一、基于分类的小波域分形图像编码方法（论文文献综述）
曹健[1]（2020）在《分形理论在图像压缩及图像检索中的应用研究》文中指出分形图像压缩编码作为近年来热门的研究领域,在保证了高压缩比的同时具有较高的重建图像质量。然而,基本分形压缩编码在构造灰度匹配时需要从海量的虚拟码本中进行选择,造成了编码耗时较长的问题。因此,为平衡编码时间,重建图像质量和压缩比三者之间的关系,本文以提高重建图像质量与编码速度为核心,针对目前分形编码算法中存在的问题展开研究,主要的研究工作包括:（1）针对一些结构相似性较差的图像,提出一种基于图像纹理的正交稀疏分形图像压缩编码。通过引入稀疏分解和正交分形编码的思想来提出一种正交稀疏灰度变换,提高图像的重建质量。同时,对于灰度匹配阶段计算复杂度较高的问题,根据图像块的方差特征,定义Range块池和虚拟码本池的方差特征向量构造相似性度量矩阵来减少冗余和编码时间。本算法相比基本分形图像压缩编码算法的编码质量大大提高,相比其他基于稀疏分解的算法编码效果也有所增加,较好地处理了纹理复杂的图像。（2）借助小波域分形图像编码,提出一种基于小波变换的快速稀疏分形图像编码算法。结合小波系数稀疏性较强的特点,引入稀疏分解的思想对小波域分形算法上的灰度变换进行改进。然后,通过提取图像块的偏度和峰度作为特征向量来进行相似性计算,从而减少了虚拟码本中的冗余来达到降低计算复杂度的目的。实验结果表明,在前一章算法的基础上进行推广,新算法的性能更优,达到了预期效果。（3）针对分形图像压缩编码在图像分割时易损失内在结构信息这一弊端,借助张量的Tucker分解方法来改善,提出了一种基于块稀疏张量的分形图像压缩编码算法。将待编码Range块池和虚拟码本池视为高阶张量,然后根据图像纹理特征训练具有块稀疏特性的虚拟码本池,最后将张量Tucker分解与分形编码相结合进行灰度匹配。仿真实验表明,新算法在获得较高压缩率的同时既可以得到较好的重建图像质量,也大大加快了图像编码的速度,具有广阔的应用前景。
刘娟花[2]（2019）在《多尺度数据融合算法及其应用研究》文中研究指明分别在多个尺度上对多个传感器的信息进行融合,不仅可获得比单个传感器更优的性能,而且与单尺度上的融合相比,多尺度数据融合能更好地刻画出目标的本质特性。MEMS陀螺是一种可以测量角速度的传感器,具有很多吸引人的优点。但噪声大,准确度不高也是不争的事实。于是如何去除MEMS陀螺仪中的噪声,并提高其精度就成为近年来的研究热点。对多MEMS陀螺应用多尺度数据融合算法,可以显着提高系统的精度及可靠性。本文证明了前人提出的多尺度数据融合算法的有效性,设计了 一种新的多尺度融合算法,讨论了多尺度数据融合中的重要技术问题,并通过对多个MEMS陀螺的融合应用,经仿真和硬件实验验证了本文多尺度融合算法的优越性。主要创新点和工作如下:1.从小波分析理论出发,证明了平稳和非平稳情况下的数据融合定理。从数学上解释了多尺度数据融合算法优于经典加权算法的原理,为该算法的推广应用奠定了数学基础。2.结合小波域多尺度数据融合算法的原理、具体步骤及存在问题等,设计了基于小波包的多尺度数据融合算法,并用实测数据通过仿真实验,比较了小波多尺度数据融合和小波包多尺度数据融合。3.分析了多MEMS陀螺数据融合中的小波基、分解层数、加权因子等的选择方法,通过仿真实验验证了其可行性。4.比较了基于时间序列分析、基于小波去噪和基于小波变换的多尺度融合这三种融合方法不同方面的性能。另外,还比较了多尺度融合和前向线性预测（Forward Linear Prediction,FLP）融合方法,结果均表明本文所提出的多尺度融合方法的独特性和有效性。将上述研究成果应用于我们设计并制作的一套多MEMS陀螺仪数据融合实时处理系统平台中,对4个MEMS陀螺仪所采集的原始数据进行实时处理。分别在静态和动态环境下对该集成系统进行了测试,实验结果表明:该系统运行稳定可靠,将MEMS陀螺的精度提高了 1个量级。本文的研究工作不仅为有关多尺度融合系统的分析奠定了理论基础,还为算法的推广应用提供了实验依据。
