的快速传输 | – | – | 压缩比是 lena 图像128:1 |
| Nadenau et al. (2003) | 基于小波的彩色图像压缩 | 基于 DWT 视觉最佳压缩比的编解码器 | 更好的视觉质量 | – | 医学图像或SAR图像 | 压缩增益约30% |
| Chrysafis and Ortega (2000) | 基于线的减少内存压缩 | 解决小波图像压缩内存不足的问题 | 在速度和内存方面是高效的 | – | 大众市场消费品 | 胜过基于 DCT 的编码器 |
| Meyer et al. (2000) | 自适应小波包图像压缩 | 快速二维卷积算法 | 视觉上令人愉快的图片 | 计算负荷 | – | 比标准抽取快约4倍 |
| Adams and Antoniou (2000) | 可逆的 EZW | 变换选择方法 | 简单的,兼容的 | – | 可逆嵌入式图像压缩系统 | 比基线系统更好 |
4. 图像和视频压缩
| 作者 | 技术 | 功能 | 优点 | 缺点 | 应用 | 结果 |
|---|
| Kumar and Jain (1997) | 二维模式匹配图像和视频压缩 | 基于二维模式匹配的有损数据框架 | 良好的压缩比 | 时间和空间复杂 | 图像和视频压缩 | Lena图像 CR = 32.01 PSNR = 27.5 |
| Chen et al. (2009) | 通过改进的四叉树进行图像压缩 | 获得图像表示的简单技术 | 更好的压缩性能 | – | 视频和HDTV压缩 | 比变换编码或子带性能更好 |
| Ozcelik et al. (1995) | 基于恢复技术的算法 | 一种用于减少不必要降级的迭代技术 | 更高的压缩率 | 无法产生视觉上令人满意的图像 | 应用范围从视频电话到高清电视 | 对于lena图像压缩比约为 30:1 |
| Schaar-Mitrea (2000) | 混合视频压缩 | 高性价比的压缩系统 | 高效的视频和图形存储和传输 | 花费高 | 电视和视频图像 | 压缩因子高达16 |
| Liang et al. (2005) | 小波图像和视频的前/后滤波方法 | 通过滤波框架减少重构误差 | 简单和适应性 | – | 实时应用程序 | 压缩比 120:1 |
5. 无损图像压缩算法
| 作者 | 技术 | 功能 | 优点 | 缺点 | 结果 |
|---|
| Wu and Tan (2000) | 可变块大小分割无损压缩 | 更高的压缩效率 | 时间和空间复杂 | 医疗成像和卫星摄影 | 优于其他无损压缩方案的 lena ，CR = 44.71 |
| Ho et al. (1997) | 动态图像数据压缩 | 存储空间需求降低95%，保持品质 | – | 医学图像 | 压缩比 > 80: 1 |
| Weinberger et al. (2000) | LOCO 压缩算法 | 结合高效的表现 | 解压比压缩慢10倍 | 连续调图像 | 速度比PNG快 |
| Ng and Cheng (1999) | 梯度调整预测和BWT | 在文本压缩的结果是优秀的 | 直接应用于图像压缩效果差 | 用于文本压缩 | 比无损JPEG要好 |
| Devaraj et al. (2005) | 采用多阵列技术的无损压缩 | 减少计算复杂度和更快的压缩 | – | 医疗和地球物理应用 | 与其他无损图像压缩相比，CR是相同或更高标准的X射线2.9:1 |
| Huang and Chung (2007) | 基于纹理和多模板的算法(TMTBIC) | 低内存和传输时间要求 | – | 适用于错误扩散图像 | 与之前的算法相比，该算法的压缩改进率为17.6% |
| Wu and Tan (2000) | 基于区域增长的三维无损图像压缩 | 由于利用冗余，具有更好的性能 | 当应用于相同的片数时，性能与2D SLIC算法相同 | 医学影像 | – |
6. 使用模糊算法的图像压缩方案
| 作者 | 技术 | 功能 | 优点 | 缺点 | 结果 |
|---|
| Karayiannis and Pai (1995) | 模糊矢量量化 | 矢量量化设计的有效算法 | 速度、简单、概念上的吸引力 | – | FVQ算法码本设计比以往更好 |
| Karayiannis et al. (1998) | 模糊学习VQ算法(FALVQ) | 基于小波的子带分解与矢量量化 | 低的计算需求以及更好的图像质量 | – | 压缩比> 8:1 |
引文
Image Compression: A Survey
