一、基于形态学膨胀操作的小波图像比率可分级编码研究（论文文献综述）
朱志恒[1]（2021）在《多尺度形态学手掌识别系统建模与实现》文中研究指明当今社会,大数据、云计算、5G通信等技术快速发展与应用,网络信息化、智能化程度越来越高,对个人身份进行快速识别的技术层出不穷。手掌作为人体固有属性的生物特征,以其良好的稳定唯一性,成为生物特征识别技术领域中主要研究对象。手掌识别技术能够很好地克服传统身份识别技术易破解与易复制等缺点,是近年来发展迅速的前沿学科。它主要涵盖人工智能、视频与掌纹图像处理、模式识别与智能系统等多个研究领域。已引起当今学术界、国家政府、企事业单位等部门的高度重视,具有较好的发展潜力和广阔的应用前景。手掌图像主要是由人体手掌内面的表皮层、以及主要的脊线、皱线和纹线等构成。它具有丰富的纹理特征信息、高度稳定和持续可靠等优点,在多尺度形态学手掌识别系统中,具有比较典型的多样性特点。它的尺度选择与手掌识别技术密切相关,民用领域的手掌图像一般分辨率相对较低,其采集设备性价比高,用户接受性好,便于进行市场开拓与推广。手掌识别是利用手掌图像上的有效感兴趣区域,从中提取手掌图像的纹理、轮廓、大小、比例等特征信息,根据这些特征信息与手掌纹理特征数据库进行相似度验证,从而达到身份识别的目的。如果手掌特征信息与特殊领域的专业数据库进行信息交互检索,结合中医手诊理论的手掌纹理数据库,可以根据手掌纹理特性诊断并预测身体健康情况。手掌识别系统的性能取决于完善的系统架构、强悍的硬件支撑、高效的软件算法、安全的加密技术等多个方面。本文主要提出了一种建立基于物联网技术下的手掌识别系统模型,并提出了设计算法,对多尺度形态学手掌识别系统算法的建模与实现进行分析。该系统融合了物联网技术、多尺度分析、特征融合、数字形态学、多尺度形态学等技术。本文结合多尺度分析对手掌图像进行增强,识别算法主要结合尺度函数、小波函数、轮廓波与小波变换等进行分析识别,对离散域滤波器进行构造,迭代定向滤波器组进行多尺度多方向的手掌图像分解。形态学手掌图像处理,通过结构、时域、频域、子空间、统计学等特征提取方法。结合数学形态学、二值形态学、边缘形态学等,在不同的尺度下,进行形态学特征提取形成特征向量,进行形态学的系统建模。
李艳超[2]（2012）在《基于分割区域的图像压缩方法研究》文中研究指明图像压缩编码在图像处理领域中占据重要地位．随着技术的进步，人们对图像压缩算法在压缩比和重建图像质量方面的要求越来越高．基于分割区域的图像压缩编码首先进行图像分割，进而根据每一个分割区域的感兴趣程度分别进行压缩编码，适应人们越来越高的需求．本文首先介绍了一些常见的图像分割和图像压缩方法．小波理论在图像压缩领域具有非常重要的位置，本文对小波理论基本知识进行了详细的阐述．基于分割区域的图像压缩首先涉及到图像分割，本文首先研究了基于形态学理论的分水岭分割算法，对于分割区域采用基于小波变换的形态学膨胀算法进行压缩编码．具体的研究工作包括以下方面：由于图像中存在过多的局部极小点和噪声点，使得分水岭分割算法产生过分割现象，本文将分水岭算法与区域生长算法结合提出一种新颖的图像分割算法．目前评价图像分割结果好坏的准则很多，分割区域内部均匀性和相邻区域间对比度是常见的评价标准，但是分割结果中区域内部均匀性越好区域间对比度就越差，反之亦然，香农熵可以度量对象蕴含的信息量的多少，好的分割结果表明分割区域蕴含的信息多，本文使用香农熵将分割区域内部均匀性和区域间对比度统一起来，得到一种新颖的度量分割结果好坏的准则．传统的小波变换用于矩形区域，本文提出一种变换规则使得小波变换可以用于不规则区域，并且各个不规则区域的变换域系数位置互不重叠．将各分割区域变换域叠加得到矩形变换域，研究矩形变换域的特点，提出一种适合于分割区域压缩编码的形态学膨胀编码算法．
石云,曾中伟,汪丽丽,张素文[3]（2010）在《基于形态学的嵌入式零树小波图像编码算法》文中指出针对连续存在的零树根的现象,提出了一种改进的嵌入零树小波图像编码（embedded zerotree waveletsimage coding,EZW）映射算法,对于子孙均为次要系数的重要系数,用新的标志位代替其子孙中大量连续出现的零树根,对标志位采用哈夫曼编码,再将编码后的标志位比特流与幅值量化得到的比特流组合进行游程编码。针对小波系数成簇分布的特点,首先提取重要系数,然后采用形态学膨胀操作保留其边缘和纹理信息。实验结果表明,新算法极大地减少了零树根的数量,节省了扫描时间,在不影响重构图像质量的同时提高了压缩比和编码效率。
