一、改进的四叉树图像压缩算法（论文文献综述）
包馨[1]（2021）在《“分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法》文中研究指明纹理数据是构建城市真三维模型过程中的重要组成部分,通常会占用大量内存,导致三维模型难以实现流畅稳定的动态可视化,因此,对纹理数据进行有效组织与调度已成为目前国际地理信息科学领域的重要和热点研究内容之一。本文针对目前国内外三维模型可视化中纹理数据及其组织的研究现状,提出了“分形视距”（FVD）纹理压缩与彩色多边形纹理集成的三维模型可视化方法。该方法能够用较少纹理数据表示出建筑物的视觉特征,极大提高了大场景三维模型可视化的渲染效率和速率,具有较大的研究价值。本文提出的“分形视距”（FVD）纹理压缩与彩色多边形纹理集成的三维模型可视化方法主要工作有以下几个方面:首先,本文针对目前国内外纹理压缩和数据管理现状,对FVD模型理论及数学基础进行介绍,重点分析了现有基本分形编码算法及其优缺点,阐述本文根据三维模型可视化中视点位置和距离进行纹理压缩的必要性。其次,根据视距及目标立面的可见性情况提出了“分形视距”纹理压缩及彩色多边形纹理组织方法。当视距满足纹理调用条件且目标立面可见时,对纹理数据进行动态迭代解压,并确定纹理重采样次数以创建多分辨率纹理数据;当视距不满足纹理调用条件但目标立面可见时,利用纹理分割算法创建颜色纹理树,通过合并节点生成彩色多边形来表示建筑立面纹理。基于三维模型数据的构成,以及对比总结现有空间数据存储结构的优缺点,本文利用关系数据库实现对建筑物纹理数据的高效存储和快速调用。然后,介绍了三维模型的纹理映射算法,并基于AABB包围盒的视锥裁剪方法,提出了FVD纹理动态调度方案。该方法根据最初视点位置和视线方向加载场景数据,当视点不断变化时,进行条件判断并调用相应的纹理数据,若三维建筑模型在视椎体外部,则不需要渲染该模型数据;若目标建筑立面不可见,则需要剔除此建筑立面,再根据视角和距离调用相应分辨率纹理或者彩色多边形纹理,完成三维建筑模型的动态可视化。最后,针对本研究提出的方法,利用两个研究区建筑纹理数据进行了实验。并且分别使用3ds Max、Sketch Up和本文提出的方法对实验结果从内存占用和帧速率两方面进行对比分析。实验结果显示,本方法和3ds Max、Sketch Up Pro相比,在研究区1中分别减少了约33.1%和37.2%的内存占用,帧速率分别提高了约8.4%和11.1%;在研究区2中分别减少了约36.5%和30.9%的内存占用,帧速率分别提高了约7%和10.9%。
孙海超[2]（2021）在《基于HEVC的超高清视频压缩算法研究》文中研究表明随着社会的飞速发展和宇航技术的不断进步,对高清和超高清视频的需求量越来越大,产生的数据量也越来越多,这给视频传输及空间存储都带来了巨大的成本。所以高清和超高清视频压缩编码是必不可少的技术手段。同时视频压缩编码的性能和复杂度也直接影响着高清和超高视频的应用范围和潜力。因此在保持一定视频质量的情况下,提高视频编码的压缩比,降低视频编码的复杂度是亟需解决的问题。作为新一代高效视频编码标准,HEVC相比于上一代视频压缩编码H.264节省50%左右数据量。然而随着高清和超高清视频的发展和普及,分辨率越来越来大,数量越来越多,并且还要在具有高误码率、带宽有限等特点的空间通信系统中进行视频传输,无疑对视频编码性能和视频传输可靠性提出了更大的挑战。因此,研究如何提高视频压缩编码性能,以及在空间通信系统中进行可靠的视频传输具有很高的应用价值和研究价值。本文针对基于HEVC的视频压缩编码标准以及在空间通信系统中的视频传输进行了深入研究和分析,取得的主要研究成果如下:（1）针对在保证一定视频质量的情况下,需要降低压缩数据量以满足通信带宽有限的问题,本文从消除数据统计冗余的角度,提出了一种基于Bandelet变换的视频压缩算法。该算法通过拉格朗日方法,并结合四叉树划分,以获得DCT变换系数的最优Bandelet基,从而实现对变换系数的最佳稀疏表达,提高压缩比。仿真结果表明,本算法在保证视频质量不变的条件下,能够平均降低约8%的码流。（2）针对HEVC标准进行高清和超清视频的视频压缩时,计算复杂度大幅度增大的问题,本文提出了一种用于全I帧压缩模式的基于相关性的快速帧内预测的压缩算法和一种用于低延时压缩模式的混合编码框架的快速压缩算法。基于相关性的快速帧内预测的压缩算法利用当前编码单元和相邻单元的相关性去除小概率的预测深度,从而减少遍历预测深度的次数。同时通过建立帧内预测模式候选表,利用预测模式的相关性,提出了一种分层搜索的模式预测方法,从而减少遍历帧内预测模式的次数。仿真结果表明,该算法仅以损失约1.2%的视频质量为代价,减少了约34.2%的视频编码时间。混合编码框架的快速压缩算法结合了静态背景视频的特点,采用运动目标检测算法提取出背景区域和运动区域。运动区域采用已提出的快速帧内预测算法和标准的帧间预测方法,背景区域利用相邻帧的相关性进行帧内预测和帧间预测。仿真结果表明,改进的混合框架快速压缩算法也仅以损失约1.6%的视频质量为代价,减少了约44.6%的编码时间。同时本文利用运动目标检测算法提取的划分区域,采用不均等的量化阈值对不同区域进行视频压缩,以提升人们对感兴趣区域的高质量的视觉需求。（3）针对空间通信系统视频传输过程中数据包丢失或错误引起的失真的问题,本文利用极化码中每个比特通道的可靠度不同,提出了一种基于极化码的不均等差错保护算法。采用一种降维的搜索算法,实现近似最优的极化码构造,以提升极化码的性能。通过对不同重要程度的压缩数据采用可靠度不同的比特信道进行保护,以降低空间通信系统视频传输对视频失真的影响。仿真结果表明,在相同信道条件下与均等保护算法相比,能够获得更好的视频质量。