杨丽[3]（2014）在《小波域分形图像编码及其在GPU上的快速实现》文中提出随着信息技术的发展,图像和视频成为了人们生活中信息交流的主要载体。然而,原始图像具有庞大的数据量,给存储、传输及通信等实际应用带来了很多不便。因此图像压缩作为通信及多媒体领域中的一项关键技术,具有重要的现实意义和广阔的发展前景。由于传统的压缩算法存在压缩率比较低、解码图像质量较差等缺点,迫切需要新型的图像压缩技术。分形图像压缩方法注重发掘图像的自相似性,把看起来非常复杂的图像,采用几条简单的迭代规则,就可实现图像的编码；解码时,使用这几条规则进行有限迭代,即可重构图像,达到很高的压缩比。而小波分析,是一种信号的时间-尺度（时间-频率）分析方法,具有多分辨率分析的特点,在时频两域都具有表征信号局部特征的能力,并且小波变换还能去除图像的全局相关性,具有人的视觉特性。所以,把分形理论和小波变换编码技术向结合,不仅发挥分形图像压缩的高压缩比的优势,还弥补了其编码时间过长和块状效应明显的缺点。为了进一步提高编码效率,本文试图利用GPU（Graphic Processing Unit）高性能计算架构CUDA来实现小波域内分形图像压缩编码,这更缩短了编码时间,提高了编码效率。本文主要研究工作如下：首先简要介绍了图像压缩相关知识,然后研究了空域分形图像压缩,研究结果表明：空域分形图像压缩在保证图像质量的基础上,达到了很高的压缩比,但其编码时间过长,块状效应明显。为了改善上述算法,本文着重研究了小波域内分形图像压缩。编程实现了小波分形（wavelet-fractal）图像编码,实验结果表明,通过这种结合,发挥了两种算法的优势,有效的缩短了编码时间并且避免了空域分形的块效应。为了进一步提高编码效率,本文提出了使用GPU对编码进行加速的方案。在CUDA规范下,使用GPU并行地对图像中所有待编码的子树同时进行最优父树搜索。实验结果表明,该编码方法在保持原有算法图像解码质量的前提下,可将编码时间缩短至毫秒级,大大提高了压缩算法的执行效率。
杨海涛[4]（2012）在《基于分形和小波的数字水印及其在图档安全传输中的研究》文中提出在全球一体化的网络环境下，信息交换的便利产生了信息安全的诸多隐患，其重要性也与日俱增，传统密码学已经满足不了当前信息安全越来越多样化和复杂化的要求。信息隐藏可以利用载体信号中存在的冗余来隐藏秘密信号，并且不影响载体信号的正常使用，因而可以有效提高传输系统的安全性和可靠性。本文在研究信息隐藏和数字水印的基础上，结合现有的秘密信息传输系统，提出了基于分形和小波的图档安全传输系统。该系统主要包括秘密图像预处理模块、隐藏模块和提取模块等，能够保证秘密图像传输的安全性。首先，在研究小波域数字水印的基础上，提出了一种使用JND和零树编码的小波域彩色图像水印算法，对置乱后的水印和载体图像进行小波变换，按照频带重要性从低频到高频子带嵌入，并在子带内部根据零树编码方法选择重要的小波系数嵌入，嵌入强度因子为临界可见误差门限。实验证明，本文算法对常见的图像处理具有很好的隐蔽性和鲁棒性。其次，研究了信息隐藏算法，以及小波域分形图像编码在信息隐藏中的应用，在前面设计的彩色图像水印基础上，提出了一种基于分形和小波的信息隐藏算法，首先对秘密图像进行混沌置乱，然后用零树编码方法筛选小波零树，在三个子带方向的非零树区域根据图像树的分形匹配距离和JND门限选择最优的图像树嵌入，剩余的嵌入到小波零树区域。实验证明，本文算法有较好的透明性，对常见的图像攻击有较好的鲁棒性。最后，设计实现了系统，并在某单位外协生产系统的安全传输上进行了初步应用，实践证明，能够在正常情况、第三方拦截和干扰攻击下完成安全传输任务。