刘男,王相海[4]（2008）在《最小二乘拟合与形态学膨胀的图像数率可分级编码算法》文中研究指明本文提出一种基于最小二乘的线性拟合和形态学膨胀操作的小波域图像数率可分级编码算法,该算法利用图像小波变换子带中的零树结构系数间的对应关系,利用最小二乘线性拟合方法通过对父亲系数和间接后代系数的线性拟合确定直接后代的重要系数,同时通过对重要系数进行数学形态学的膨胀操作,形成重要系数的聚簇,从而降低重要系数位置的同步信息,来提高图像的编码效率。实验结果表明,在低码率下,解码后的图像较EZW和MRWD具有更好的峰值信噪比。
李爱霞[5]（2008）在《数字图像混合压缩编码算法的研究》文中研究指明图像压缩编码技术是现代多媒体及通信领域中的关键技术之一。目前图像编码方法的种类繁多,每一种编码方法都存在着各自的优缺点。为了取得更好的编码效果,将不同的方法相结合的数字图像混合压缩编码算法成为近几年研究的重点。本文综述了当前主流的混合压缩编码算法的原理以及实现方法。深入剖析了两类混合图像编码算法:基于DCT系数小波重组的图像编码算法和基于形态学的新型图像编码方法。强调指出,重组后的DCT系数具有小波系数多分辨率特性。前一类混合算法综合了DCT和零树编码的各自优点,具有很高的实用价值。后一类混合算法应用形态学方法,直接对小波子带的重要系数进行编码,能进一步降低计算复杂度。论文提出了基于形态学的DCT系数重组的图像编码（MR-DCT）的改进算法。改进之处主要包括:针对DCT重组系数各子带的不同特点,对最低频子带进行了单独编码,采用了失真较小的DPCM方法,而对其它子带则采用了不同的结构元素进行形态学膨胀操作,这样能更好地利用不同子带系数分布的特点。实验结果表明,本文提出的改进算法不仅优于JPEG和EZ-DCT,而且重建后的Lena和Goldhill图像的峰值信噪比分别高出MR-DCT算法0.15-0.30dB和0.18-0.40dB。且本文算法对于纹理较复杂的图像更为有效。
张晓波[6]（2007）在《面向基于对象编码的视频分割研究》文中指出新一代的多媒体数据压缩国际标准MPEG-4采用基于对象的编码方式,不仅能够得到高压缩比,而且能够实现基于对象的交互功能。视频序列的基于对象的表征,将原始视频转化为更抽象更紧凑的形式,使得更高层的视频分析与理解成为可能,是从视频处理到视频分析的关键。视频对象分割是基于对象编码和表征的前提,具有重要的理论意义和应用价值。本文在对国内外视频分割领域深入分析的基础上,从时空信息相结合的视频分割方案和基于对象跟踪的视频分割方案两方面展开了深入研究,提出了四种视频分割算法,在此基础上实现了一套完整的基于对象的视频压缩系统,取得了高压缩比。具体工作如下:提出一种基于高阶矩检测和最大树滤波的时空分割算法,首先使用高阶矩变化检测的方法进行图像中运动对象的定位,接着使用对称差分法消除覆盖/显露的背景,然后最大树滤波方法对图像简化,之后使用分水岭算法空间分割,最后时域分割向空域分割投影,根据一定准则融合时空分割结果。提出一种将形态学分水岭算法应用于动态图像的分割处理,精确提取视频对象的封闭轮廓的方法。使用运动边缘匹配法得到对象的粗轮廓,用它构造前景/背景标识,重构分水岭分割的梯度,使用彩色多尺度梯度修正的分水岭变换,得到封闭的视频对象轮廓,能够检测新出现的运动对象和现有对象的消失。提出一种自适应分级的支持向量机分类方法解决对象分割跟踪问题,克服了传统的基于运动分割算法的固有缺陷。描述像素属性的特征向量由局部特征和邻域特征共同组成。使用自适应分级的支持向量机二叉树分类器决策前景和背景。提出一种基于块仿射优势分类和HD跟踪的视频分割方法,分为运动对象检测、Hausdorff距离对象跟踪、模型更新、分水岭视频对象提取四个阶段。首先结合基于块的仿射运动方法和优势运动分类方法两者的优点,能够提取初始的运动对象,将视频对象运动分为慢变和快变两部分,分别进行跟踪,使用帧差图像的运动边缘图检测的方法来捕获最新运动的部分,使用具有容错能力的局部Hausdorff距离跟踪对象的位移和轮廓变化。最后,研究了基于对象的视频编码结构,实现了基于对象的编码系统,利用提取的视频对象进行基于对象的编码实验,实验结果不仅取得了高压缩比（358倍左右）和可接受的解码图像质量,更为重要的是实现了视频内容的基于对象的存取。