王叶斐[3]（2021）在《多模型联合优化的图像视频编码关键技术研究》文中研究指明随着如4K直播,远程会议,监控视频系统等应用的快速发展,图像视频数据量的爆炸式增长,海量图像视频数据的高效存储和传输给编码压缩技术带来前所未有的挑战。因此,探索更高效的图像视频压缩技术,进一步提升压缩的效率,是图像视频编码的根本目标。而编码问题本质是一个率失真优化问题。传统的编码方法主要采用了混合编码框架,这种方法依据图像处理以及计算机视觉的相关经验,通过人工设计算法如预测编码算法,变换编码算法,以及熵编码算法等一步步去除视频图像中的信息冗余,从而实现压缩。并在每一步通过多个不同压缩模式的优选来解率失真优化问题。但这种方法存在两个问题,一方面它首先高度依赖人工设计算法和参数调优,由于人工经验的局限性,在一些复杂或特殊场景下,算法的效率往往较低。另一方面不同模块的优化都是独立的,而没有考虑每个模块之间的联动,理论上会导致率失真优化处于局部最优。本文针对过去编码框架中多模型应用过程中存在的问题,首先研究在传统编码框架下的精准模型设计与多模型组合优选算法;然后将端到端压缩方法和传统框架结合,研究基于集成学习的端到端压缩算法;最后在此基础上将多模型编码代价也引入多模型训练,研究多模型率失真的联合优化。论文主要的研究工作与贡献如下:（1）本文针对传统编码框架下多模型精度差的问题,研究面向复杂场景的精准模型设计和多模型组合优化算法。对全景视频中存在的复杂运动畸变,首先从数学理论推导的角度设计一种基于球坐标变换的帧间预测运动模型,该运动模型可以更好刻画全景视频中的运动畸变。随后设计新运动模型的帧间编码算法,包括运动补偿算法和运动估计算法,并通过一些巧妙的方法简化算法并将其集成到现有编码框架。最后将新模型与现有框架中的多种运动模型相互融合,实现多运动模型的组合和快速优选算法。实验表明新运动模型和多模型组合优化方法可以有效提升帧间预测精度,提高对全景视频的压缩率,并降低解码复杂度。（2）本文针对传统编码框架中模块间无法联合优化问题,尝试进一步突破传统框架,将端到端网络压缩方法与传统框架相结合,并借助传统框架多模型优选的率失真优化方法的思想,解决端到端网络模型自适应差,复杂度高的问题,从而提出一种基于集成学习的端到端图像压缩框架。该框架采用分块自适应模型优选,本文为此框架的模型设计了多种模型生成算法,并采用如改进的提升方法,几何自集成等模型生成方法解决模型训练代价过高的问题,并同时保证模型的多样性。实验表明,基于集成学习的端到端图像压缩方法可以在不增加解码复杂度的情况下,有效提升压缩效率,反过来也可以在保证压缩效率情况下,减小解码复杂度。进一步的实验还证明了本文的方法具有良好的泛化能力。（3）本文针对多模型训练中并没有考虑多模型编码代价的问题,尝试将模型编码代价引入多模型训练,提出一种多模型率失真的联合优化方法,应用场景面向深度神经网络图像环路滤波。首先采用一种多模型联合训练的方法训练多个滤波网络,随后设计了一种在不同码率约束下控制模型的编码码率的方法。并通过基于退火的训练方法,解决模型训练中的坍缩问题。进一步地,设计了依据失真幅度的模型组优选+模型优选的两步优选方法,从而实现了比仅仅采用模型优选更优的率失真性能。在解码端通过图像块级自适应的两步模型优选,完成整个深度神经网络环路滤波的框架的构建。实验表明,该方法可以有效实现对多模型的编码码率控制,并且有效抑制模型坍缩,提高多模型深度神经网络滤波的率失真性能。
杜洋,范医鲁,曲新亮[4]（2020）在《基于计盒维数的小波分形四叉树医学图像编码研究》文中提出目的为解决传统方法匹配时间长、编码时间长的问题,提出一种改进的医学图像编码算法。方法将计盒维数引入到小波分形四叉树医学图像编码算法中,首先构造小波分形四叉树与匹配树,并分别计算盒维数值,按匹配树盒维数与小波分形四叉树盒维数的差值绝对值由小到大的顺序选取匹配树进行匹配计算。通过仿真实验对本文方法进行有效性评价。结果相比传统小波分形四叉树方法,本文算法明显减少了四叉树的匹配时间和编码时间（P<0.05）,仿真实验证明了本文方法的有效性。结论本文算法是一种有损的图像压缩方法,在某些对图像质量不苛求的情况下,本文算法是一种比较好的方法。
杜德[5]（2020）在《基于FLDCT-EZC的地形压缩绘制算法及优化》文中研究说明信息时代随着科学技术的快速发展,在3D游戏、城市规划、军事仿真等信息化领域,大规模地形实时绘制技术占有极其重要的作用。在地形绘制的过程中,海量地形数据的处理传输以及绘制的实时性对设备性能以及网络传输速率有较高的要求,但目前很多现有设备并不能很好的满足要求。因此,需要在数据处理阶段寻找一种压缩算法完成地形数据的压缩以及选择合适的优化绘制方案实现地形的大规模绘制,以此降低对设备和网速的要求,从而达到提升地形绘制速率的目的。本文在传统层式DCT算法及嵌入式零树编码算法的基础上,提出了一种快速层式DCT嵌入式零树编码压缩算法。同时结合LOD与GPU通用计算技术,利用GPU完成数据压缩后,根据视点与地形之间的距离,采用基于GPU的地形网格多分辨率绘制方案,实现大规模地形数据压缩解压及多分辨率地形模型的实时绘制。FLDCT-EZC压缩算法不仅具备小波变换和JPEG2000的优势,能够在数据变换之后直接生成切合人眼视觉感受的多分辨率特性的数据模型并且具有相对优异的压缩性能,而且改善了传统DCT的计算方法,采用了一种快速DCT计算方式,降低了对设备的要求和计算时间。同时能够很好的与LOD相结合,并利用GPU优秀的计算能力完成数据变换以及实现最后的地形绘制方案,整体上实现了对设备低要求、高压缩性能和高绘制效率的目标。主要工作具体如下:1、深入了解了一系列相关的图像压缩技术及编码方法,充分研究学习了传统层式DCT算法和嵌入式零树编码的算法流程及算法原理,同时采用了一种DCT的快速计算方法,并掌握了其快速算法的基本计算流程及原理,提出了一种FLDCT-EZC压缩算法。2、深入学习了地形模型构建的一系列方法以及实时绘制的相关技术,对经过FLDCT-EZC压缩算法处理后的地形数据,采用一种基于视点的动态LOD多分辨率地形绘制模型,根据视点与地形之间的距离,采用不同分辨率的地形模型,从而减少地形网格构建的复杂程度,从而加快地形构建的绘制速度。3、针对提出的结合FLDCT-EZC算法和基于视点的动态LOD算法实现地形的压缩绘制,采用一种基于GPU的大规模地形网格多分辨率模型构建方案,将原始图像数据通过GPU压缩之后,按照基于视点的调度方案将压缩后的地形数据直接调入GPU,使用GPU解压地形数据并完成地形网格构建。充分利用了GPU优秀的计算处理能力,优化了地形的构建方案,提高了绘制速率。