娄莉[5]（2010）在《一种基于小波域的分形图像编码改进算法》文中提出提出了一种基于小波域的分形图像编码改进算法。该算法首先将图像分解到小波域,然后根据各子图像所包含能量的大小和所代表的方向等信息,采用不同大小、形状和类别的图像块及相似块,进行分形编码。在编码过程中按照零树结构在同方向不同分辨率的各个子带图像上确定要预测的图像块,同时在同方向低一级分辨率的子带图像上寻找与其最佳分形匹配的相似块,并由各级相似块构成预测树。实验证明,这种改进算法能够大大提高分形编码的速度,并取得较高的压缩比。
章毓晋[6]（2008）在《中国图像工程:2007》文中研究表明该文是关于中国图像工程的年度文献综述系列之十三。为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状,并能够方便地查询有关文献,现从2007年在国内15种有关图像工程重要中文期刊的共118期上发表的3312篇学术研究和技术应用文献中,选取出895篇属于图像工程领域的文献,并根据各文献的主要内容将其分别归入图像处理、图像分析、图像理解、技术应用和综述5个大类,然后进一步分入23个专业小类（与去年相同）。在此基础上还进行了各期刊各类文献的统计和分析。根据统计分析结果可看到我国图像工程在2007年许多新进展的情况。特别值得指出,在上述15种期刊上所发表的图像工程文献数量在2007年有大幅增加并达到历史最高,显示了图像工程研究在中国继续发展的趋势。
李爱霞[7]（2008）在《数字图像混合压缩编码算法的研究》文中认为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。
黄晋[8]（2007）在《混合小波—分形图像压缩方法的研究与实现》文中研究表明随着计算机多媒体技术的发展，人们期望更高性能图像压缩技术的出现。近十年来兴起的小波理论因其特有的时频局部化特性而成为当今主要的图像处理方法之一。几乎与此同时，分形图像编码也因为A.E.Jacquin将分形编码用计算机来自动实现，而得到了广泛的研究，是目前较有前途的图像编码方法之一。近年来，许多学者利用小波变换具有的低频能量集中性和同方向不同分辨率子带之间的相似性的这些特点，将分形编码应用于小波变换后的小波域图像。基于分形和小波混合编码的有关研究工作仍然处于起步阶段，但目前的一些研究成果已经显示出其编码效果的高效性和合理性。本文就是以此为基础进行展开的。首先，本文了探讨小波变换及其性质，研究了现有的基于小波的图像压缩方法，对两种最具代表性的算法：嵌入式小波零数（EZW）压缩算法及SPIHT算法进行了试验仿真，对比了这了两种算法的优劣然后探讨了分形理论及其性质，以及它在图像压缩处理算法中的应用；分析了传统分形编码算法的特点和不足，给出了一种改进的基于方差的快速分形图像编码的方法，并对原始图像给出了具体的实验结果和分析，结果表明，该算法在保证了图像质量的基础上，编码时间比较传统分形编码算法而言大大减少，达到了加速的目的。最后，本文提出了一种混合小波-分形编码方法（HWF），即，将改进的快速分形图像编码方法与SPITH算法结合，发挥两种算法的优势，将这种混合的编码方法应用于经小波分解后的小波域图像，并进行了试验仿真和结果分析。结果表明，这种小波域的混合分形编码方法在编码质量上要优于SPIHT算法，在bpp较大时，其编解码时间小于SPIHT算法，而且避免了空域分形的块效应。
