基于平方加权质心特征的快速分形图像压缩编码

分形图像压缩利用自身图像具有的相似性，结合压缩仿射变换减少图像数据的冗余来实现图像数据的压缩，具有压缩比高、恢复简单的特点。然而，分形图像压缩编码也具有编码时间长、计算复杂的缺点。为了解决上述的缺点，提出了基于平方加权质心特征的快速分形图像压缩编码算法，利用平方加权质心特征可以将基本分形图像压缩编码过程中的全局搜索转化为局部搜索，限定搜索范围，减少码本数量，在巨大图像信息量传输和存储过程中，在一定程度上缩短了编码时间。将平方加权质心特征快速分形图像压缩编码算法和双交叉和算法、改进叉迹算法、规范五点和算法进行比较，仿真结果表明，所提算法在恢复质量可接受情况下，编码时间具有巨大优势。     

基于自适应搜索的绝对矩块截断编码的图像压缩

针对现有的固定大小的绝对矩块截断后图像质量不高的问题，提出了基于自适应搜索的压缩算法。首先根据中值确定范围搜索出图像中心阈值，使得图像中心阈值最能代表图像基本内容；然后根据图像中心阈值分段搜索出上下中心，这样在图像块中所有像素与上下中心距离偏差之和最小。该算法确定的上下中心与理想的上下中心一致，与绝对矩块截断编码（Absolute Moment Block Truncation Coding，AMBTC）算法的峰值信噪比最佳值相同，同时耗时较少，可以做到实时处理。仿真结果表明，提出的自适应搜索算法能够较好地提升图像的质量，同时复杂度较低。     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点。针对现有的高光谱图像数据量大和压缩所需运算量大的问题，提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法。首先利用最大相关度频段聚类算法(MCBC)将频段聚类，接着将每一类频段用PCA压缩，然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类，最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码。在不同的压缩比下进行实验，结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下，大幅度降低运算复杂度，实现高光谱图像的快速压缩。     

采用双网络结构的压缩视频超分辨率重建

在实际应用中，为了节省带宽和方便存储，图像和视频通常被下采样和压缩，而降质的图像与视频无法满足人们的实际需求。针对这一问题，采用了一种双网络结构的超分辨率重建方法，首先建立下采视频与压缩后的低分辨率视频的映射关系，然后建立质量增强的压缩视频与原始视频的映射关系，最终在输出端可以得到质量提升的视频帧。在网络中，采用密集残差块来提取压缩视频中丰富的局部分层特征，并结合全局残差学习恢复视频中的高频信息。在压缩环节，采用高性能视频编码来验证所提算法的有效性。实验结果表明，相比于主流的视频编码标准和先进的超分辨率重建算法，所提方法能有效提升编码视频的率失真性能。     

基于拓扑结构的图像拼接算法

针对加速稳健特征（SURF）算法匹配特征点对较多，造成拼接精度低、计算量大的缺点，结合网络拓扑学理论提出了一种剔除误匹配的SURF改进拼接算法。算法定义并采用连通矩阵得到特征点的拓扑结构，将两幅图像的连通矩阵做异或运算得到判断矩阵，多次迭代剔除特征点集合中错误匹配点和匹配度较低的点，得到拓扑结构完全相同的特征点集合，有效减少了匹配特征点对的数量，提高了特征点对的匹配正确率。根据最终的特征点集合计算变换矩阵完成两幅图像的拼接处理。对比实验结果表明，针对同一组图像进行拼接处理，所提算法的特征点匹配正确率较SURF算法提高了28.28%以上；对于小分辨率图像拼接，耗时基本保持一致；对于大分辨率图像拼接，所提算法耗时大大减少。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息，从而影响图像的重构效果问题，提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计，通过对块稀疏度进行估算初始化阶段长，运用块矩阵与残差信号最匹配原则来选取支撑块，再运用自适应迭代计算实现对块稀疏信号的重构，较好地解决了浪费存储资源和计算量大的问题。实验结果表明，相比常用压缩感知方法，所提算法能明显减少运算时间，且能有效提高图像重构效果。     

空间差异度量约束的图像修复

针对传统算法在图像修复时选取最佳块匹配准则的单一性和随机性的问题,提出了一种空间差异度量约束的图像修复方法。该算法利用等照度线确定待修复块的优先级,根据空间差异度量约束的最佳块匹配准则搜索与该待修复块最匹配的样本块,采用最佳匹配块的信息更新优先级最高的待修复块的信息以修复其缺失像素信息。实验结果表明,与传统算法相比,所提算法能有效提高图像修复的主客观质量,对三种类型的信息缺失均取得了较好的修复效果。     

使用变换域编码技术压缩SAR原始数据

首先分析了在合成孔径雷达（SAR）原始数据中通常使用的块自适应量化（BAQ）算法，然后在此基础上详细讨论了两种基于块自适应量化的变换域编码算法，即基于快速傅里叶变换块自适应量化（FFT-BAQ）和基于小波变换块自适应量化（WT-BAQ），并对这两种算法压缩得到数据解压缩获得图像与块自适应量化得到的图像进行分析比较，结果显示变换域编码技术能改善SAR原始数据压缩性能。     

基于空谱特性的高光谱图像压缩感知重构

针对现有的高光谱图像压缩感知重构算法对图像的空谱特性利用不够充分,导致重构图像质量不够高的问题,提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方案。编码端以频段聚类方式将高光谱图像的所有频段分成参考频段和普通频段,对不同频段单独采用不同精度分块压缩感知以获取高光谱数据。在解码端,参考频段直接采用稀疏度自适应匹配追踪(SAMP)算法重构,对于普通频段,则设计了一种优化谱间预测结合SAMP算法的新模型进行重构：首先通过重构的参考频段双向预测普通频段,并对其进行压缩投影,然后计算预测前后普通频段投影值的残差,最后利用SAMP算法重构该残差,以此修正预测值。实验表明,相比同类算法,该算法充分考虑了高光谱图像的空谱特性,有效改善了重构图像质量,且编码复杂度低,易于硬件实现。     

一种基于区域搜索的全局运动估计与补偿算法

开展全局运动估计与补偿研究是进行动态目标检测中的基础和前提。在总结现有运动估计与补偿方法的基础上,提出一种基于图像分割区域的运动性和大小的全局运动估计与补偿算法。首先,通过建立区域搜索的全局运动模型,同时进行区域定性分割和区域大小排序;然后,根据误差最小化准则在指定的分割区域中进行线性递归搜索,利用门限准则寻找出最佳的运动估计参数;最后,根据双线性内插法获得运动位移量。实验结果比较可知,所提算法较三步搜索算法(TSS)和全局搜索算法(FSA)等传统算法具有更高的准确性(图像平移帧差)和实时性(算法运行时间),能够很好地实现运动背景的全局校正。