刘宇洋[6]（2020）在《视频编码率失真优化技术及其应用研究》文中研究说明作为视觉信息的载体,图像视频数据呈现出高分辨率、高维度的发展趋势,使得人们能够获得更加优质的视觉体验。尤其是近期人工智能的飞速发展,人们对智能化生活的需求日益迫切,以数据驱动的多媒体应用必然造成图像视频数据的爆炸式增长,进而带来巨大的数据存储压力和传输带宽需求,极大阻碍了多媒体应用的发展。为了满足多媒体应用的需求,国际标准组织先后发展了多代图像视频编码标准,不断提升图像视频的压缩效率。然而,随着高清、超高清视频及具有沉浸感的三维视频的普及,视频编码效率仍有待进一步提高。为了提升编码效率,大多视频编码技术以增加编码复杂度为代价,极大地降低了视频编码器的实用性。另外,现有视频编码工具大都针对传统图像视频数据格式设计,对于数据格式迥异的图像视频往往无法高效压缩。尤其是近年来逐渐兴起的光场图像数据,现有编码工具已无法取得良好的编码性能。最后,为了达到较高的压缩效率,视频压缩大都采用有损压缩的方式,从而造成不可恢复的压缩失真,对以内容分析为主体的多媒体应用造成难以预计的影响。本文从率失真优化及其应用的角度出发,开展视频编码优化方面的研究工作,主要创新及贡献如下:1.在视频编码变换过程中,可通过增加变换核数量的方式提升编码效率,但编码时间复杂度也随之增高。为了取得编码性能和编码时间复杂度之间更好的平衡,本文分析了最新发展的帧内预测方法,充分考虑了相邻帧内角度预测模式的夹角较小这一特点,从率失真优化角度阐述了帧内预测模式判决、变换核数量和编码时间复杂度三者的关系,提出了对偶互换机制,使得相邻帧内预测模式采用不同的水平和垂直变换核;根据帧内预测残差分布及变换核选择的统计实验结果设计了帧内预测模式依赖变换核查找表,结合对偶互换机制,提出了相邻帧内预测模式的变换核选择方法。实验结果表明,与视频编码参考软件JEM-7.0相比,虽然最新发展的自适应多核变换方法在亮度和色度分量上可分别取得3.38%、0.69%和0.75%的BD-rate节省,但编码时间增加了78%;本文所提算法在亮度分量和色度分量上可取得2.15%、2.55%和2.60%的BD-rate节省,在4K视频序列上,本文算法在亮度分量和色度分量上最高可取得3.97%、3.75%和4.59%的BD-rate节省,平均编码时间仅增加6%,能够在编码效率和编码时间复杂度之间取得更好的平衡。2.为了提升光场图像的压缩效率,本文采用基于伪视频序列的光场图像压缩框架,首先将光场图像转化为多幅子视点图像,然后将子视点图像按照一定的视点扫描顺序生成伪视频序列,最后利用现有视频编码器对伪视频序列进行压缩。在基于伪视频序列的光场图像压缩框架下,伪视频序列中编码帧的排序对编码性能起着至关重要的作用。本文充分考虑了编码过程中编码帧之间的时域依赖性,从视差和视点间的质量差异两点因素出发,提出了新的视点扫描方式,使得生成的伪视频序列中相邻帧之间具有更强的相关性。实验结果表明,与之字形排序方式相比,本文所提算法平均可达16.4%的BD-rate节省。为了进一步提升编码性能,将时域依赖率失真优化方法引入到编码过程中,同时提出了I帧的QP调节策略。实验结果表明,与之字形排序方式相比,改进算法平均可达21.8%的BD-rate节省。3.视频压缩失真会对目标检测性能造成影响,使得编码前后视频的检测结果不一致。本文首先将编码前后视频的检测差异定义为分析失真,然后将分析失真引入到编码的率失真优化过程中,使得在有限带宽限制下压缩失真和分析失真最小。获取分析失真需要反复多次编码并运行目标检测算法,为了避免该过程,本文提出了基于二次编码的优化方法,采用二次编码获得压缩失真,然后构建线性模型利用压缩失真对分析失真进行预测;通过大量统计实验拟合了分析失真和码率之间的函数关系,构建了率失准模型;最终通过求解拉格朗日乘子实现码率、压缩失真和分析失真的联合优化,有效降低了视频编码造成的分析失真。为了进一步降低编码时间复杂度,本文提出了基于一次编码的改进算法,利用时域层级间参考关系对高时域层的压缩失真进行预测,降低了编码时间。实验结果表明,与视频编码标准HEVC（High Efficient Video Coding）相比,本文所提的两种算法最高可降低40%的分析失真。
谷玉莹[7]（2019）在《改进的图像压缩与自恢复水印算法研究》文中研究指明互联网技术的飞速发展加快了数字产品的传播,但复杂的网络环境和多媒体本身的易操作性使得各种盗版、恶意攻击和非法篡改的现象越来越严重。上个世纪九十年代出现的数字水印技术是解决这一问题的一种有效手段,成为学术与产业界研究热点。目前,社会上各种以假乱真、恶意掩盖事实的现象越来越严重,非法篡改原始数字产品带来的信息误判甚至会导致严重的社会事故。为此,一些基于图像认证与恢复的水印算法被提出。本文针对现有自恢复水印算法中恢复图像质量低的问题进行了一些研究工作,具体如下:针对传统SPIHT压缩算法中解码图像质量低的问题,提出了一种基于遗传算法（Genetic Algorithm,GA）的SPIHT改进算法。传统SPIHT算法是基于比特平面的编码,是利用经典小波变换在图像压缩中的应用,从图像失真度出发提出的一种图像压缩算法,但其并未从不同图像自身特征出发选择合适的量化阈值,从而使得不同图像的解码质量并非最优。本文通过推理分析得知,失真是由对小波系数进行量化产生噪声导致的,每级编码都可以看作是阈值T对小波系数的量化,每级T受初始阈值T0的影响,因此,初始阈值T0直接影响到解码图像的质量。提出的改进算法利用GA全局搜索最优个体的功能在SPIHT进行编码之前对初始量化阈值进行优化,使得在给定输出码率的条件下,能够根据输入图像的特性自适应地选择最优初始阈值,让解码图像的失真得到降低。通过对纹理、亮度和对比度等各方面特征均不相同的图像进行测试,本文算法在解码图像质量方面表现良好。并与原SPIHT压缩算法进行了比较,实验数据表明,相较原SPIHT压缩算法,本文算法的解码图像质量更高。针对现有自恢复水印算法中高篡改率下图像恢复质量低的问题,提出了一种改进联合信源-通道编码（Joint Source-Channel Coding,JSCC）技术的自恢复水印算法。该算法首先通过分解因子对图像进行四叉树分解,并根据分解得到的块类进行位平面分层。每个位平面的大小是每个块类的像素数。然后,通过改进的SPIHT算法对原始图像进行压缩,根据位平面大小将SPIHT码流进行分段。为了防止源码信息在传输过程中遭到破坏,要对每个位平面进行不同的RS编码保护,获得相应分解因子的最佳分解结果。此外,改进的算法在重构图像时保留了含水印图像的最低有效位,这能使得图像在任意篡改率下的恢复质量得到进一步的提高。本文算法可以将更多有效位分配给具有高篡改容忍度（Tampering Tolerance Rate,TTR）的高层次位平面,同时,用于恢复原始图像的比特信息可以尽可能多地嵌入到宿主图像中。实验结果表明,相较原JSCC水印算法,本文改进算法在高篡改率下的恢复图像质量更高,体现了大面积篡改攻击下高质量恢复的有效性。