杨富森[7]（2007）在《基于数学形态学的小波域视频压缩算法研究》文中研究说明随着视频通信产品和需求的不断升级，视频编码技术成为多媒体通信发展的重要瓶颈。现有的存储介质和网络带宽条件给视频压缩编码提出了新的挑战。因此，如何更有效地对视频数据进行编码压缩至关重要，也是研究的热点。小波分析具有良好的时域和频域同时局部化的分析能力，能够有效地捕捉到视频图像的非平稳信息而获得更高的压缩比。另外在小波域中能容易地进行多分辨率运动估计和运动补偿，同传统的空间域运动估计相比可节省大量的匹配搜索时间。数学形态学在图像的边缘检测、视频对象分割方面有着独特的优势，计算简单便于硬件实现，可以配合小波变换来提高编码效率。本文针对甚低比特下视频图像传输的特点，采用基于对象的视频图像分割思想，分别对对象和背景进行多分辨率下的小波域运动估计。在深入研究了基于数学形态学的视频对象提取和小波域的运动估计算法的基础上，提出了新的改进算法，主要有以下三个方面：首先提出了一种基于分水岭分割与马尔可夫随机场（MRF）分类的视频对象提取算法。利用形态学中分水岭分割的方法，将视频图像分割出不同的区域，并采用基于MRF的遗传递减方法将对象与背景分割开，然后利用腐蚀和膨胀方法提取视频对象轮廓，进而分割出视频对象；其次在视频对象分割的基础上，提出了一种基于视频对象区域的SPIHT算法，即VOP-SPIHT编码算法。首先进行对象区域小波的分解，然后对小波系数进行空间树的集合分裂，对小波显着系数簇优先编码和传输，通过分级编码来提高压缩比和传输效率；接着改进了小波域运动估计算法，提出了一种多分辨率下基于小波匹配误差的运动估计算法。该算法基于PDE（Partial Distortion Elimination），利用多分辨率特性和小波匹配误差特性，加快了搜索匹配的速度。最后对提出算法进行实验，得出了比较好的结果。对全文进行了总结，并探讨了小波与数学形态学在视频编码中进一步研究的展望，直接将数学形态学应用于小波系数的编码会成为提高压缩比的另一个有效途径。
王琪[8]（2003）在《基于小波变换的嵌入式图像编码方法研究》文中认为小波分析是当前应用数学和工程学科中一个迅速发展的新领域，由于小波变换的多分辨率特性非常适于图像压缩，产生了许多很有意义的编码器。其中嵌入式编码是一种新的编码方式，它可以提供某种程度上的可伸缩性，也就是随着接收比特的增多，渐进的恢复图像。嵌入式编码可以应用于网络、无线传输，图像浏览，特别适合于容易发生误差的环境。为了满足目标比特率或者误差要求，通过监视编码的一些参数，嵌入式的编码器可以在任何一点终止编码。同样解码器可以在任何一点截断比特流，重构图像。本文针对小波变换后的系数特点，开发了小波系数的多重相关性，提出两种很有意义的嵌入式编码器。 本文的主要工作内容有： 通过分析小波变换的思想来源，短时Fourier变换的缺陷研究了连续小波变换和离散小波变换。另一方面从多分辨率分析入手推导了用于图像处理的Mallat算法，并从滤波器组的角度构造了正交小波基和双正交小波基。 针对图像压缩这个具体应用给出小波基的选择依据，以及在尽可能好的重构原始图像的要求下，小波变换应当采用的处理方式。通过实验分析了小波变换后系数的分布特点，以量的形式给出小波系数的符号相关性、子带内、子带间的相关性等多种相关性的强弱，为以后的压缩提供先验知识、指导编码。 小波系数的符号间有一定的相关性，使用基于上下文内容的符号编码去除小波系数的符号间的冗余。由于LL子带占据变换系数的大部分能量，提出一种基于邻域系数的梯度的预测编码单独编码LL子带。对高频子带采用自适应的游程编码处理，提出一种二进制描述游程的嵌入式图像编码算法（BDRL）。 为了获得更好的压缩性能，提出一种基于灰度结构元膨胀的形态学分类的嵌入式图像压缩算法（MCGSD）。在对现有的小波编码器对系数的分类方法的分析下，通过灰度结构元的形态学膨胀运算对小波系数进行更细的聚类分析，按照重要性的不同以分数比特平面的形式输出系数，通过零树结构开发带间相关性。利用编码产生的信息获得每次膨胀的种子系数，避免形态学膨胀的盲目性。 本文的创新点是： ● 提出对预测后的LL子带系数的幅度和符号的编码分离单独编码，可以应用到现有的一些小波图像编码器中，提高其性能； ● 提出将游程值按照二进制的形式用3个模型的算术编码实现自适应的编码，可以应用到任何现有的采用游程编码的编、解码器中；以此为基础，提出一种二进制描述游程的嵌入式图像编码算法，可以实现图像的渐进传输，任意截断等功能； ● 提出利用灰度的结构元进行形态学膨胀，对小波系数分类更细致，对于不同的聚类产生不同的重要性，利于以后的分数比特平面编码； ● 提出将已经编码的LL子带进一步分解，作为先验信息获得初始膨胀运摘要 算的种子系数;利用极重要系数的带内和带间膨胀获得当前比特平面膨 胀的种子系数;避免了形态学膨胀运算前对于种子系数的盲目性。 .在清除过程使用零树结构开发带间相关性，改进了传统的基于形态学处 理算法的带间处理方法: .提出一种基于灰度结构元膨胀形态学分类的嵌入式图像编码算法，同样 可以实现图像的渐进传输，任意截断等功能。 在许多改进和创新下，提出的两种嵌入式图像压缩算法相比于各种流行的小波编码器，取得了很好的性能，有了较大的突破。与一些流行的性能优秀的小波编码器相比，对于文中的一些测试图像，在各个比特率时MCGSD的效果都是最好的，峰值信噪比（PSNR）值都是最高的。而另一种算法BDRL虽然编码性能不如MCGSD，但是由于在整个编码的过程中没有进行太多的分数比特平面编码，没有任何来回扫描图像的步骤，所以与目前的嵌入式小波编码器相比，复杂度是最低的，可以应用于对复杂度要求严格的环境。其PSNR值与流行的小波编码器相比，性能相当，某些比特率时甚至超过许多流行的小波编码器。
