一、数字图像压缩编码标准JPEG和MPEG（论文文献综述）
刘思军[1]（2021）在《运动姿态视频测量分析仪高速JPEG译码器设计》文中提出视频测量作为融合传统摄影测量、光学测量、机器视觉与数字图像处理分析、三维重建等的交叉学科,具有环境适应性强、非接触、频响高等优点,尤其是在高速风洞试验中,视频测量因其对试验模型的设计制造无特殊要求,受到了国内外风洞试验机构的青睐。为了提升测量精度,视频测量中用的相机分辨率、帧率越来越高,如何对高分辨率与高帧率带来的高速图像数据进行实时处理,成为高速运动目标的视频测量中待解决的难点之一。为解决高速图像数据的实时编译码难题,对高速译码器的关键技术开展研究。在分析运动姿态视频测量分析仪实现架构及译码器接口与调度缓冲资源约束的基础上,结合课题设计指标与JPEG译码器系统结构,采用自顶向下和模块化的设计方法,完成了高速JPEG译码器的总体架构设计与关键技术分析。针对课题高吞吐率设计指标,在分析JPEG译码算法的基础上,完成了高速译码器各功能模块高吞吐率实现方案设计与基于MATLAB的性能验证。针对串行Huffman解码的解码效率与2D-IDCT变换处理速率较低的问题,在分析Huffman编码表的编码规律和2D-IDCT变换的快速算法的基础上,采用并行流水处理架构和乒乓操作等技术,设计了基于并行与流水架构的高速Huffman解码算法和快速2D-IDCT变换的FPGA实现架构。基于高速JPEG译码器的FPGA实现方案,完成了基于Verilog硬件描述语言对译码器的各个功能模块进行RTL级设计与系统集成。为验证高速JPEG译码器的性能,搭建高速JPEG译码器性能测试平台,测试结果表明,本文设计的高速JPEG译码器能实现吞吐率达2.105GB/s的图像JPEG译码,具备较好的灵活性和可扩展性。
姜智翔[2]（2020）在《基于频域处理的全息图压缩方法研究》文中研究指明三维显示及成像技术拥有广阔的市场应用空间,近年来随着研究的不断深入已广泛应用于军事、通信、娱乐和医学等方面。然而目前已投入实际应用的三维显示技术多是基于人眼的双目视差,这种以有限深度线索呈现的视觉效果并不理想。而全息技术的应用使得真三维成像和显示成为现实,它能够提供连续的基于头部运动的视差、自然视觉聚散调节以及所有深度信息,应用潜力极大。由于全息技术可以记录物光场的全部信息,包含了大量的数据,这对于数据的传输、存储和处理极其不利,因此需要对全息数据进行压缩。而拍摄获得全息图是由包含大量不同亮点的干涉条纹组成的,其像素之间没有相关性,所以难以用现有的图像及视频编码方法进行压缩。因此,对于全息数据的压缩编码方法的研究已经引起了广泛的关注。基于此问题,本文主要研究的内容是如何改进或整合现有的压缩算法以提高全息图的压缩效率,并最大限度的降低再现像的质量损失。本文内容概述如下:首先,对全息压缩技术的研究进展进行了简单的概述,介绍全息数据压缩的研究意义、国际主流技术方法和未来具有潜力的研究方案。其中国际主流观点将现有的全息压缩编码方法分为基于量化、基于变换和基于标准三种,本文分别介绍并分析了这三种方法的优劣,为本文所提出的方法提供理论依据和研究思路。其次,从现有图像及视频的压缩编码方法和全息图生成及再现的原理出发,结合数字全息技术和衍射计算理论,说明全息数据压缩要求。接着,研究了小波变换用于全息图频域压缩编码的方法,采用频域小波分解、阈值、量化和空域编码的方法,对模拟生成的全息图进行了测试,确定各项参数的设置。然后利用选取最佳的参数,对实际拍摄的数字全息图进行压缩编码,并将最后结果进行了比较和分析。最后,提出并研究了小波变化与二次量化用于彩色数字全息图的压缩和编码方法,有效的实现了大压缩比下的全息图压缩。此外,这种方法利用按比例切割较长波长的全息图的颜色分量的方式,保证了压缩后的再现像不会出现颜色混叠和位置偏移等问题。并且这种方法可以在相对较短的时间内实现编解码,同时再现像的质量损失极小。
颜心如[3]（2020）在《基于图像的编码技术分析研究》文中指出近年来,随着信息网络技术的不断发展,各种类型的多媒体网络和移动应用终端迅速推广普及,各种类型多媒体网络视频直播内容在网络社交与多媒体、医疗、调查以及休闲娱乐等各个领域随处可见。为了解决图像传输和存储问题,研究者们提出了多种图像编码算法。然而,现有的图像编码和图片后处理编码算法工作效率有待提高,仍具备较大的技术改进空间。如何有效控制压缩图像存储数据量,并且保证图像质量不明显降低是当前图像压缩领域亟待解决的重要问题。图像编码压缩技术通过有效消除原始编码图像压缩信号内的空间冗余来压缩原始图像中的数据。通常,图像的压缩率越高,质量上的损失就越大。高效的图像编码压缩算法要求保持高压缩率的同时,可以拥有高质量的压缩编码图像。本文关注于研究图像编码相关技术,总结了现有高效图像编码的主要方法,并在此基础上,对图像压缩算法进行了创新,研究内容主要包括:（1）基于相关系数的分形图像编码算法。本文提出一种基于相关系数的分形编码算法,通过相关系数来优化分形理论中压缩时间过长的问题。结合实验结果的分析表明,在保证一定图像编码质量的前提下,减少图像编码所需时间,即降低了编码过程的计算量。（2）基于移动最小二乘法的图像恢复算法。该算法总结了变换域编码的优缺点,应用了一种新的图像恢复算法,并运用在图像的下采样编码方案中,实现图像信号的有效恢复。仿真实验表明,该编码可以有效减少高压缩率下的图像失真现象,是一种高效的图像编码方法。（3）新型误差补偿量化算法。该算法旨在减少RGB彩色图像的高度失真。将彩色图像的整个RGB空间像素通过一种量化转换算法进行转换,表示为YCb Cr空间,减少了整个YCb Cr空间中每个像素的平均值和误差,从而提高彩色图像的整体图像质量。该压缩算法能够保证主体图像不会因为经过滤波器而自动产生新的图像失真。经实验验证,通过该压缩算法优化处理后的图像可以具有较好的主客观图像质量。
武丽静[4]（2019）在《太阳磁场图像无损压缩算法优化研究及FPGA设计》文中提出随着天文领域的发展,针对空间图像的研究日益重要。为探究太阳磁场对空间环境及天体活动的影响,“先进天基太阳天文台（ASO-S）背景型号研究”获批中国科学院空间科学战略性先导科技专项,旨在研制一颗太阳探测卫星用于太阳磁场图像的成像观测。在通过卫星获取高质量太阳磁场图像的同时,会得到大量数据,其回传受到传输信道及存储资源的限制,因此有必要在传输前对太阳磁场图像进行在轨压缩。而当前空间图像处理领域常用的压缩算法对此不具有针对性,难以做到在无数据损失的前提下有较高的压缩比。本文探究专用于太阳磁场图像的无损压缩算法,通过对图像的冗余分析,在预处理方法和熵编码方法两个方面对算法做出研究,然后基于FPGA进行设计以提高压缩效率。主要工作及成果包括:（1）基于MAlTLAB对（5,3）整数小波变换算法进行研究,该方法降低了太阳磁场图像信息熵,提高了极限压缩比,将其作为本文算法主要的预处理方法。（2）根据太阳磁场图像的像素特征,对RICE无损压缩算法适当改进,将其中的自适应熵编码部分作为本文算法的熵编码方法。（3）结合（5,3）整数小波变换算法与改进的RICE算法,基于MATLAB进行整体无损压缩算法的研究。针对单幅太阳磁场图像,提出了两种算法,并对算法进一步优化,使压缩比最高可达到4.465,优于现有的算法。针对多幅太阳磁场图像,提出了一种专用算法,使压缩比最高可达到5.668,满足工程要求。（4）基于FPGA对优化的太阳磁场图像无损压缩算法进行设计,将已有的RICE算法部分做改进,主要设计了（5,3）整数小波变换预处理和数据分块部分,然后对设计进行仿真及分析,并上板调试验证结果正确。经仿真与验证,本设计可以满足太阳磁场图像的无损压缩需求,压缩比与压缩时间符合实际要求。