温洁[8]（2019）在《QRcode对图像及文字说明的存储技术研究》文中研究表明近几年来,二维码在货物买卖中承担着基础性作用,推动了货物交易的速度,获得效率上的优化。但是QRCode目前只用于对文本信息的存储,虽然QRCode能够存储文本信息,但是文本信息并没有图片信息形象、生动,比如库房、考勤系统的图像,用文字则不好表达。目前也缺乏相关QRcode对图像及文字说明的存储技术研究。因此,本文主要研究QR码对图像的直接存储,通过利用QRCode的高数据和高纠错能力,不依靠任何数据库,直接把图像及图像的文字说明存储到QRCode中,使得QRCode像一条纽带,把物品生命周期中各阶段发生的信息联接在一起,真正的提高工作效率。本文主要针对两种类型的图像,即:鉴别需求型图像和真彩需求型图像,分别采用不同的处理方式,并根据实际情况进行了优化研究。鉴别需求型图像是对图像进行线条提取的处理方式,该方式牺牲了图像的真彩性,适合指纹、人像等类型图像的处理;而真彩需求型图像则不适合牺牲其真彩性,利用保持图像真彩性的压缩技术,对图像进行压缩编码,在尽可能保持图像原始信息的基础上,压缩图像以满足二维码处理能力的要求。因此,本文主要对图像的线条提取和压缩编码两方面进行了算法的研究和优化,并根据实际情况开发出了相关的二维码apk,这样在手机安卓系统上实现了二维码图像存储的应用。针对本文算法实际的应用情况,主要在以下几个方面进行了具体的研究和优化:（1）对于本课题中涉及到的鉴别需求型图像,如人像,指纹图像等,可能图像中目标及周边的色调相对复杂,或者纹理线条很多、很复杂,传统的线条图像提取方法效果不够理想,针对传统方法提取线条图像遇到的问题,结合本文应用情况,提出将滤波修正和自商图像算法结合的方式来提取线条图像的算法优化方式。即:将带通滤波、低通滤波和自商图像算法相结合,通过修正参数的方法来对图像进行灰度特征的提取,提取到合适的灰度特征图像后再进行图像的二值化得到最终的线条图像。如此优化不仅可减轻光照对人脸图像的影响,而且可根据具体应用需求进行线条宽度调整,以适应各种复杂情况的出现。在满足压缩比的情况下,该方法可得到效果及优的线条图像。（2）对于真彩需求型图像所采用的压缩算法进行了优化。本文通过对编码单元模式划分复杂度过高问题的影响因素进行分析,提出基于深度学习的视频编码单元选择算法,该算法首先选择编码复杂度很高的块划分进行研究,主要针对超级块划分模式的选择进行了优化。提出应用深度学习中的全连接神经网络模型作为划分模型,输入特征向量为36个,输出是具体的块划分模式,训练方式选择离线训练。其次,为了进一步的简化模型结构同时提升分类器的性能,将对复杂度很高的四叉树递归划分方式进行优化,并根据具体的QP值和块大小来得到不同的结构,以便得到一个四层二分类模型。最后,通过对不同复杂视频图像应用简化版的四叉树进行测试,测试结果与原四叉树递归算法相比编码复杂度降低很多,编码复杂度平均降低比例高达77.84%,编码效率得到了很大的提升,也可以实现对静态图像压缩效率的改进。（3）根据实际情况进行了应用研究,首先,完成一般图片格式到Web P格式的转换,然后对Web P格式真彩型图像通过运用优化后的帧内预测算法进行压缩,将此算法封包、调用,实现对真彩需求型图像的二维码压缩编码;其次,通过对图像线条提取的算法优化,将优化后的算法程序进行封包、调用,实现对鉴别需求型图像的二维码压缩编码;最后,在安卓开发环境中,将压缩好的图像通过相关算法完成从图像到二维码的相互转化。优化各个组件,打包成apk,实现QRcode对不同类型图像的存储。最终通过开发出的二维码apk,实现在手机安卓系统上对二维码图像存储的应用。
李祥鹏[9]（2019）在《基于分形理论的快速图像压缩算法》文中指出图像压缩是实现图像高效存储和传输的关键技术。基于分形理论的图像压缩算法因其压缩比高、重构图像质量好以及解码与图像分辨率无关的特性而受到广泛关注。然而,分形图像压缩算法在编码过程中为值域块搜索最优匹配块的过程会消耗大量时间,这阻碍了分形编码技术的现实应用。本论文基于分形理论,提出两个改进的分形图像压缩算法,有效提高分形图像压缩算法的速度。第一个分形编码算法是基于迭代控制搜索策略的分形图像编码算法。现有的分形编码算法存在因定义域块的特征空间分布不均匀而导致的低效搜索或无效搜索问题。此外,它们采用的固定质量允许误差控制搜索策略,会导致图像解码质量上限受限的问题。针对这些问题,本文提出控制分形编码搜索过程中迭代函数系统的更新次数,提前结束匹配过程中的低效搜索部分。同时结合了使用特征标准差对值域块进行平滑块与粗糙块的划分技术、对定义域块自适应扩张的码本缩减技术,并在计算图像块相似度时提出等距采样图像降维操作进一步降低计算复杂度,有效加快编码进程。从实践来看,本文所提出的基于迭代控制搜索策略的分形图像编码算法是在损失一定图像解码质量的情况下所能达到的较佳编码加速方案。第二个分形编码算法是基于自适应阈值四叉树分块的分形图像编码算法。针对基本分形编码中固定分块尺寸的设置以及传统四叉树分块中固定阈值的设置,没有考虑不同输入图像的自身特性不同以及同一图像的不同区域特性不同的客观差异,本文提出了自适应阈值的四叉树分块方法,根据图像子块的均值和标准差,动态计算出图像子块的特有阈值,根据特有阈值判断是否对当前图像块进行分割。从实践来看,本文所提的基于自适应阈值的四叉树分块的分形图像编码算法在稍微增加编码时间的前提下有效地提高了解码质量,实现了编码时间和解码质量间更好的平衡。为验证本文所提出的新方法,本文对8幅512*512的常用标准灰度图像进行测试,通过计算编码时间（ET）和图像解码质量（PSNR）进行算法的性能评估。结果表明,对比现有的分形图像编码算法,在解码图像质量损失一定的前提下,本文算法具有更高效的编码速度和获得良好的图像解码质量。