王相海,张福炎[9]（2002）在《基于形态学膨胀操作的小波图像比率可分级编码研究》文中指出图像渐进传输、图像数据库浏览等多分辨率环境下的多媒体应用导致了图像比率可分级性编码算法的产生 ,比如嵌入式零树小波图像编码方法 （EZW） .Servett等人给出了一种基于形态学方法的图像编码方法（MRWD） ,该方法根据图像小波分解后各子带中重要系数的聚类特性 ,利用数学形态学中的膨胀算子直接对各子带中的重要系数进行检测、提取和编码 ,取得了优于 EZW的编码效果 .然而 ,该方法还存在着一些值得改进的地方 .该文在分析和改进 MRWD方法的基础上 ,提出一种基于形态学方法的小波图像比率可分级编码的新方法 ,该方法的主要思想如下 :（1）针对小波图像分解的不同层次子带 ,采用了不同的结构元素来实现各子带重要系数的膨胀操作 ;（2 ）对剩余空间的重要系数 ,根据其在不同分解层次上的分布情况 ,采用了直接提取和膨胀操作相结合的编码方法 ;（3）根据小波图像分解最低频子带的特殊性 ,对其进行了单独处理 ;（4）采用了逐次逼近的量化模式 ,使生成的嵌入式码流具有比率可分级的特性 .该方法除了具有 EZW方法的优点外 ,在一定程度上克服了 MRWD方法的不足 ,取得了较好的效果 .试验结果验证了方法的有效性
王相海[10]（2006）在《图像可分级编码研究进展》文中研究说明图像渐进传输、多质量服务以及图像数据库浏览等多分辨率环境下的多媒体应用导致了图像可分级编码思想的产生。本文首先对图像可分级编码的概念进行了解释,然后对JPEG和JPEG-2000中的图像可分级情况进行了讨论,并以实现图像可分级编码的工具和方法为线索,对基于小波、DCT和匹配追踪（m atch ing pursu it）的图像可分级编码的发展情况进行了分析和讨论,同时对3类可分级编码技术进行了比较,并对其发展趋向和在视频可分级编码中的推广情况进行了讨论。最后对图像编码技术的发展方向进行了展望。
二、基于形态学膨胀操作的小波图像比率可分级编码研究（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、基于形态学膨胀操作的小波图像比率可分级编码研究（论文提纲范文）
（1）多尺度形态学手掌识别系统建模与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 手掌研究背景与意义 |
| 1.1.1 手掌研究背景 |
| 1.1.2 手掌研究意义和应用价值 |
| 1.2 手掌研究国内外现状 |
| 1.2.1 手掌图像的采集 |
| 1.2.2 手掌图像的预处理 |
| 1.2.3 手掌图像特征提取 |
| 1.3 研究的创新点 |
| 1.4 主要内容与结构安排 |
| 第2章 基于IoT架构的手掌识别系统建模 |
| 2.1 手掌纹理采集与分析装置设计 |
| 2.2 手掌识别系统开发平台 |
| 2.3 试验与测试 |
| 2.4 本章小结 |
| 第3章 多尺度手掌图像分析 |
| 3.1 轮廓波变换与小波变换 |
| 3.2 多尺度特征融合算法分析 |
| 3.3 手掌图像多尺度分析 |
| 3.3.1 构造离散域滤波器 |
| 3.3.2 拉普拉斯金字塔框架 |
| 3.3.3 迭代定向滤波器组 |
| 3.3.4 多尺度和方向分解:离散轮廓波变换 |
| 3.4 本章小结 |
| 第4章 形态学手掌图像识别研究 |
| 4.1 手掌图像形态学变换处理基本原理 |
| 4.1.1 数学形态学手掌图像处理 |
| 4.1.2 手掌图像形态学处理 |
| 4.2 手掌图像的自适应数学形态学分析 |
| 4.2.1 自适应数学形态学基本原理 |
| 4.2.2 数学形态学自适应边缘连接算法 |
| 4.3 手掌图像多尺度形态学边缘分析 |
| 4.4 本章小结 |
| 第5章 多尺度形态学手掌识别算法实现 |
| 5.1 算法设计 |
| 5.1.1 多尺度手掌图像细节增强 |
| 5.1.2 手掌图像ROI预处理 |