王良燕[9]（2007）在《基于小波变换的图像压缩算法研究》文中研究指明数字图像压缩是图像处理领域的一个热门研究课题，其研究成果为图像的存储、传输带来了极大的便利，因而具有重要的研究价值。在众多的图像压缩方法中，基于小波变换的图像压缩方法具有明显的优势，因而成为现代图像压缩领域的主流研究方向之一。本论文分析了小波图像压缩的几种经典算法，以及JPEG2000图像压缩标准中的感兴趣区域（ROI）编码方法。这两方面都存在不足之处，可以做进一步改进。本文主要研究工作如下：1、对小波变换的理论基础，包括连续小波变换、离散小波变换、多分辨分析、Mallat算法、双正交小波变换以及提升和整数小波变换进行了简要介绍。对小波图像编码的几种代表算法，包括两种树型结构算法EZW和SPIHT，以及两种块型结构算法SPECK和EBCOT，进行了比较，并分析了树型结构算法的不足之处。2、将SPIHT算法与分形编码算法相结合，提出一种混合编码算法。先根据一种分类算法将图像分割后的块分为三类，然后根据它们各自的特点在小波域中分别选择SPIHT或分形方法编码，同时结合率失真判据，使解码图像质量高于使用SPIHT和分形方法解码的质量。3、分析了JPEG2000中采用的两种ROI编码方法——最大位移法和一般位移法的优缺点。在最大位移法的基础上提出了一种增加过渡区域的ROI编码改进算法。该算法考虑了人眼视觉特点的要求，使解码后的图像具有更好的整体视觉效果。此外，该算法的复杂度较低，并且能与JPEG2000码流兼容。
卢春[10]（2007）在《结合零树的小波域分形水印算法研究》文中进行了进一步梳理近年来，随着多媒体存储与传输技术的不断进步，特别是Internet技术的盛行，带动了数字媒体应用的迅猛发展。这些技术给人们带来了极大的方便，但随之而来的副作用也十分明显。任何人都可以通过网络轻而易举地得到他人的原始作品，尤其是数字化的作品；甚至有些人不经作者的同意而对原作品任意加以复制、修改，严重地侵害了作者的着作权。因此，如何在网络中实施有效的版权保护和解决信息安全的问题，成为了一个迫在眉睫的研究课题。在这种情况下，一种专门解决互联网上多媒体信息安全的技术——数字水印技术受到学术界的广泛关注，它将水印嵌入到数字化媒体中，然后通过对它的检测（提取）以及对图像的使用情况进行跟踪，从而实现隐藏、传输、存储、版权保护等功能，目前数字水印技术已经成为多媒体版权论证和完整性保护的有效手段。本文以静止图像为研究对象，借鉴了小波域上的水印算法以及分形图像压缩编码理论，创造性地提出了结合零树的小波域分形数字水印算法，该算法在图像多级小波分解的基础上，筛选出真正意义上的非零树，在构造出的匹配树集中，寻找小波非零图像树的最佳和次佳分形匹配树来进行水印的嵌入和提取。正是由于真正意义上的零树这一概念的引入，使得本文提出的算法与已经存在的某些算法有了本质的区别和创新。这一算法它具备了计算简单、复杂度低，实用性强的特点，从而可以期待实现其在不同领域的广泛应用。最后，本文以mat-lab为实验平台，对自拍灰度图像“girl”进行了仿真实验，从随机水印到有意义的文字水印，从水印的嵌入到提取未受到攻击的水印图像中的水印，以至于对水印图像的攻击，到对受到攻击的水印图像中水印的提取，将实验中得到的数据进行分析和对比，证明了该方法在水印的鲁棒性、顽健性、不可见性和安全性等方面是可信赖的，是比较适用的一种水印嵌入提取方法。
二、基于分类的小波域分形图像编码方法（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、基于分类的小波域分形图像编码方法（论文提纲范文）
（1）分形理论在图像压缩及图像检索中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 专业术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 图像压缩技术概述 |
| 1.3 分形编码算法研究现状 |