唐婷婷[10]（2018）在《基于新特征与离散余弦变换的分形压缩图像编码》文中研究指明分形图像压缩具有解码速度快、压缩比高等特点,然而分形图像压缩编码具有编码耗时过长的问题。在保证图像重构量几乎不受影响的前提下,缩短图像编码时间成为本文需要讨论研究的课题中心。本文具体工作如下:（1）在特征向量法以及基本分形算法的基础上,先对图像块先进行处理,通过主成分分析（PCA）的方法对图像块进行降维,选取图像块中有效的向量信息作为主成分特征,实现降维分析-特征显示的目的。搜索匹配块时,采用领域搜索的方式,并且根据阈值来调节搜索领域的大小。提出基于主成分特征的的快速分形图像编码算法,由实验结果可得,该算法可在不影响图像质量的同时,可有效提高编码速度与相似度。（2）矩阵填充可以利用部分矩阵元素来有效恢复原矩阵,可以有效减少图像编码以及解码的时间。本文将矩阵填充与基于离散余弦变换的分形图像压缩相结合形成一种改进的算法,由实验结果可得,该算法能够缩短解码时间,相较于基本分形压缩算法,该算法有效改善图像质量的同时缩短了编码时间。（3）为了进一步减少编码时间,先将图像块先进行四叉树分割,然后按照一定的原则对值域块和定义域块进行分类。本文在基本分形算法以及离散余弦的理论基础上,提出了一种改进的四叉树分割的DCT分形压缩编码。并进行仿真实验,仿真实验表明,相对于一般基于DCT的分形压缩算法来说“块状效应”问题得到有效解决,图像特性较为明显,图像搜索时间更少,而且重构图像质量也有保证。
二、改进的四叉树图像压缩算法（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、改进的四叉树图像压缩算法（论文提纲范文）
（1）“分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 纹理图像压缩方法研究现状 |
| 1.2.2 三维场景数据存储及组织研究现状 |
| 1.2.3 三维模型可视化研究现状 |
| 1.3 研究内容及论文结构 |
| 第2章“分形视距”(FVD)模型理论及数学表示 |
| 2.1 FVD纹理压缩理论基础 |
| 2.1.1 仿射变换 |
| 2.1.2 度量空间 |
| 2.1.3 压缩映射定理 |
| 2.1.4 迭代函数系统 |
| 2.1.5 拼贴定理 |
| 2.2 基本分形压缩原理与实现 |
| 2.2.1 编码阶段 |
| 2.2.2 解码阶段 |
| 2.3 本章小结 |
| 第3章 FVD纹理压缩与彩色多边形纹理的组织方法 |
| 3.1 FVD多分辨率纹理生成 |
| 3.1.1 基于四叉树的分形纹理压缩 |
| 3.1.2 FVD多分辨率纹理解码 |
| 3.2 彩色多边形纹理的生成 |
| 3.2.1 纹理多边形分割 |
| 3.2.2 颜色纹理树的创建 |
| 3.3 纹理数据存储方法 |
| 3.3.1 数据库设计 |
| 3.3.2 纹理存储方式 |
| 3.4 本章小结 |
| 第4章 三维场景数据的动态调度机制 |
| 4.1 纹理映射算法 |
| 4.2 数据动态调度方法 |
| 4.2.1 视椎体纹理剔除算法 |
| 4.2.2 包围盒构建方法 |
| 4.2.3 基于AABB包围盒的视锥裁剪方法 |
| 4.2.4 纹理动态调度 |
| 4.3 本章小结 |
| 第5章 实验结果与分析 |
| 5.1 测区概况与实验数据 |
| 5.2 纹理预处理 |
| 5.2.1 创建FVD多分辨率纹理 |
| 5.2.2 生成彩色多边形纹理 |
| 5.3 三维模型动态可视化 |
| 5.4 实验对比分析 |
| 5.5 本章小节 |
| 第6章 结论与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 申请学位期间的研究成果及获奖情况 |
| 致谢 |
（2）基于HEVC的超高清视频压缩算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1 章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 HEVC视频压缩的研究现状 |
| 1.2.1 HEVC视频压缩算法的优化研究 |
| 1.2.2 视频传输的不均等差错保护技术研究 |
| 1.3 论文的主要工作和章节安排 |
| 第2 章 视频压缩及相关关键技术 |
| 2.1 视频压缩发展概述 |
| 2.2 HEVC视频压缩算法概述 |
| 2.2.1 四叉树划分 |
| 2.2.2 帧内预测技术 |
| 2.2.3 帧间预测技术 |
| 2.2.4 变换技术 |
| 2.2.5 量化技术 |
| 2.2.6 可分级视频编码 |
| 2.3 空间通信系统视频传输概述 |
| 2.4 实验与结果分析 |
| 2.5 本章小结 |
| 第3章 基于Bandelet变换的视频压缩算法 |
| 3.1 DCT变换 |
| 3.2 基于Bandelet变换的压缩算法 |
| 3.2.1 残差变换系数 |
| 3.2.2 Bandelet变换 |
| 3.2.3 算法流程 |
| 3.3 性能评估与分析 |
| 3.3.1 二次变换原理仿真验证与分析 |
| 3.3.2 基于Bandelet变换的压缩算法的仿真验证与分析 |
| 3.4 本章小结 |
| 第4 章 基于静态背景视频的压缩算法 |
| 4.1 基于静态背景视频的感兴趣区域的压缩算法 |
| 4.1.1 算法流程 |
| 4.1.2 系统实现和性能评估 |
| 4.2 基于静态背景视频的快速视频压缩算法 |
| 4.2.1 静态背景视频的相关性分析 |
| 4.2.2 快速视频压缩算法 |
| 4.2.2.1 基于相关性的快速帧内预测压缩算法 |
| 4.2.2.2 混合编码框架的快速压缩算法 |
| 4.3 性能评估与分析 |
| 4.3.1 快速帧内预测压缩算法的仿真验证与分析 |
| 4.3.2 混合编码框架快速压缩算法的仿真验证与分析 |
| 4.4 本章总结 |
| 第5 章 基于极化码的视频压缩不均等差错保护算法 |