| 5.1.3 特征提取与构造特征向量 |
| 5.2 试验过程 |
| 5.2.1 手掌图像数据库选取 |
| 5.2.2 示例图像纹理特征提取 |
| 5.2.3 被识别测试图像纹理特征与识别 |
| 5.3 实验结论 |
| 5.4 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 |
| 攻读学位期间获得与学位论文相关的科研成果目录 |
| 致谢 |
（2）基于分割区域的图像压缩方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 图像压缩的背景及意义 |
| 1.2 一般图像压缩方法综述 |
| 1.3 基于分割区域的图像压缩的背景及意义 |
| 1.4 基于分割区域的图像压缩现状综述 |
| 1.4.1 图像分割方法综述 |
| 1.4.2 图像分割区域编码常用方法 |
| 1.4.3 分割区域形状编码 |
| 1.5 图像压缩方法评价 |
| 1.6 本文的研究内容和创新点 |
| 1.7 本文的结构安排 |
| 第2章 小波变换及数学形态学基本知识 |
| 2.1 连续小波变换 |
| 2.2 离散小波变换 |
| 2.3 小波变换的多分辨分析和 MALLAT 算法 |
| 2.4 MALLAT 算法实现中的问题 |
| 2.5 基于小波变换的图像压缩算法 |
| 2.5.1 嵌入式零树编码（EZW）算法 |
| 2.5.2 分级树中的集合分裂方法（SPIHT） |
| 2.6 数学形态学基本理论 |
| 2.6.1 结构元素 |
| 2.6.2 形态学腐蚀 |
| 2.6.3 形态学膨胀 |
| 2.7 本章小结 |
| 第3章 结合香农熵和区域生长的改进分水岭分割方法 |
| 3.1 分水岭算法及已有的改进分水岭算法 |
| 3.1.1 分水岭算法 |
| 3.1.2 已有的分水岭改进算法 |
| 3.2 区域生长 |
| 3.3 结合分水岭和区域生长的新的分割算法 |
| 3.4 常见的图像分割评价方法 |
| 3.4.1 区域间对比度 |
| 3.4.2 区域内部均匀性 |
| 3.4.3 形状测度 |
| 3.5 图像分割结果熵评判准则 |
| 3.5.1 香农熵 |
| 3.5.2 新的熵评判准则 |
| 3.6 结合粒子群的改进分水岭分割算法 |
| 3.6.1 粒子群优化算法 |
| 3.6.2 结合粒子群的分割算法 |
| 3.6.3 后处理 |
| 3.7 实验结果与分析 |
| 3.7.1 参数分析 |
| 3.7.2 实验结果与分析 |
| 3.8 本章小节 |
| 第4章 基于小波和形态学的分割区域图像压缩编码算法 |
| 4.1 分割区域形状编码 |
| 4.2 新颖的不规则区域小波变换算法 |
| 4.3 MRWD 编码算法 |
| 4.4 分割区域的改进形态学膨胀编码算法 |
| 4.4.1 分割区域变换域统计特性分析 |
| 4.4.2 分割区域的形态学膨胀编码算法 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士期间发表的论文及取得的科研成果 |
| 致谢 |
（3）基于形态学的嵌入式零树小波图像编码算法（论文提纲范文）
| 1 EZW算法 |
| 2 形态学膨胀操作 |
| 3 改进的EZW映射算法 |
| 4 实验结果与分析 |
| 5 结论 |
（4）最小二乘拟合与形态学膨胀的图像数率可分级编码算法（论文提纲范文）
| 1. 引言 |
| 2. 图像零树系数的最小二乘拟合 |
| 3. 重要系数簇的形成 |
| 4. 本文的图像数率可分级编码方案 |
| 4.1 总体过程 |
| 4.2 算法的过程描述 |
| 4.3 算法的具体步骤 |
| 5. 实验与分析 |
| 6. 结束语 |
（5）数字图像混合压缩编码算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 图像编码技术研究的背景和意义 |
| 1.2 图像编码算法的概述 |
| 1.3 图像压缩质量的评价标准 |
| 1.3.1 主观评价标准 |
| 1.3.2 客观评价标准 |
| 1.4 本课题的研究内容及章节安排 |
| 第二章 混合图像压缩算法 |
| 2.1 基于DCT变换的混合图像编码 |
| 2.1.1 基于DCT变换的分形图像编码 |
| 2.1.2 基于预测编码和DCT相结合的图像编码 |
| 2.2 基于小波域的混合图像编码 |
| 2.2.1 基于小波域的分形图像编码 |
| 2.2.2 小波变换和神经网络相结合的混合编码 |