汪洲[5]（2019）在《改进的JPEG图像二维DCT编解码技术研究》文中提出JPEG是网络中最常见的图像存储格式,因其高压缩比而被广泛应用于互联网中,其标准的核心为DCT算法,将图像分块为不重叠的8×8模块进行单独处理,因此会在模块边界产生伪影即块效应。改进的离散余弦变换（MDCT）在信号处理领域起着重要作用,相比于DCT算法,MDCT虽然算法复杂度更高,但由于其重叠变换的性质,在信号处理领域能获得更好的效果。为了解决JPEG图像的边界效应,本文采用二维MDCT算法替代JPEG标准中的DCT算法,并在此基础上改进JPEG的压缩编码过程。主要研究内容如下:（1）分析JPEG图像压缩标准及其流程,剖析其核心的量化与熵编码过程。对JPEG标准的图像压缩过程进行详细分解,对其霍夫曼编码步骤进行实验性测试说明,同时用实验来测试JPEG标准的压缩性能,讨论JPEG标准的局限性。（2）分析DCT算法和MDCT算法的特点,提出新的MDCT快速算法。由于MDCT算法与DCT算法不同的重叠性质,使得其计算复杂度更高并且软硬件的实现更困难,因此提出了两种MDCT快速算法以减少计算复杂度并提高软硬件实现可能性,即基于2×2的MDCT快速算法和MDCT转换为DCT-Ⅱ的间接算法,并对两种算法与传统DCT行列式算法进行复杂度的对比,对比结果:两种改进的MDCT快速算法复杂度均低于传统的行列式算法,并且MDCT转换为DCT-Ⅱ的间接算法复杂度是最低的。（3）MDCT算法由于重叠的性质其输出只有输入的1/4大小,因此改进JPEG标准的量化过程并设计新的量化表,提出改进的JPEG图像压缩、重构方法。通过矩阵运算进行理论分析,采用两类实验测试重构方法与效果:一类是选取不同分辨率的灰度图像分别使用DCT和MDCT算法进行JPEG标准下的图像压缩重构实验,对压缩重构的图像峰值信噪比和程序运行时间进行对比;其二是使用不同类型的灰度与彩色图像分别进行两种压缩重建实验比较压缩重构效果。两种实验结果表明:随着图像分辨率的提升,MDCT代替DCT算法带来的时间成本提升在增大但峰值信噪比提升变化不大;图像内容越复杂、细节越多,无论彩色或者灰度图像,使用MDCT算法代替DCT算法带来的峰值信噪比提升更高。本文通过对JPEG标准的分析得知DCT算法带来的块效应成为了JPEG发展的限制,而采用MDCT算法代替DCT算法需要对标准中量化、图像重建过程做出相应改进,同时必须使用快速算法代替行列式算法以降低时间成本,对改进的标准进行理论分析并用实验验证。结果表明:MDCT算法替代JPEG标准中的DCT算法后,图像的分辨率越高,算法的时间成本提升越高,但压缩重建图像的峰值信噪比提升幅度基本不变;图像内容越复杂、细节越多的图像得到的压缩重建效果提升更高。
葛镜[6]（2019）在《自嵌入水印算法及其在图像篡改检测和恢复的应用》文中提出数字多媒体技术的发展为我们的工作和生活提供了很多成熟、可靠、灵活、高效、高质量、低成本的多媒体信息。随之衍生的各类图像处理技术使得数字产品的获取、处理、存储、复制变得越来越容易,促使数字产品的版权保护,完整性保护,篡改防护变得越来越重要。快速发展的信息技术促进了数字多媒体技术的发展,在这种背景下,计算机技术和各种手持移动智能终端技术的发展,使得篡改多媒体数据变得轻而易举,包括手机、电脑、平板电脑里面安装的各种软件能够毫不费力地篡改多媒体数据,同时也带来了非法复制和数字多媒体重新再分布等问题。数字水印概念的提出就是为了解决信息技术版权保护的相关问题,它为多媒体数据的认证、版权保护和防篡改提供了有效的解决方案。本文以图像水印为主要研究对象,探讨了图像水印的相关理论和各种算法,在此基础上提出了三种有效的水印算法,并将其用于图像篡改检测和恢复,取得较好的效果。本文的主要研究成果概况如下:第一,提出一种改进的基于哈希算法的自嵌入数字水印算法。在分析传统哈希算法的基础上,提出一种改进的哈希算法,并将图像本身的哈希值作为水印嵌入原图像,用于图像的版权保护等。图像本身的信息采用哈希算法生成图像哈希值。具体过程包括三个部分:预处理、特征值提取和哈希值生成。第一步通过预处理对图像进行归一化处理。第二步特征值提取,经过前面的图像预处理后的图像,使用块截断编码和中心对称局部二进制模式提取图像的特征值。第三步生成图像哈希值作为水印采用DCT变换域方法嵌入原图。该算法在图像的感知和抗攻击性中能达到很好的平衡,鲁棒性较强,并且有很好的保密性能。第二,提出一种改进的基于SVD分解的自嵌入水印算法。通过SVD分解得到图像的特征值作为认证水印嵌入原图,用于实现图像的版权保护和抗攻击等,并能有效地实现图像被篡改区域的定位。同时,采用块分类算法来生成图像的恢复水印。恢复水印要能实现图像的恢复就需要尽可能完整的保护图像块的所有信息,然而作为水印嵌入图像又不能有太多的数据量否则不满足人眼视觉阈值的条件。因此在图像DCT变换的基础上,根据图像块的特征将图像分类,获取不同类型图像块的压缩编码生成恢复水印,每类图像块的恢复水印大小不等。该水印算法既能实现图像的篡改检测又能实现图像的篡改恢复,采用混沌加密算法嵌入图像块中。假如嵌入水印的图像被篡改,篡改后的图像块的基本信息和提取的水印信息将不能匹配,用这种方法可以判断每个图像块是否被篡改。由每个图像块的压缩编码生成的恢复水印可以用来恢复被篡改的图像块。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复。甚至当篡改率高达70%时,仍然有效地实现篡改区域的定位,并恢复大部分被篡改的图像块。第三,提出一种彩色图像的水印算法,基于自嵌入水印实现彩色图像的篡改检测和恢复。第一步将彩色图像变换为HSI和YCbCr,分别提取其中的特征值,生成彩色图像哈希值作为认证比特。第二步在图像DCT变换的基础上,获取图像块的压缩编码生成恢复比特。第三步将认证比特和恢复比特作为水印嵌入到图像块中。原图像块基本信息经哈希变换生成认证比特,作为水印的一部分,篡改检测时,通过比较图像块的基本信息和提取的水印信息是否匹配,判断每个图像块是否被篡改。图像块的压缩编码作为恢复比特水印嵌入到原图中,如果图像块被篡改,恢复比特水印可以用来恢复被篡改的图像。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复,是一种有效的彩色水印算法。