| 5.1 极化码的编译码研究 |
| 5.1.1 信道极化现象和极化码编码 |
| 5.1.2 极化码译码 |
| 5.2 近似最优的极化码构造算法 |
| 5.2.1 信道模型 |
| 5.2.2 基于高斯近似的极化码构造 |
| 5.2.3 算法流程 |
| 5.3 基于极化码的不均等差错保护算法 |
| 5.3.1 失真模型分析 |
| 5.3.2 算法流程 |
| 5.4 性能评估与分析 |
| 5.4.1 近似最优的极化码构造算法的仿真验证与分析 |
| 5.4.2 基于极化码的不均等差错保护算法的仿真验证与分析 |
| 5.5 本章小结 |
| 第6 章 总结与展望 |
| 6.1 总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）多模型联合优化的图像视频编码关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 简介 |
| 1.1 研究背景和意义 |
| 1.2 研究历史与现状 |
| 1.3 论文主要工作和内容安排 |
| 第2章 视频图像编码与深度学习基础 |
| 2.1 图像与视频编码的概念与框架 |
| 2.2 传统图像视频编码框架 |
| 2.2.1 JPEG |
| 2.2.2 JPEG 2000 |
| 2.2.3 HEVC标准 |
| 2.3 深度学习编码 |
| 2.3.1 深度学习基础 |
| 2.3.2 深度学习编码 |
| 2.4 集成学习基础 |
| 2.4.1 提升法 |
| 2.4.2 装袋法 |
| 第3章 面向全景视频的多运动模型联合优化 |
| 3.1 全景视频压缩概述 |
| 3.1.1 全景视频压缩概述 |
| 3.1.2 现有方法 |
| 3.1.3 本章贡献 |
| 3.2 算法框架 |
| 3.3 基于球坐标变换的运动模型 |
| 3.3.1 经纬图投影格式与球坐标变换 |
| 3.3.2 球坐标变换运动模型的推导与构建 |
| 3.4 球坐标变换运动模型的帧间预测算法 |
| 3.4.1 运动补偿算法 |
| 3.4.2 运动估计算法 |
| 3.4.3 合并模式算法 |
| 3.5 组合优化加速算法 |
| 3.6 编码与语法设计 |
| 3.7 实验 |
| 3.7.1 实验配置 |
| 3.7.2 测试结果分析 |
| 3.7.3 实验总结 |
| 3.8 本章小结 |
| 第4章 基于集成学习的端到端图像压缩 |
| 4.1 端到端图像压缩概述 |
| 4.1.1 动机 |
| 4.1.2 现有方法 |
| 4.1.3 本章贡献 |
| 4.2 框架 |
| 4.3 基于改进提升法的多模型训练 |
| 4.3.1 模型的多样性 |
| 4.3.2 基于改进提升法的模型生成方法 |
| 4.4 几何自集成 |
| 4.5 四叉树块划分 |
| 4.6 多概率分布模型 |
| 4.7 集成融合和模式选择 |
| 4.8 实验 |
| 4.8.1 实验设置 |
| 4.8.2 总体性能 |
| 4.8.3 消融实验 |
| 4.8.4 简化模型实验 |
| 4.8.5 计算复杂度分析 |
| 4.8.6 讨论 |
| 4.8.7 实验总结 |
| 4.9 本章小结 |
| 第5章 多模型率失真联合优化的深度神经网络图像环路滤波 |
| 5.1 研究背景 |
| 5.1.1 动机 |
| 5.1.2 现有方法 |
| 5.1.3 本章贡献 |
| 5.2 框架 |
| 5.3 多模型联合训练方法 |
| 5.4 基于退火思想的模型训练 |
| 5.5 基于残差幅度块级自适应模型组优选 |
| 5.6 实验 |
| 5.6.1 实验设置 |
| 5.6.2 实验结果与分析 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（5）基于FLDCT-EZC的地形压缩绘制算法及优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容与组织结构 |
| 第二章 地形图像压缩绘制相关理论 |
| 2.1 图像数据压缩理论基础 |
| 2.1.1 图像压缩技术实现 |
| 2.1.2 图像压缩编码方法 |
| 2.1.3 图像压缩技术评价 |
| 2.2 离散余弦变换 |
| 2.2.1 一维DCT定义 |
| 2.2.2 二维DCT定义 |
| 2.3 地形绘制多分辨率模型 |
| 2.3.1 地形模型概念 |
| 2.3.2 多分辨率地形模型及分类 |
| 2.4 本章小结 |
| 第三章 结合FLDCT-EZC和动态LOD的地形压缩绘制算法 |
| 3.1 FLDCT-EZC压缩算法总述 |
| 3.2 层式DCT嵌入式零树编码算法原理 |
| 3.2.1 层式DCT原理 |
| 3.2.2 对抽样后的变换数据按照零树框架执行编码操作 |
| 3.3 快速DCT实现原理 |
| 3.3.1 快速DCT算法及流程图 |
| 3.3.2 无乘法的整数DCT的基本原理 |
| 3.3.3 无乘法的整数DCT快速算法实现流程 |
| 3.4 基于视点的动态LOD多分辨率地形绘制 |
| 3.4.1 地形分块策略 |
| 3.4.2 视景体裁剪 |
| 3.4.3 地形多分辨率等级选择 |
| 3.5 本章小结 |
| 第四章 基于GPU的压缩绘制算法的优化加速 |
| 4.1 GPU直接编程技术 |
| 4.1.1 GPU计算特性 |
| 4.1.2 基于GPU的通用计算 |
| 4.2 基于GPU的大规模地形快速绘制技术途径 |
| 4.2.1 基于GPU的大规模地形快速调度机制 |
| 4.2.2 基于GPU的大规模地形简化机制 |
| 4.3 基于GPU大规模地形快速绘制的一般流程 |
| 4.4 基于GPU构建地形数据多分辨率模型的方法 |
| 4.4.1 基于FLDCT-EZC数据压缩和多分辨率模型表示方法 |
| 4.4.2 基于GPU的地形数据多分辨率表示方法 |
| 4.5 本章小结 |
| 第五章 优化后的压缩绘制算法的实验结果分析 |
| 5.1 实验说明 |
| 5.2 压缩性能的比较 |
| 5.3 分块变换后渲染效果比较 |