| 2.3 其它类型的混合图像编码方法 |
| 2.3.1 基于遗传算法的图像分形压缩编码 |
| 2.3.2 基于神经网络的图像分形压缩编码 |
| 2.4 混合编码在视频图像编码中的应用 |
| 第三章 DCT系数小波重组 |
| 3.1 传统的DCT变换编码 |
| 3.1.1 离散余弦变换DCT |
| 3.1.2 传统的DCT图像编码方法 |
| 3.2 基于小波变换的图像编码 |
| 3.2.1 离散小波变换DWT |
| 3.2.2 基于小波变换的图像编码方法研究 |
| 3.3 DCT系数小波重组 |
| 3.3.1 DCT与小波系数的特点 |
| 3.3.2 DCT系数小波重组的方法 |
| 3.4 基于DCT系数小波重组的图像编码方法 |
| 3.4.1 基于DCT的图像层次编码 |
| 3.4.2 基于DCT的图像可分级编码 |
| 3.5 本章小结 |
| 第四章 基于形态学的图像编码算法 |
| 4.1 数学形态学与图像处理 |
| 4.1.1 形态学的基本概念与运算 |
| 4.1.2 形态学在图像处理中的应用 |
| 4.2 基于形态学的小波变换编码 |
| 4.2.1 基于形态学的小波编码结构 |
| 4.2.2 基于形态学的小波编码方法 |
| 4.3 基于形态学的DCT系数小波重组图像编码 |
| 4.3.1 基于DCT的形态学 |
| 4.3.2 基于形态学的DCT系数编码方法分析 |
| 4.3.3 基于形态学的DCT系数图像编码方法 |
| 4.4 基于形态学的DCT系数小波重组图像编码的改进算法 |
| 4.5 实验结果与分析 |
| 4.5.1 混合图像编码方法的实验结果与分析 |
| 4.5.2 基于形态学的图像编码方法的实验结果与分析 |
| 4.6 本章小结 |
| 第五章 结束语 |
| 5.1 本文的总结 |
| 5.2 未来的展望 |
| 致谢 |
| 参考文献 |
| 在读期间研究成果 |
（6）面向基于对象编码的视频分割研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 视频压缩的重要性 |
| 1.1.2 视频编码的发展历程 |
| 1.1.3 本课题的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于运动的分割 |
| 1.2.2 时空结合的分割 |
| 1.2.3 帧间匹配跟踪法 |
| 1.2.4 各类视频分割技术的评价 |
| 1.3 论文的主要工作 |
| 1.4 论文的主要创新点 |
| 1.5 章节安排 |
| 第二章 视频分割理论基础 |
| 2.1 运动分析 |
| 2.1.1 真实运动与表征运动 |
| 2.1.2 参数模型 |
| 2.1.3 非参数模型 |
| 2.2 变化检测 |
| 2.3 小波变换 |
| 2.3.1 小波分析理论 |
| 2.3.2 基于小波变换的视频分割 |
| 2.4 形态学空域滤波 |
| 2.4.1 二值图像形态学 |
| 2.4.2 灰度图像形态学 |
| 2.4.3 形态学边缘检测 |
| 2.4.4 形态学关联算子 |
| 2.5 边缘检测 |
| 2.6 对象跟踪 |
| 2.6.1 Snake模型 |
| 2.6.2 Kalman滤波模型 |
| 2.6.3 Hausdorff跟踪 |
| 2.6.4 二维网格跟踪 |
| 2.7 本章小结 |
| 第三章 基于时空信息的视频分割 |
| 3.1 基于高阶矩检测和最大树滤波的时空分割算法 |
| 3.1.1 预处理 |
| 3.1.2 高阶矩特征检测运动区域 |
| 3.1.3 基于最大树滤波的形态学空间分割 |
| 3.1.4 时空分割融合 |
| 3.1.5 实验结果 |
| 3.2 融合时域分割的分水岭视频分割方法 |
| 3.2.1 算法概述 |
| 3.2.2 基于边缘的运动检测 |
| 3.2.3 融合时空信息的修正分水岭 |
| 3.2.4 实验与分析 |
| 3.3 本章小结 |
| 第四章 基于跟踪的视频分割方法 |
| 4.1 基于支持向量机的视频跟踪方法 |
| 4.1.1 支持向量机原理 |
| 4.1.2 基于SVM的分割跟踪算法 |
| 4.1.3 实验结果 |
| 4.2 基于块仿射优势分类和HD跟踪的视频分割方法 |
| 4.2.1 运动对象检测 |
| 4.2.2 基于Hausforff距离的对象跟踪 |
| 4.2.3 模型更新 |
| 4.2.4 修正分水岭提取VOP |
| 4.2.5 实验与分析 |
| 4.3 四个算法的综合评价 |
| 4.4 本章小结 |