何沛松[7]（2018）在《基于重编码痕迹的数字视频被动取证算法研究》文中认为随着数字多媒体技术的高速发展,数字视频已经成为重要的信息传播载体之一,在金融,教育和安全等领域得到广泛使用。另一方面,现有视频编辑技术已经能够轻易的对视频内容进行篡改,严重威胁数字视频的完整性和真实性。面对上述问题,数字视频取证技术应运而生。其中,数字视频被动取证算法由于仅依靠数字视频固有指纹进行检测,无需预先嵌入取证信息而受到广泛关注和研究。本论文研究数字视频被动取证领域中的重压缩视频检测技术。在大多数视频篡改过程中,篡改者需要经历“视频解压缩-视频内容篡改-视频重压缩”三个步骤。检测重压缩视频具有的重编码痕迹不仅为篡改分析提供重要依据,还能有效还原可疑视频的压缩历史。重压缩视频检测的主要难点在于:视频编码参数的多样性（例如:时域编码结构）使得重编码痕迹具有复杂的特性。本论文根据视频重压缩过程前后时域编码结构（即图像组,Group of Pictures,简称GOP）是否一致,将重压缩视频检测分为GOP结构错位的重压缩视频检测以及GOP结构对齐的重压缩视频检测两类问题。针对重压缩视频的特殊情况-双压缩视频,本文结合多种新技术对上述问题展开了深入研究,提出了四种创新的检测算法。针对GOP结构错位的重压缩视频在压缩域留下的异常编码痕迹,本文分析了视频背景和前景区域中运动向量等编码数据的统计特性,提出一种基于局部运动向量场分析的静止背景视频双压缩检测算法。该算法利用局部运动向量场分析方法对背景区域进行宏块级分割。通过对背景和前景区域赋予不同权重,抑制快速运动前景内容的干扰并提取更为鲁棒的加权预测残差序列。然后采用时间域周期性分析算法对双压缩视频进行检测并估计原始视频的GOP结构。由于充分考虑了背景和前景区域重编码痕迹的不同特性,该算法比传统算法对编码参数的多样性更为鲁棒。针对GOP结构错位的重压缩视频在像素域留下的异常编码痕迹,本文分析了MPEG-4视频像素域的块效应痕迹,提出一种基于块效应异常强度的双压缩视频检测算法。该算法首先利用去块效应滤波器提取解压帧的块效应强度。块效应强度序列结合宏块类型统计模式计算特征序列。对特征序列采用时间域周期分析方法检测双压缩视频并估计原始视频的GOP结构。由于采用了可靠的像素域异常块效应度量方法,该算法比传统算法对视频内容多样性更为鲁棒,特别是具有复杂纹理并缓慢运动的视频内容。为了自动从大量样本中学习重编码痕迹的特征表达,本文将近年来获得广泛研究的深度学习技术引入到GOP结构错位的重压缩视频检测问题中。提出了一种基于卷积神经网络的帧级H.264视频双压缩痕迹检测算法。该算法采用卷积神经网络技术区分重定位I帧和其他类型的P帧。与传统的计算机视觉任务不同,所设计的卷积神经网络需要检测人眼难以感知的重编码痕迹。因此在网络结构设计过程中,考虑加入提取高频分量的预处理层抑制视频内容对分类性能的干扰。此外,该网络还采用1×1卷积核以及平均池化层等结构减少过拟合现象。实验结果表明该算法能够准确的检测帧级重定位I帧,为后续视频级取证分析提供重要依据。在实际应用中,具备专业知识的篡改者往往可以从视频文件中读取相关的视频编码信息,利用与输入视频相同的编码参数（例如:时域编码结构）进行重压缩,达到使重编码痕迹难以被检测的目的。针对这一类GOP结构对齐的重压缩视频,本文分析发现视频质量经过多次同参数重压缩后最终将收敛到稳定不变的状态。而单次压缩和双次压缩视频具有不同的视频质量收敛速度。根据上述发现,本文提出了一种基于质量下降机制分析的同参数双压缩视频检测算法。该算法构建了多种宏块模式用于有效表达重压缩过程中视频质量的下降程度。考虑不同编码标准的具体技术特点,面向MPEG视频和H.264视频分别提出了两套检测特征,结合支持向量机分类器完成检测。实验结果表明该算法能够有效检测多种编码设置下的同参数双压缩视频。
李永军[8]（2017）在《图像与视频低复杂度压缩算法研究》文中指出图像和视频是与人感官最密切的信息载体,而网络通信、大规模集成电路以及传感器等技术的飞速发展和人们生活、娱乐、学习和科研等需求的快速提升,不但使人们获取图像和视频的方式日益增多,也使图像和视频的空间、时间和谱间等分辨率及量化深度不断提高,从而导致数据量迅速增加。无论从设备更新速度还是经济条件的角度,单靠硬件的支持已经不能满足实际需要,而有效的解决方法之一就是通过低复杂度的图像和视频压缩减少数据量,节省存储空间和传输带宽。而图像和视频压缩技术逐渐成熟和标准化使得海量的压缩数据广泛存在,如何从这些压缩的大数据中直接挖掘出需要的信息,实现压缩域图像和视频的快速再压缩,以便满足不同应用场景对不同码率的需求,已经成为人们研究的一个热点。直接在图像和视频压缩域进行快速再压缩,既可以省去“解压缩-再压缩”的复杂过程也可以避免压缩域已存在信息的重复计算,从而大大提高快速再压缩的整体性和实时性。由于前端压缩器已经很大程度上消除了图像和视频的冗余,在再编码过程中,如果仍然采用针对整幅图像无差别的再压缩方法,很难满足实际需求,因此,基于显着性感知的视频图像压缩域再压缩系统逐渐受到了人们的关注,而在该系统中压缩域的显着性检测是关键。本论文围绕图像和视频压缩技术进行研究,主要包括图像和视频低复杂度压缩算法研究和服务于基于显着性感知的压缩域快速再压缩的显着性检测算法研究,具体工作概括如下:一,JPEG2000由于采用具有良好时频特性的DWT取代了传统DCT,在编码效率和复原图像质量上均远优于JPEG等传统压缩算法。但已有的JPEG2000算法,多是在单小波子带采样的基础上进行改进和完善,具有复杂度高、能量分散的缺点。针对该问题,本文采用以具有自仿映射性的三角区域为支撑区间,以其上的常数函数为尺度函数构建的具有对称、紧支、正交的双正交不变集多小波滤波器取代JPEG2000框架下的单小波滤波器。实验证明该双正交不变集多小波滤波器用于图像压缩具有算法复杂度低、变换后能量和熵集中程度高、无分块效应以及便于并行计算等优点。二,高光谱图像以其高度的图谱合一特性被广泛应用于农业、工业和军事等领域,而分布式信源编码是符合高光谱图像数据特点的有效压缩方法。但已有的分布式高光谱图像无损压缩算法主要强调了谱间相关性,而忽略了空间相关性。针对该问题,本文给出了基于预测误差分块和多谱段预测的分布式高光谱图像无损压缩算法。该算法把高光谱图像每个16×16像素块的预测误差分成4×4的预测误差子块,每个4×4预测误差子块传输的比特率由该子块最大的预测误差来决定,并采用多元陪集编码方法进行压缩编码。这样可以充分利用高光谱图像的局部相关性,而且不必增加额外信息,从而降低传输比特率。实验结果表明,该方法具有较好的压缩性能、较低的编码复杂度和高度的并行性,非常有利于卫星在轨压缩。