| 5.4 本章小结 |
| 第六章 论文总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（6）视频编码率失真优化技术及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视频编码标准发展过程 |
| 1.2.2 视频变换编码研究现状 |
| 1.2.3 光场图像压缩研究现状 |
| 1.2.4 面向内容分析的视频编码 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 视频编码关键技术 |
| 2.1 混合编码框架 |
| 2.2 预测编码 |
| 2.2.1 编码单元 |
| 2.2.2 帧内预测 |
| 2.2.3 帧间预测 |
| 2.3 变换编码 |
| 2.3.1 变换单元 |
| 2.3.2 自适应多核变换 |
| 2.3.3 信号依赖变换 |
| 2.3.4 二次变换 |
| 2.4 视频编码中的误差度量 |
| 2.5 率失真优化 |
| 2.5.1 独立率失真优化 |
| 2.5.2 全局率失真优化 |
| 2.6 本章小结 |
| 第三章 低复杂度帧内多核变换 |
| 3.1 问题描述 |
| 3.2 相邻帧内预测模式下变换核对偶互换机制 |
| 3.3 相邻帧内预测模式变换核选择 |
| 3.3.1 模式依赖变换核选择 |
| 3.3.2 基于对偶互换机制的亮度分量变换核选择 |
| 3.3.3 色度分量变换核选择 |
| 3.4 实验结果 |
| 3.4.1 实验设置 |
| 3.4.2 对比方法描述 |
| 3.4.3 算法性能对比 |
| 3.5 本章小结 |
| 第四章 基于伪视频序列的光场图像压缩 |
| 4.1 光场表示与数据采集 |
| 4.1.1 光场表示 |
| 4.1.2 光场数据采集 |
| 4.1.3 光场图像数据 |
| 4.2 基于伪视频序列的光场图像压缩 |
| 4.2.1 子视点扫描方式设计 |
| 4.2.2 算法流程 |
| 4.3 算法改进 |
| 4.3.1 时域传播链 |
| 4.3.2 拉格朗日乘子求解 |
| 4.3.3 量化参数调节 |
| 4.3.4 算法流程 |
| 4.4 实验结果 |
| 4.4.1 实验数据 |
| 4.4.2 对比算法 |
| 4.4.3 算法性能对比 |
| 4.4.4 讨论与分析 |
| 4.5 本章小结 |
| 第五章 面向目标检测的视频编码优化 |
| 5.1 问题的提出 |
| 5.2 分析失真度量 |
| 5.3 率失准优化 |
| 5.3.1 率失准模型构建 |
| 5.3.2 率失准优化问题求解 |
| 5.4 基于二次编码的优化方法 |
| 5.4.1 分析失真估计 |
| 5.4.2 加权因子估计 |
| 5.4.3 率失准模型参数估计 |
| 5.4.4 算法流程 |
| 5.5 基于一次编码的优化方法 |
| 5.5.1 压缩失真预测 |
| 5.5.2 量化参数自适应调节 |
| 5.5.3 基于一次编码的算法流程 |
| 5.6 实验结果 |
| 5.6.1 实验数据 |
| 5.6.2 算法性能对比 |
| 5.6.3 讨论与分析 |
| 5.7 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（7）改进的图像压缩与自恢复水印算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 2 数字水印技术理论 |
| 2.1 信息隐藏 |
| 2.2 数字水印概况 |
| 2.3 数字水印模型及基本算法 |
| 2.4 数字水印系统性能评估 |
| 2.5 本章小结 |
| 3 基于遗传算法的SPIHT压缩算法 |
| 3.1 传统的SPIHT编码算法 |
| 3.2 改进的SPIHT算法 |
| 3.3 改进算法仿真实验 |
| 3.4 本章小结 |
| 4 改进的信源-通道编码图像自恢复水印算法 |
| 4.1 相关技术 |
| 4.2 改进的算法模型 |
| 4.3 算法过程 |
| 4.4 仿真实验结果与分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 论文工作的总结 |
| 5.2 未来工作的展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
| 学位论文数据集 |
（8）QRcode对图像及文字说明的存储技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外的研究现状及分析 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 QRcode对图像存储研究的理论基础 |
| 2.1 QRcode的生成 |
| 2.1.1 QRCode的特点 |
| 2.1.2 QRCode的符号结构 |
| 2.2 WebP图像压缩编码框架 |
| 2.2.1 WebP图像简介 |
| 2.2.2 WebP图像压缩编码框架 |
| 2.2.3 WebP图像分割技术 |
| 2.3 传统的线条图像提取方法简介 |
| 2.3.1 图像的预处理 |
| 2.3.2 图像的边缘检测及边缘轮廓提取 |
| 2.4 本章小结 |
| 第三章 基于参数修正的滤波及自商算法线条图像提取 |
| 3.1 图像在频域上的处理 |
| 3.1.1 Fourier理论 |
| 3.1.2 频率滤波简介 |
| 3.2 自商图像算法 |
| 3.2.1 算法概述 |
| 3.2.2 算法在线条图像提取中存在的问题 |
| 3.3 传统的线条图像提取方法 |
| 3.4 基于滤波及自商算法线条图像提取 |
| 3.4.1 线条图像提取要求 |
| 3.4.2 算法的需求分析及基本思想 |
| 3.4.3 算法的具体实现步骤 |
| 3.5 实现结果及分析 |
| 3.6 本章小结 |
| 第四章 基于WebP格式图像压缩算法的编码优化 |
| 4.1 WebP图像编码技术 |
| 4.1.1 图像预测编码技术 |
| 4.1.2 图像的变换、量化编码技术 |