| 第五章 基于对象的视频编码研究 |
| 5.1 MPEG-4 标准的基于对象压缩功能 |
| 5.1.1 传统编码与基于对象编码的统一 |
| 5.1.2 MPEG-4 数据结构 |
| 5.1.3 基于对象编码方案 |
| 5.2 基于对象编码系统的实现与实验结果 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 前景展望 |
| 参考文献 |
| 攻读博士期间发表的论文 |
| 致谢 |
（7）基于数学形态学的小波域视频压缩算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 视频压缩编码的研究现状及国际标准 |
| 1.2.1 视频压缩编码的研究现状 |
| 1.2.2 视频编码国际标准 |
| 1.3 课题研究的目的与意义 |
| 1.4 本文的主要工作 |
| 1.5 文章结构安排 |
| 第2章 视频压缩编码的基本原理与方法 |
| 2.1 视频压缩编码的必要性 |
| 2.2 视频压缩编码的基本原理 |
| 2.2.1 预测编码 |
| 2.2.2 变换编码 |
| 2.2.3 第二代编码方法 |
| 2.3 视频压缩编码的关键技术 |
| 2.3.1 运动估计与运动补偿 |
| 2.3.2 量化与熵编码 |
| 2.4 视频压缩编码的新技术 |
| 2.4.1 基于区域和对象的视频编码 |
| 2.4.2 可分级视频编码 |
| 2.4.3 多重描述编码 |
| 2.5 本章小结 |
| 第3章 小波与数学形态学方法论在视频压缩编码中的运用 |
| 3.1 引言 |
| 3.2 小波视频图像压缩的特性 |
| 3.3 基于小波的视频压缩编码研究现状 |
| 3.4 基于小波域的运动估计 |
| 3.5 数学形态学理论及形态学图像处理 |
| 3.5.1 引言 |
| 3.5.2 数学形态学基本概念及方法论 |
| 3.5.3 形态学图像处理 |
| 3.6 本章小结 |
| 第4章 基于数学形态学的视频对象分割 |
| 4.1 引言 |
| 4.2 基于分水岭方法的图像分割与区域合并 |
| 4.3 基于 MRF 的图像区域分类 |
| 4.4 基于数学形态学的视频对象提取 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 第5章 基于视频对象的小波域视频图像编码 |
| 5.1 引言 |
| 5.2 基于视频对象分割的 VOP-SPIHT 的视频编码算法 |
| 5.2.1 SPIHT 算法 |
| 5.2.2 VOP-SPIHT 算法 |
| 5.3 基于小波匹配误差特性的运动估计与补偿 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 进一步研究工作展望 |
| 参考文献 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 致谢 |
（8）基于小波变换的嵌入式图像编码方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 概论 |
| 1.1 图像编码压缩的意义 |
| 1.2 嵌入式图像编码 |
| 1.2.1 质量伸缩性 |
| 1.2.2 空域伸缩性 |
| 1.2.3 嵌入式编码的框架 |
| 1.3 小波分析及小波编码技术 |
| 1.4 论文主要内容 |
| 第二章 小波分析理论基础 |
| 2.1 小波分析的思想来源 |
| 2.1.1 Fourier变换的缺陷 |
| 2.1.2 短时Fourier变换 |
| 2.1.3 短时Fourier变换的缺陷以及小波变换的引入 |
| 2.2 小波变换 |
| 2.2.1 连续小波变换 |
| 2.2.2 连续小波变换的离散化和小波级数 |
| 2.2.3 小波的分类 |
| 2.3 多分辨率分析和Mallat算法 |
| 2.3.1 多分辨率分析 |
| 2.3.2 Mallat算法 |
| 2.4 小波基的构造 |
| 2.4.1 正交小波基 |
| 2.4.2 双正交小波基 |
| 2.5 信号的离散小波变换 |
| 第三章 用于图像压缩的小波变换研究 |
| 3.1 小波基的选择 |
| 3.1.1 线性相位 |
| 3.1.2 正则性 |
| 3.1.3 消失矩 |
| 3.1.4 紧支性 |
| 3.1.5 振铃效应 |
| 3.2 边界延拓 |
| 3.2.1 补零延拓 |
| 3.2.2 周期延拓 |
| 3.2.3 对称延拓 |
| 3.2.4 点对称延拓 |