三,图像和视频压缩算法的逐步成熟和标准化使得海量的压缩数据广泛存在,如何从压缩的图像和视频流中提出有用的信息进行再压缩是一个新的研究热点。本文提出了一种基于预测残差DCT系数范数（RDCN）和操作块描述长度（OBDL）的快速高效显着点检测模型,为压缩域基于显着性感知的再压缩技术服务。直接提取于部分解码的RDCN特征和OBDL特征分别归一化后,进行空域和时域滤波得到SRDCN和OBDL特征映射图。然后,使用随着量化参数变化的融合系数对SRDCN和OBDL特征映射图进行融合。最后,采用高斯模型进行显着性增强和非显着性抑制。该显着点检测模型集成了像素域显着性检测的有效性和压缩域显着性检测的实时性。实验表明该模型具有比目前显着点检测模型更高的检测准确度,而且速度比同类算法快10倍以上,非常适合于压缩视频流再压缩或转码以及嵌入式的相机实时显着性检测。四,图像和视频基于分块的压缩算法决定了压缩域中提取的显着性检测特征具有局域性,而显着性不但具有局域性也具有全局性。针对该问题,本文提出了基于预测残差离散余弦变换系数（RDCN）范数和马尔可夫场（MRF）的视频图像压缩域显着点检测模型。RDCN特征直接提取于部分解码的压缩视频,该特征经过归一化、时空滤波后（SRDCN图）,被送到MRF模型,并得到优化的二进制标签图。根据标签图和中心显着图,对SRDCN图进行显着性增强和非显着性抑制,最终得到SRDCN-MRF显着图,完成视频图像压缩域的人类关注点检测。与相似的MRF模型相比,不但改进了已经存在的能量函数,并且引进了表示关注点位置信息的新的能量函数。这些改进有利于进一步提高显着性检测精度并降低计算复杂度。在两个通用的具有标定的数据库上,通过多个精度检测标准对该模型进行验证和比较。实验结果表明所提出的显着性检测模型和现有最新的压缩域和像素域的模型相比具有较好的效果,与同类模型相比该模型的计算复杂度降低超过26%。
肖孝军[9]（2017）在《基于总变分的图像解码方法研究》文中指出随着互联网信息应用领域的拓宽,图像处理技术已成为计算机视觉领域内一个重要的应用技术。为了减少图像的存储空间和传输过程中所需要的时间,需要消除像素之间的数据冗余对图像进行压缩。因此,图像压缩是数字图像处理中一个重要研究方向。JPEG已经成为广泛应用于静止图像的压缩标准,是一种变换编码方法。JPEG最大的优势是可以根据用户的需求自由地选择压缩比,在图像质量与代价之间作出决择。但因压缩过程中量化取整操作造成数据丢失,使解压图像产生块效应,出现明显的压缩痕迹。MPEG压缩标准是一种针对视频的压缩方法,其主要运用于视频数据的存储,广播电视和视频流的网络传输。MPEG采用类似于静止图像的JPEG压缩方法去除帧内冗余,能够获得高压缩比,达到减少存储空间和传输时间的目的。但高压缩比也意味着数据的丢失,导致解码视频质量较差,具有明显的压缩痕迹。本文主要利用总变分数学模型,以静止图像与视频为研究对象,对JPEG和MPEG压缩图像进行解码,达到减轻解码图像的压缩痕迹的目的,发展最优化数值算法。本文所做的工作有:（1）简单介绍JPEG和MPEG解码图像出现压缩痕迹的原因,概述了国内外关于消除图像压缩量化噪声的研究现状。（2）介绍了标准JPEG编码算法,为方便建模,构造JPEG编码的数学模型,根据DCT系数的量化区间得到原图像的一个先验条件。利用二维总变分方法的基本理论,给出基于总变分消除量化噪声的最优化模型。最后利用原-对偶方法求解优化模型,得到后处理的总变分JPEG解码图像。（3）介绍了标准MPEG视频编码算法,同样根据量化取整得到一个量化区间。根据三维视频总变分方法的基本理论,分别构造耦合时间维度的总变分模型与分离时间维度的总变分模型,将两种总变分模型转化为最小最大问题,再采用原-对偶方法求解两种模型,得到两种后处理MPEG解码视频。
李玲[10]（2015）在《基于切向—径向小波变换的图像压缩编码的算法研究》文中进行了进一步梳理图像压缩给图像各方面的应用带来了很大的便利,数码相机、遥感、传真、医疗以及电子商务等多个领域的图像压缩研究使压缩技术越来越成熟和多元化。小波变换是一种数学方式,近些年来被广泛使用在图像分割、图像分类、图像纹理等各个方面,小波变换的多分辨性和在频域、时域的局部性优势使得小波在图像压缩领域也得到快速发展。总的来说,小波图像压缩方法主要研究集中在两个方面:第一,研究小波种类对图像的压缩效果,如小波包中不同种类的小波变换对图像压缩的效果;第二,研究小波变换后的系数量化和编码方式,例如零树编码和一些改进的方法。这些方法在应用和科研实验中都很好地证明了小波压缩的优势。但是,对于虹膜这一种特殊形状的图片,利用小波变换对其进行图像压缩的效果还可以进一步的提高。专门针对图像形状的小波变换研究目前国内并不多,根据虹膜特点来进行切向-径向小波变换方向的研究也很少,本论文结合虹膜图像压缩的具体应用,提出切向-径向小波变化的图像压缩方式,对于切向-径向小波的图像压缩编码开展研究。本文首先介绍图像压缩的编码分类和现在编码的国际标准,从不同角度介绍编码方式:统计编码,变换编码,线性预测编码和向量量化编码;介绍国际编码标准方式有:JPEG压缩标准、JPGE2000压缩标准、MPEG系列运动图像压缩和H2.261系列。本研究的主要目的是探索切向-径向的小波变换在图像压缩中的应用技术,包括将以矩阵格式存储的图像像素变换成以极坐标存储的图像像素的各种算法。同时探讨了图像在切向-径向小波变换后的频域进行压缩的效果,以及该变换对圆对称分布图像的影响。进一步说明本文中的径向-切向小波变换与普通横-纵坐标下小波变换相比在压缩效果上的改进与提升。其次,本文提出切向-径向小波的图像压缩方式,对切向-径向小波变换做出理论介绍;最后,针对虹膜图像识别的研究背景、虹膜图像识别过程,将切向-径向小波融入到虹膜图像压缩中,并进行实验对比,得出实验结果。创新点在于应用切向-径向小波对虹膜图像进行压缩,并且解压之后获得更好的图像效果。
二、数字图像压缩编码标准JPEG和MPEG（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数字图像压缩编码标准JPEG和MPEG（论文提纲范文）
（1）运动姿态视频测量分析仪高速JPEG译码器设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 JPEG图像压缩标准的发展 |
| 1.2.2 高速JPEG译码技术的研究现状 |
| 1.3 论文研究内容与研究目标 |
| 1.4 论文章节安排 |
| 2 分析仪系统结构与高速译码器方案 |
| 2.1 运动姿态视频测量分析仪 |
| 2.1.1 分析仪系统结构 |
| 2.1.2 任务切割与映射 |
| 2.1.3 图像实时采集与存储 |
| 2.2 JPEG编译码存储系统 |
| 2.3 高速JPEG译码器设计指标 |
| 2.4 高速译码器总体架构 |
| 2.5 实现平台及资源分析 |
| 2.6 本章小结 |