| 1.4 研究内容 |
| 1.5 论文结构安排 |
| 第二章 分形图像压缩编码原理综述 |
| 2.1 分形编码的基本理论 |
| 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 分形图像压缩编码算法模型 |
| 2.2.1 图像分割 |
| 2.2.2 压缩仿射变换 |
| 2.2.3 解码 |
| 2.3 本章小结 |
| 第三章 基于图像纹理的正交稀疏分形图像压缩编码 |
| 3.1 稀疏分解基本原理 |
| 3.2 算法模型 |
| 3.2.1 正交稀疏灰度变换 |
| 3.2.2 基于相似性度量矩阵的图像块检索 |
| 3.3 实验结果及分析 |
| 3.3.1 确定参数大小 |
| 3.3.2 算法性能比较 |
| 3.4 本章小结 |
| 第四章 基于小波变换的快速稀疏分形图像压缩编码 |
| 4.1 小波变换基本原理 |
| 4.2 算法模型 |
| 4.2.1 基于小波域的稀疏分形图像编码算法 |
| 4.2.2 基于统计方法的图像块检索 |
| 4.3 实验结果及分析 |
| 4.3.1 算法流程 |
| 4.3.2 实验仿真 |
| 4.4 本章小结 |
| 第五章 基于块稀疏张量的分形图像压缩编码 |
| 5.1 张量的Tucker分解 |
| 5.2 算法模型 |
| 5.2.1 块稀疏字典学习 |
| 5.2.2 块稀疏张量编码和解码 |
| 5.3 实验结果及分析 |
| 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 |
| 致谢 |
（2）多尺度数据融合算法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 多传感器信息融合概述 |
| 1.2.1 信息融合的概念和优点 |
| 1.2.2 信息融合的模型 |
| 1.2.3 信息融合的方法 |
| 1.2.4 信息融合技术的研究现状 |
| 1.3 多尺度数据融合有关技术及进展 |
| 1.3.1 多尺度系统估计理论研究概况 |
| 1.3.2 多尺度数据融合的应用及研究现状 |
| 1.3.3 多尺度数据融合概念的演变 |
| 1.4 MEMS陀螺仪中漂移信号处理方法研究现状 |
| 1.5 陀螺仪中的多尺度数据融合及需要解决的问题 |
| 1.6 本文的主要研究内容及结构安排 |
| 2 多尺度数据融合算法及其有效性的证明 |
| 2.1 引言 |
| 2.2 小波分解原子时算法 |
| 2.2.1 常见时间尺度 |
| 2.2.2 原子时算法 |
| 2.2.3 小波分解原子时算法的提出 |
| 2.2.4 小波分解原子时算法有待解决的问题 |
| 2.2.5 小波分解原子时算法的基本原理 |
| 2.3 预备知识 |
| 2.3.1 原子钟的噪声特性 |
| 2.3.2 相关说明 |
| 2.4 随机信号数据融合的理论体系 |
| 2.4.1 平稳单尺度数据融合 |
| 2.4.2 平稳多尺度数据融合 |
| 2.4.3 非平稳单尺度数据融合 |
| 2.4.4 非平稳多尺度数据融合 |
| 2.5 非平稳多尺度数据融合定理的证明 |
| 2.6 分析与讨论 |
| 2.7 本章小结 |
| 3 多尺度数据融合算法的小波包实现 |
| 3.1 引言 |
| 3.2 小波变换和小波包变换 |
| 3.3 小波包的基本理论 |
| 3.3.1 正交小波包的定义与性质 |
| 3.3.2 小波包的子空间分解 |
| 3.3.3 小波库及小波包基的定义 |
| 3.3.4 小波包的分解与重构算法 |
| 3.3.5 最优小波包基的概念 |
| 3.3.6 最优基的快速搜索 |