| 3.2.5 边界滤波器 |
| 3.3 小波分解／重构级数 |
| 3.4 小波变换系数的特点 |
| 3.4.1 空频局部化特性 |
| 3.4.2 方向选择特性 |
| 3.4.3 频域能量聚集性和能量衰减性 |
| 3.4.4 高频系数的统计特性 |
| 3.4.5 高频系数的空间聚集特性 |
| 3.4.6 子带间系数的相似性 |
| 3.5 小波域系数的相关性 |
| 3.5.1 符号相关性 |
| 3.5.2 幅度相关性 |
| 第四章 二进制描述游程的嵌入式图像编码 |
| 4.1 图像的渐进传输和逐次逼近量化 |
| 4.2 基于上下文内容的符号编码 |
| 4.3 LL子带的基于邻域梯度的预测编码 |
| 4.3.1 预测编码 |
| 4.3.2 改进的MPEG-4VTC预测编码 |
| 4.3.3 LL子带编码的实验结果与分析 |
| 4.4 高频系数的游程编码 |
| 4.4.1 重要性检查过程 |
| 4.4.2 基于二进制描述的自适应游程编码(BDRL) |
| 4.4.3 幅度优化过程 |
| 4.5 实验结果与分析 |
| 4.5.1 实验结果 |
| 4.5.2 复杂性分析 |
| 第五章 基于灰度结构元膨胀的形态学分类的嵌入式图像压缩 |
| 5.1 小波系数的信息分类及利用方法 |
| 5.1.1 基于结构的象素分类 |
| 5.1.2 基于上下文内容的自适应编码 |
| 5.2 形态学基本知识 |
| 5.2.1 数学形态学的基本定义 |
| 5.2.2 二值图像的二值膨胀运算 |
| 5.2.3 二值图像的灰度膨胀运算 |
| 5.3 基于形态学分类象素的基本内容 |
| 5.3.1 结构元模板的双重作用 |
| 5.3.2 指导编码的先验知识 |
| 5.3.3 分数比特平面编码 |
| 5.3.4 渐进的重要性更新 |
| 5.4 基于灰度结构元膨胀的形态学分类算法描述 |
| 5.4.1 算法框图 |
| 5.5 实验结果与分析 |
| 5.5.1 实验结果 |
| 5.5.2 复杂性分析 |
| 第六章 总结 |
| 6.1 总结 |
| 6.2 应进一步研究的问题 |
| 参考文献 |
| 攻读博士期间已发表论文和在审论文 |
（10）图像可分级编码研究进展（论文提纲范文）
| 1 引 言 |
| 2 图像可分级编码的基本概念 |
| 3 JPEG和JPEG-2000中的可分级编码 |
| 3.1 JPEG中的图像可分级编码分析 |
| (1) JPEG中的数率可分级编码 |
| (2) JPEG中的空间分辨率可分级编码 |
| 3.2 JPEG-2000中的ROI可分级编码分析 |
| 4 基于小波的图像可分级编码 |
| 4.1 空间可分级编码 |
| 4.2 数率可分级编码 |
| 4.3 空间和数率混合可分级编码 |
| 5 基于DCT的图像可分级编码 |
| 6 基于MP (matching pursuit匹配追踪) 的图像可分级编码 |
| 7 3类图像可分级编码技术的比较 |
| 7.1 基于DCT的图像可分级编码与基于小波的图像可分级编码的比较 |
| 7.2 基于MP的图像可分级编码与基于小波的图像可分级编码的比较 |
| 7.3 3类图像可分级编码技术的发展趋向 |
| 8 图像编码技术发展展望 |
四、基于形态学膨胀操作的小波图像比率可分级编码研究（论文参考文献）
- [1]多尺度形态学手掌识别系统建模与实现[D]. 朱志恒. 信阳师范学院, 2021(09)
- [2]基于分割区域的图像压缩方法研究[D]. 李艳超. 哈尔滨工程大学, 2012(03)
- [3]基于形态学的嵌入式零树小波图像编码算法[J]. 石云,曾中伟,汪丽丽,张素文. 武汉理工大学学报(信息与管理工程版), 2010(03)
- [4]最小二乘拟合与形态学膨胀的图像数率可分级编码算法[J]. 刘男,王相海. 电脑与电信, 2008(12)
- [5]数字图像混合压缩编码算法的研究[D]. 李爱霞. 西安电子科技大学, 2008(01)
- [6]面向基于对象编码的视频分割研究[D]. 张晓波. 天津大学, 2007(04)
- [7]基于数学形态学的小波域视频压缩算法研究[D]. 杨富森. 武汉理工大学, 2007(05)
- [8]基于小波变换的嵌入式图像编码方法研究[D]. 王琪. 西北工业大学, 2003(02)
- [9]基于形态学膨胀操作的小波图像比率可分级编码研究[J]. 王相海,张福炎. 计算机学报, 2002(01)
- [10]图像可分级编码研究进展[J]. 王相海. 中国图象图形学报, 2006(08)