| 3 高速译码算法设计与仿真分析 |
| 3.1 JPEG标准的基本原理和方法 |
| 3.2 JPEG编码过程 |
| 3.3 高速译码算法设计 |
| 3.3.1 数据预处理模块设计 |
| 3.3.2 熵解码模块设计 |
| 3.3.3 反量化和反Zig Zag扫描模块设计 |
| 3.3.4 高速2D-IDCT模块设计 |
| 3.4 本章小结 |
| 4 高速译码器FPGA实现 |
| 4.1 译码器总体结构设计 |
| 4.2 数据预处理模块FPGA实现 |
| 4.2.1 输入缓冲模块 |
| 4.2.2 数据选择模块 |
| 4.2.3 JFIF头文件解析模块 |
| 4.2.4 数据拼接模块 |
| 4.3 熵解码模块FPGA实现 |
| 4.3.1 读入数据模块 |
| 4.3.2 Huffman解码模块 |
| 4.3.3 DPCM_RLD 解码模块 |
| 4.4 反量化和反Zig Zag扫描模块FPGA实现 |
| 4.5 高速2D-IDCT变换模块FPGA实现 |
| 4.5.1 第一级1D-IDCT单元设计 |
| 4.5.2 转置单元设计 |
| 4.5.3 第二级1D-IDCT单元设计 |
| 4.6 本章小结 |
| 5 系统测试与结果分析 |
| 5.1 测试平台搭建 |
| 5.2 测试方案 |
| 5.3 模块联调仿真测试 |
| 5.4 系统性能测试与分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
（2）基于频域处理的全息图压缩方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 基于量化的全息压缩 |
| 1.2.2 基于变换的全息压缩 |
| 1.2.3 基于标准的全息压缩 |
| 1.2.4 其它具有研究潜力的全息压缩方法与存在的问题 |
| 1.3 论文主要内容及结构安排 |
| 第二章 全息技术与图像压缩原理研究 |
| 2.1 标量衍射理论 |
| 2.1.1 惠更斯—菲涅耳原理与基尔霍夫衍射公式 |
| 2.1.2 衍射的角谱理论 |
| 2.1.3 菲涅耳衍射理论 |
| 2.2 全息术原理与分类 |
| 2.2.1 光学全息术概述 |
| 2.2.2 波前记录 |
| 2.2.3 波前再现 |
| 2.3 图像压缩理论和方法分析 |
| 2.3.1 图像的无损压缩 |
| 2.3.2 图像的有损压缩 |
| 2.4 图像标准编码格式 |
| 2.4.1 JPE G与 JP EG200 0 图像压缩编码系统 |
| 2.4.2 MPE G与 H.26x系列标准 |
| 2.5 全息图的压缩编码要求及分析 |
| 2.6 本章小结 |
| 第三章 频域小波变换的全息图压缩实现 |
| 3.1 用于图像压缩的小波变换概述 |
| 3.1.1 二维离散小波变换 |
| 3.1.2 适应于应用环境的快速算法 |
| 3.1.3 小波变换用于图像压缩的实例 |
| 3.2 全息图空域与频域的小波变换 |
| 3.2.1 度量标准与测试说明 |
| 3.2.2 全息图空域小波变换 |
| 3.2.3 全息图频域小波变换 |
| 3.3 模拟仿真实验与分析 |
| 3.3.1 小波变换频域测试 |
| 3.3.2 系数量化 |
| 3.3.3 编码压缩 |
| 3.4 实际全息图的压缩测试 |
| 3.5 本章小结 |
| 第四章 空域和频域复合压缩用于彩色数字全息图 |
| 4.1 彩色数字全息图的记录与再现 |
| 4.1.1 彩色数字全息图的记录 |
| 4.1.2 割补法再现彩色数字全息图 |
| 4.1.3 彩色数字全息图再现的其它方法 |
| 4.2 小波阈值的类型与分析 |
| 4.2.1 缺省的阈值模型 |
| 4.2.2 Bir ge-Mas sart策略确定阈值 |
| 4.2.3 小波包变换中的penal ty阈值 |
| 4.2.4 硬阈值和软阈值 |
| 4.3 模拟仿真与对比分析 |
| 4.3.1 模拟生成彩色全息图 |
| 4.3.2 频域小波分解、阈值及量化 |
| 4.3.3 空域二次量化 |
| 4.4 实际彩色全息图的压缩测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要工作总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士学位期间发表论文 |
（3）基于图像的编码技术分析研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 本文主要工作 |
| 1.4 论文的结构安排 |
| 第二章 图像编码技术 |
| 2.1 图像编码技术原理 |
| 2.2 图像编码技术分类 |
| 2.3 图像编码效果的评价 |
| 2.3.1 主观评价方法 |
| 2.3.2 客观评价方法 |
| 2.4 现有编码标准的介绍 |
| 2.4.1 静止图像编码的国际标准 |
| 2.4.2 动态图像编码的国际标准 |
| 2.4.3 其它一些图像格式 |
| 2.5 现有图像编码技术 |
| 2.5.1 预测编码 |
| 2.5.2 哈夫曼编码 |
| 2.5.3 统计编码 |
| 2.5.4 变换编码 |
| 2.6 本章小结 |
| 第三章 基于相关系数的分形编码算法 |
| 3.1 分形理论 |
| 3.2 分形图像压缩理论 |
| 3.2.1 仿射变换 |
| 3.2.2 拼贴定理 |
| 3.2.3 压缩映射 |
| 3.2.4 不动点定理 |
| 3.3 迭代函数系统 |
| 3.4 基本分形编码算法 |
| 3.5 基于相关系数的分形编码 |
| 3.6 仿真结果以及实验分析 |
| 3.7 本章小结 |
| 第四章 基于移动最小二乘法的图像恢复算法 |
| 4.1 基于像素域下采样的编码方法 |
| 4.2 基于变换域的下采样图像编码算法 |
| 4.3 基于移动最小二乘法的图像恢复方法 |
| 4.4 仿真结果以及实验分析 |
| 4.5 本章小结 |
| 第五章 新型误差补偿量化算法 |
| 5.1 基于RGB-YCb Cr转换的图像编码 |
| 5.2 RGB与 YCb Cr关系 |
| 5.3 基于新型误差补偿算法的图像编码方案 |
| 5.4 仿真结果以及实验分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）太阳磁场图像无损压缩算法优化研究及FPGA设计（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像压缩技术发展 |
| 1.2.2 图像压缩国际标准 |
| 1.2.3 空间图像压缩研究现状 |
| 1.2.4 FPGA发展现状 |
| 1.3 论文内容与结构 |