| 4.1.3 图像压缩算法的环路滤波及熵编码技术 |
| 4.1.4 JPEG及 Web P压缩比系统的测试结果 |
| 4.2 帧内预测编码优化说明 |
| 4.3 编码块特征向量提取 |
| 4.3.1 编码单元模式划分影响因素分析 |
| 4.3.2 输入特征向量的选择和提取 |
| 4.4 样本的预处理 |
| 4.5 全连接网络模型及设计 |
| 4.5.1 ANN概述 |
| 4.5.2 全连接网络算法及建模 |
| 4.6 基于全连接网络的编码单元模式选择优化 |
| 4.6.1 编码模型的简化 |
| 4.6.2 编码单元划分结果预测 |
| 4.7 实验结果及分析 |
| 4.8 本章小结 |
| 第五章 QRcode编解码及apk应用实现 |
| 5.1 编码原理 |
| 5.1.1 编码流程 |
| 5.1.2 数据编码及相关信息写入 |
| 5.2 QR码的解码 |
| 5.2.1 图像采集及图像预处理模块设计 |
| 5.2.2 数据解码模块的设计 |
| 5.3 二维码apk的应用开发过程 |
| 5.3.1 安卓系统概述 |
| 5.3.2 图像的二维码存储技术研究路线图 |
| 5.3.3 apk的开发流程图 |
| 5.4 二维码图像存储应用的结果展示 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（9）基于分形理论的快速图像压缩算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩算法本质与分类 |
| 1.3 分形产生和定义 |
| 1.4 基于分形理论的图像编码的发展现状 |
| 1.5 图像压缩算法性能评估 |
| 1.6 内容安排 |
| 第二章 分形图像编码理论相关介绍 |
| 2.1 基于分形理论编码的基本概念 |
| 2.1.1 仿射变换 |
| 2.1.2 度量空间 |
| 2.1.3 压缩映射定理 |
| 2.1.4 迭代函数系统,不动点定理,拼贴定理 |
| 2.2 基本分形算法的实现 |
| 2.2.1 引言 |
| 2.2.2 局部迭代函数系统 |
| 2.2.3 基本分形编码 |
| 2.2.4 实验分析 |
| 2.3 本章小结 |
| 第三章 基于迭代控制搜索策略的分形图像编码 |
| 3.1 引言 |
| 3.2 缩减值域池规模 |
| 3.3 更换相似度衡量方式 |
| 3.3.1 相关系数理论基础 |
| 3.3.2 等距采样图像降维 |
| 3.4 更换搜索策略 |
| 3.4.1 缩减码本空间 |
| 3.4.2 迭代控制搜索策略 |
| 3.5 算法编码/解码具体步骤 |
| 3.6 实验分析 |
| 3.7 本章小结 |
| 第四章 基于自适应阈值四叉树分块的分形图像编码 |
| 4.1 引言 |
| 4.2 固定阈值四叉树分块方法 |
| 4.3 自适应阈值四叉树分块方法 |
| 4.4 具体编码/解码步骤 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）基于新特征与离散余弦变换的分形压缩图像编码（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题研究国内外背景 |
| 1.2 分形理论形成 |
| 1.3 分形图像压缩编码的简述 |
| 1.3.1 图像压缩原理 |
| 1.3.2 分形图像压缩研究现状 |
| 第二章 基本分形图像图像压缩编码 |
| 2.1 分形编码基本理论 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 基本分形图像压缩编码过程 |
| 2.3 特征向量法简介 |
| 2.4 本章小结 |
| 第三章 基于主成分特征的快速分形图像压缩编码 |
| 3.1 算法理论基础 |
| 3.1.1 主成分特征的概念 |
| 3.1.2 可行性证明 |
| 3.2 算法分析与实现 |
| 3.3 实验仿真结果 |
| 3.4 本章小结 |
| 第四章 基于矩阵填充DCT分形图像压缩编码 |
| 4.1 理论基础 |
| 4.1.1 离散余弦变换基础 |
| 4.1.2 矩阵填充理论 |
| 4.2 算法分析与实现 |
| 4.3 实验仿真结果 |
| 4.4 本章小结 |
| 第五章 基于改进四叉树分割的DCT分形图像编码 |
| 5.1 理论基础 |
| 5.1.1 四叉树分割 |
| 5.1.2 改进分割方法 |
| 5.1.3 C_(lass)分类原理 |
| 5.2 算法分析与实现 |
| 5.3 实验仿真结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
四、改进的四叉树图像压缩算法（论文参考文献）
- [1]“分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法[D]. 包馨. 桂林理工大学, 2021(01)
- [2]基于HEVC的超高清视频压缩算法研究[D]. 孙海超. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [3]多模型联合优化的图像视频编码关键技术研究[D]. 王叶斐. 中国科学技术大学, 2021(09)
- [4]基于计盒维数的小波分形四叉树医学图像编码研究[J]. 杜洋,范医鲁,曲新亮. 中国医疗设备, 2020(10)
- [5]基于FLDCT-EZC的地形压缩绘制算法及优化[D]. 杜德. 太原理工大学, 2020(07)
- [6]视频编码率失真优化技术及其应用研究[D]. 刘宇洋. 电子科技大学, 2020(07)
- [7]改进的图像压缩与自恢复水印算法研究[D]. 谷玉莹. 山东科技大学, 2019(05)
- [8]QRcode对图像及文字说明的存储技术研究[D]. 温洁. 河北工业大学, 2019(06)
- [9]基于分形理论的快速图像压缩算法[D]. 李祥鹏. 华南理工大学, 2019(06)
- [10]基于新特征与离散余弦变换的分形压缩图像编码[D]. 唐婷婷. 南京邮电大学, 2018(02)