| 1.3.1 论文内容 |
| 1.3.2 论文结构 |
| 2 图像压缩技术研究及太阳磁场图像分析 |
| 2.1 图像压缩技术 |
| 2.1.1 图像压缩基本原理 |
| 2.1.2 图像压缩评价方法 |
| 2.1.3 图像压缩编码方法及分类 |
| 2.2 太阳磁场图像分析 |
| 2.2.1 MATLAB简介 |
| 2.2.2 图像特征分析 |
| 2.2.3 图像冗余分析 |
| 2.3 小结 |
| 3 基于整数小波变换的太阳磁场图像预处理方法研究 |
| 3.1 整数提升小波变换方法 |
| 3.1.1 小波变换基础 |
| 3.1.2 整数提升小波变换 |
| 3.1.3 整数提升小波逆变换 |
| 3.2 太阳磁场图像的(5,3)整数小波变换预处理设计 |
| 3.2.1 二维图像的小波变换 |
| 3.2.2 (5,3)整数小波变换方法 |
| 3.2.3 太阳磁场图像的小波变换测试 |
| 3.3 小波变换预处理结果分析 |
| 3.3.1 无损验证 |
| 3.3.2 信息熵分析 |
| 3.4 小结 |
| 4 基于RICE编码的太阳磁场图像无损压缩算法设计与优化 |
| 4.1 RICE无损压缩算法研究 |
| 4.1.1 RICE算法简介 |
| 4.1.2 RICE编码方法 |
| 4.1.3 RICE算法改进及编程测试 |
| 4.2 太阳磁场图像无损压缩算法设计 |
| 4.2.1 算法设计 |
| 4.2.2 算法测试与结果分析 |
| 4.3 太阳磁场图像无损压缩算法优化研究 |
| 4.3.1 优化算法设计 |
| 4.3.2 优化算法测试与结果分析 |
| 4.4 多幅太阳磁场图像无损压缩方法研究 |
| 4.5 无损压缩算法综合对比分析 |
| 4.6 小结 |
| 5 太阳磁场图像优化无损压缩算法的FPGA设计 |
| 5.1 FPGA开发环境 |
| 5.1.1 Verilog硬件描述语言 |
| 5.1.2 FPGA硬件开发平台 |
| 5.1.3 FPGA软件开发平台 |
| 5.2 二维(5,3)整数小波变换的FPGA设计与仿真 |
| 5.2.1 结构设计 |
| 5.2.2 (5,3)整数小波变换模块设计与仿真 |
| 5.2.3 地址产生模块设计与仿真 |
| 5.2.4 数据暂存模块 |
| 5.2.5 控制模块设计与仿真 |
| 5.3 优化压缩算法的FPGA设计与仿真 |
| 5.3.1 整体结构设计 |
| 5.3.2 数据分块部分设计与仿真 |
| 5.4 小波变换预处理及数据分块部分的FPGA验证 |
| 5.4.1 仿真验证 |
| 5.4.2 资源、功耗及时间分析 |
| 5.4.3 板级调试 |
| 5.5 小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）改进的JPEG图像二维DCT编解码技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 1.4 论文组织结构 |
| 第二章 JPEG图像压缩标准 |
| 2.1 引言 |
| 2.2 JPEG算法介绍 |
| 2.2.1 编码器 |
| 2.2.2 解码器 |
| 2.2.3 交换格式 |
| 2.2.4 编码类型 |
| 2.2.5 DCT变换 |
| 2.2.6 DCT系数的量化 |
| 2.2.7 Zigzag扫描 |
| 2.2.8 熵编码 |
| 2.3 JPEG算法举例 |
| 2.3.1 JPEG熵编码 |
| 2.3.2 JPEG实际性能测试 |
| 2.4 本章小结 |
| 第三章 一维MDCT算法的维度扩展 |
| 3.1 MDCT算法 |
| 3.2 基于2×2 的二维MDCT快速算法 |
| 3.3 MDCT/IMDCT转化为DCT-Ⅱ的间接算法 |
| 3.4 本章小结 |
| 第四章 JPEG标准关于MDCT算法的改动 |
| 4.1 8×8 模块的MDCT变换 |
| 4.2 改进的MDCT图像重建方法 |
| 4.3 改进的图像重建算法的验证 |
| 4.3.1 编码效率理论验证 |
| 4.3.2 算法验证 |
| 4.4 改进的量化表 |
| 4.5 本章小结 |
| 第五章 MDCT在 JPEG图像压缩重建中的应用 |
| 5.1 改进的JPEG压缩重建标准 |
| 5.2 图像模块边缘处理 |
| 5.3 实际实验效果对比 |
| 5.3.1 灰度图像实验对比 |
| 5.3.2 彩色图像实验对比 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（6）自嵌入水印算法及其在图像篡改检测和恢复的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 数字水印 |
| 1.2.1 水印的应用 |
| 1.2.2 水印的特点 |
| 1.2.3 水印的分类 |
| 1.3 近年来的相关论文情况分析 |
| 1.4 论文结构及主要内容 |
| 2 图像的数字水印算法 |
| 2.1 水印系统 |
| 2.2 水印的生成 |
| 2.3 水印的嵌入 |
| 2.3.1 空域水印嵌入技术 |
| 2.3.2 变换域水印嵌入技术 |
| 2.3.3 压缩域水印嵌入 |
| 2.4 水印质量评估 |
| 2.4.1 水印嵌入与图像质量的关系 |
| 2.4.2 压缩与图像质量的关系 |
| 2.4.3 水印的质量标准 |
| 2.4.4 图像的质量评价标准 |
| 3 一种改进的基于哈希算法的自嵌入水印算法 |
| 3.1 哈希算法 |
| 3.1.1 图像的哈希算法 |
| 3.1.2 图像哈希算法的研究现状 |
| 3.2 图像哈希值的生成 |
| 3.2.1 图像的预处理 |
| 3.2.2 基于块截断编码和中心对称局部二进制模式特征值提取 |
| 3.2.3 哈希值的生成 |
| 3.3 水印的嵌入和提取 |
| 3.3.1 水印的嵌入算法 |
| 3.3.2 水印的提取算法 |
| 3.4 实验结果及分析 |
| 3.4.1 参数设置与计算 |
| 3.4.2 不可见性测试 |
| 3.4.3 鲁棒性测试 |
| 3.5 小结 |
| 4 一种改进的基于SVD特征值提取的自嵌入水印算法 |
| 4.1 引言 |
| 4.2 基于SVD的特征值提取 |
| 4.2.1 图像块的SVD分解 |
| 4.2.2 图像块的特征值提取 |
| 4.3 块分类算法 |
| 4.4 图像的篡改检测和恢复 |
| 4.4.1 水印的嵌入算法 |
| 4.4.2 篡改检测和恢复 |
| 4.5 实验结果及分析 |
| 4.5.1 不可见性测试 |
| 4.6 本章小结 |
| 5 基于自嵌入水印的彩色图像纂改检测和恢复 |
| 5.1 彩色图像的哈希值算法 |
| 5.2 彩色图像压缩编码 |
| 5.3 水印的嵌入算法 |
| 5.4 篡改检测和恢复算法 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士期间发表的论文 |
| 致谢 |
（7）基于重编码痕迹的数字视频被动取证算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 多媒体取证研究背景及意义 |
| 1.2 数字多媒体取证技术 |
| 1.2.1 多媒体主动取证技术简介 |
| 1.2.2 多媒体被动取证技术简介及国内外研究现状 |
| 1.2.3 现有工作的局限性分析 |
| 1.3 本文主要研究内容及创新点 |
| 1.4 章节安排 |
| 第二章 视频重编码痕迹模型构建及理论分析 |
| 2.1 数字视频重压缩问题建模及应用场景 |
| 2.1.1 问题原型 |
| 2.1.2 重压缩视频检测算法应用场景 |
| 2.1.3 重压缩视频的特例:双压缩视频 |
| 2.2 视频编码标准简介 |
| 2.2.1 MPEG系列视频编码标准简介 |
| 2.2.2 H.264 视频编码标准简介 |
| 2.3 典型的视频重压缩操作 |
| 2.3.1 GOP结构对齐的重压缩操作 |
| 2.3.2 GOP结构错位的重压缩操作 |
| 2.4 重编码痕迹模型 |
| 2.4.1 时间域与空间域重编码痕迹模型 |
| 2.4.2 像素域与压缩域重编码痕迹模型 |
| 2.4.3 重编码痕迹模型关系图 |
| 2.5 本章小结 |
| 第三章 基于局部运动向量场分析的静止背景双压缩视频检测算法 |
| 3.1 引言 |
| 3.2 静止背景视频重编码痕迹模型 |
| 3.3 静止背景视频重编码痕迹特性实例分析 |
| 3.3.1 P帧宏块类型统计特性分析 |
| 3.3.2 P帧运动向量的统计特性分析 |
| 3.3.3 预测残差特性分析 |
| 3.4 基于局部运动向量场分析的静止背景双压缩视频检测算法 |
| 3.4.1 背景区域宏块级分割 |
| 3.4.2 提取加权预测残差序列 |
| 3.4.3 后处理操作 |
| 3.4.4 周期性分析 |
| 3.5 实验与结果分析 |
| 3.5.1 数据库 |
| 3.5.2 双压缩检测性能实验 |
| 3.5.3 原始GOP长度估计实验 |
| 3.5.4 对于不同码率控制算法的可靠性实验 |
| 3.5.5 对于转码过程的鲁棒性实验 |
| 3.5.6 时间效率分析实验 |
| 3.6 本章小结 |
| 第四章 基于块效应度量的MPEG-4 双压缩视频检测算法 |
| 4.1 引言 |
| 4.2 MPEG-4 视频中的块效应 |
| 4.2.1 块效应理论模型分析 |
| 4.2.2 MPEG-4 双压缩视频块效应实例分析 |
| 4.3 基于块效应度量的MPEG-4 双压缩视频检测算法 |
| 4.3.1 块效应度量 |
| 4.3.2 结合块效应强度与VPF痕迹 |
| 4.3.3 周期性分析 |
| 4.4 实验与结果分析 |
| 4.4.1 块效应强度及VPF痕迹的实例分析 |
| 4.4.2双压缩检测性能实验 |
| 4.4.3 原始GOP大小估计准确性实验 |
| 4.4.4不同调节参数对于检测性能的影响实验 |
| 4.4.5 不同备选GOP选择算法对于检测性能的影响实验 |
| 4.5 本章小结 |
| 第五章 基于卷积神经网络的H.264 视频帧级双压缩痕迹检测算法 |
| 5.1 引言 |
| 5.2 深度卷积神经网络技术简介 |
| 5.2.1 典型的网络层结构 |
| 5.2.2 典型的深度卷积网络结构 |
| 5.3 基于卷积神经网络的帧级双压缩检测算法 |
| 5.3.1 帧级重编码痕迹分析 |
| 5.3.2 算法整体框架 |
| 5.3.3 预处理层 |
| 5.3.4 在深层卷积层中使用1×1 卷积核 |
| 5.3.5 全局平均池化层 |
| 5.4 实验与结果分析 |
| 5.4.1 数据库 |
| 5.4.2 帧级双压缩痕迹检测性能评价标准 |
| 5.4.3 实验参数设置 |
| 5.4.4 卷积神经网络结构分析实验 |
| 5.4.5 检测性能对比实验 |
| 5.4.6 对于不同GOP大小的鲁棒性实验 |
| 5.4.7 网络参数规模分析 |
| 5.5 本章小结 |
| 第六章 基于质量下降机制分析的同参数双压缩视频检测算法 |
| 6.1 引言 |
| 6.2 重压缩视频质量下降机制分析 |
| 6.2.1 连续重压缩后视频客观质量的变化规律 |
| 6.2.2 MPEG视频编解码过程中的质量下降机制 |
| 6.2.3 H.264 视频编解码过程中的质量下降机制 |
| 6.3 基于质量下降机制分析的同参数双压缩视频检测算法 |
| 6.3.1 MPEG-DM算法 |
| 6.3.2 H264-DM算法 |
| 6.4 实验与结果分析 |
| 6.4.1 数据库 |
| 6.4.2 MPEG-2 视频的双压缩检测性能实验 |
| 6.4.3 MPEG-4 视频的双压缩检测性能实验 |
| 6.4.4 关于H.264 视频的检测性能实验 |
| 6.4.5 算法在多样视频内容及编码参数设置下的性能分析实验 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 攻读学位期间参与的项目目录 |
（8）图像与视频低复杂度压缩算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及目的和意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 图像数据压缩编码研究现状 |
| 1.2.2 感兴趣区域检测及压缩研究现状 |
| 1.3 主要研究内容与章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 图像和视频压缩编码技术 |
| 2.1 压缩编码技术原理 |
| 2.2 压缩编码技术分类 |
| 2.3 压缩编码评价准则 |
| 2.4 压缩编码国际标准 |
| 第三章 基于双正交不变集多小波的图像压缩编码研究 |
| 3.1 引言 |
| 3.2 双正交不变集多小波滤波器设计 |
| 3.3 多分辨分析 |
| 3.4 分解与重构算法 |
| 3.5 双正交不变集多小波用于图像压缩的优势分析 |
| 3.5.1 算法复杂度 |
| 3.5.2 能量和熵的集中程度 |
| 3.6 实验结果与分析 |
| 3.7 本章小结 |
| 第四章 基于预测误差分块和多波段预测的分布式高光谱图像无损压缩 |
| 4.1 引言 |
| 4.2 分布式信源编码原理及发展 |
| 4.2.1 分布式信源编码(DSC)原理 |
| 4.2.2 s-DSC框架 |
| 4.2.3 s-DSC算法改进 |
| 4.3 基于分块陪集编码的无损压缩 |
| 4.3.1 预测误差分块算法 |
| 4.3.2 多波段预测算法 |
| 4.3.3 初步实验验证 |
| 4.3.4 解码 |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据 |
| 4.4.2 压缩效率 |
| 4.4.3 算法复杂度分析 |
| 4.5 本章小结 |
| 第五章 低复杂度视频图像压缩域显着点检测研究 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 压缩域特征 |
| 5.3.1 预测残差DCT系数范数(RDCN特征) |
| 5.3.2 操作块描述长度(OBDL特征) |
| 5.3.3 人眼关注点检测 |
| 5.4 SRDCNOBDL体系结构 |
| 5.5 实验结果和分析 |
| 5.5.1 实验设置 |
| 5.5.2 模型参数设计 |
| 5.5.3 显着性检测模型比较 |
| 5.5.4 视频图像质量的敏感性分析 |
| 5.5.5 复杂度分析 |
| 5.6 本章小结 |
| 第六章 基于马尔可夫随机场的视频图像压缩域显着点检测 |
| 6.1 引言 |
| 6.2 相关工作 |
| 6.3 压缩域SRDCN特征 |
| 6.4 SRDCN-MRF体系结构 |
| 6.4.1 马尔可夫随机场模型 |
| 6.4.2 能量函数 |
| 6.4.3 优化 |
| 6.4.4 最终显着性图 |
| 6.4.5 SRDCN-MRF体系结构 |
| 6.5 实验结果和分析 |
| 6.5.1 实验设置 |
| 6.5.2 模型参数设计 |
| 6.5.3 显着性检测模型比较 |
| 6.5.4 视频图像质量的敏感性分析 |
| 6.5.5 复杂度分析 |
| 6.6 本章小结 |
| 第七章 结束语 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）基于总变分的图像解码方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT(英文摘要) |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩 |
| 1.3 国内外研究现状 |
| 第二章 基于总变分方法的静止图像JPEG解码 |
| 2.1 JPEG压缩标准 |
| 2.2 标准JPEG压缩数学模型 |
| 2.3 总变分解码 |
| 2.4 一阶原-对偶算法 |
| 2.5 数值模拟 |
| 2.6 本章小结 |
| 第三章 基于总变分方法的视频序列MPEG解码 |
| 3.1 标准MPEG编码 |
| 3.2 总变分正则化MPEG解码 |
| 3.3 耦合时间维度的视频序列总变分模型 |
| 3.4 分离时间维度的视频序列总变分模型 |
| 3.5 数值模拟 |
| 3.6 本章小结 |
| 第四章 总结与展望 |
| 4.1 总结 |
| 4.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 已完成的论文 |
（10）基于切向—径向小波变换的图像压缩编码的算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 课题的研究现状 |
| 1.3 课题研究的难点 |
| 1.4 课题的内容和章节安排 |
| 1.4.1 课题内容 |
| 1.4.2 章节安排 |
| 第二章 数字图像压缩编码基础技术 |
| 2.1 图像压缩总体概述 |
| 2.1.1 图像压缩的目的和意义 |
| 2.1.2 图像压缩的基本原理 |
| 2.2 数字图像压缩编码的分类 |
| 2.2.1 统计编码 |
| 2.2.2 变换编码 |
| 2.2.3 线性预测编码 |
| 2.2.4 向量量化编码 |
| 2.3 图像压缩编码标准 |
| 2.3.1 JPEG压缩标准 |
| 2.3.2 JPGE2000压缩标准 |
| 2.3.3 运动图像压缩标准MPEG系列 |
| 2.3.4 H.261系列 |
| 2.4 本章小结 |
| 第三章 小波变换在图像压缩中的应用 |
| 3.1 小波变换的理论介绍 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.1.3 小波函数总结 |
| 3.2 小波变换压缩图像原理 |
| 3.2.1 小波变换分解图像 |
| 3.2.2 小波变换图像编码 |
| 3.2.3 小波压缩实验 |
| 3.3 切向-径向小波变换压缩图像 |
| 3.3.1 径向小波变换理论 |
| 3.3.2 切向-径向小波变换对圆对称图像变换的效果 |
| 3.3.3 切向-径向小波分解实验结果 |
| 3.4 本章小结 |
| 第四章 切向-径向小波在虹膜图像压缩上的应用 |
| 4.1 虹膜识别概论 |
| 4.2 虹膜图像识别过程简介 |
| 4.2.1 虹膜图像采集 |
| 4.2.2 虹膜图像预处理 |
| 4.3 切向-径向小波在虹膜图像处理中的应用 |
| 4.4 切向-径向小波变换中的灰度插值计算 |
| 4.4.1 最临近插值法 |
| 4.4.2 线性插值法 |
| 4.4.3 三次内插值法 |
| 4.5 切向-径向小波变换的压缩实验数据与分析 |
| 4.5.1 频域分析及采样 |
| 4.5.2 试验结果及分析 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
四、数字图像压缩编码标准JPEG和MPEG（论文参考文献）
- [1]运动姿态视频测量分析仪高速JPEG译码器设计[D]. 刘思军. 西南科技大学, 2021
- [2]基于频域处理的全息图压缩方法研究[D]. 姜智翔. 昆明理工大学, 2020(04)
- [3]基于图像的编码技术分析研究[D]. 颜心如. 西安电子科技大学, 2020(05)
- [4]太阳磁场图像无损压缩算法优化研究及FPGA设计[D]. 武丽静. 北京交通大学, 2019(01)
- [5]改进的JPEG图像二维DCT编解码技术研究[D]. 汪洲. 江西理工大学, 2019(01)
- [6]自嵌入水印算法及其在图像篡改检测和恢复的应用[D]. 葛镜. 华中师范大学, 2019(01)
- [7]基于重编码痕迹的数字视频被动取证算法研究[D]. 何沛松. 上海交通大学, 2018(01)
- [8]图像与视频低复杂度压缩算法研究[D]. 李永军. 西安电子科技大学, 2017(01)
- [9]基于总变分的图像解码方法研究[D]. 肖孝军. 昆明理工大学, 2017(01)
- [10]基于切向—径向小波变换的图像压缩编码的算法研究[D]. 李玲. 河北工业大学, 2015(07)