| 3.4 基于小波包的多尺度数据融合方案 |
| 3.4.1 基于小波变换的多尺度数据融合算法 |
| 3.4.2 基于小波包的多尺度数据融合方案 |
| 3.5 基于小波包的多尺度陀螺融合实验研究 |
| 3.5.1 MEMS陀螺概述 |
| 3.5.2 MEMS陀螺随机误差分析 |
| 3.5.3 MEMS陀螺随机误差的Allan方差分析 |
| 3.5.4 MEMS陀螺漂移的数学模型 |
| 3.5.5 MEMS陀螺信号实时小波处理方法 |
| 3.5.6 基于小波包的多尺度陀螺融合算法仿真实验 |
| 3.6 本章小结 |
| 4 小波多尺度数据融合中关键技术 |
| 4.1 MEMS陀螺噪声特性与小波熵 |
| 4.1.1 MEMS陀螺误差及噪声特性 |
| 4.1.2 小波熵 |
| 4.2 常见的小波簇 |
| 4.2.1 小波基的性质 |
| 4.2.2 常用小波基 |
| 4.3 基于小波变换的数据融合中小波基的选取 |
| 4.3.1 小波基选取原则 |
| 4.3.2 小波基的比较 |
| 4.3.3 小波簇的选取 |
| 4.3.4 陀螺数据融合效果评价 |
| 4.3.5 最佳小波基选取实验 |
| 4.4 小波分解层数的设定 |
| 4.5 数据融合加权因子的选择 |
| 4.6 本章小结 |
| 5 多尺度融合与其它MEMS陀螺信号处理方法的比较 |
| 5.1 MEMS陀螺仪噪声抑制方法研究概述 |
| 5.1.1 MEMS陀螺仪噪声抑制方法研究现状 |
| 5.1.2 卡尔曼滤波和小波阈值去噪法的缺点 |
| 5.1.3 多尺度数据融合算法的优点 |
| 5.2 MEMS陀螺数据处理中的多传感器数据融合 |
| 5.2.1 多尺度融合 |
| 5.2.2 卡尔曼滤波融合 |
| 5.2.3 小波阈值融合 |
| 5.3 基于仿真信号对三种融合方法的比较 |
| 5.3.1 仿真信号的产生 |
| 5.3.2 第一组仿真实验(Chirp信号+高斯白噪声) |
| 5.3.3 第二组仿真实验(Chirp信号+有色噪声) |
| 5.4 基于实测信号对三种融合方法的比较 |
| 5.5 三种融合方法比较的结论 |
| 5.6 多尺度数据融合与FLP(前向线性预测)方法的比较 |
| 5.6.1 FLP算法 |
| 5.6.2 基于FLP滤波的多传感器融合方法 |
| 5.6.3 FLP滤波融合结果和分析 |
| 5.7 本章小结 |
| 6 多尺度数据融合系统设计与验证 |
| 6.1 系统的总体设计方案 |
| 6.1.1 系统需求分析 |
| 6.1.2 系统整体框图 |
| 6.1.3 系统中的主要器件选型 |
| 6.2 硬件电路设计 |
| 6.2.1 陀螺仪模块 |
| 6.2.2 协处理器模块 |
| 6.2.3 主处理器模块 |
| 6.2.4 系统实物图 |
| 6.3 系统软件设计 |
| 6.3.1 接口部分 |
| 6.3.2 融合处理部分 |
| 6.4 实验研究 |
| 6.5 本章小结 |
| 7 结论 |
| 7.1 本文的主要研究成果 |
| 7.2 创新研究 |
| 7.3 进一步研究工作 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表和收录的论文 |
| 攻读博士学位期间获奖 |
| 攻读博士学位期间参加的科研项目 |
（3）小波域分形图像编码及其在GPU上的快速实现（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外的研究现状 |
| 1.3 本文的内容安排 |
| 第二章 图像编码概述 |
| 2.1 图像编码的原理 |
| 2.2 图像编码的分类方法 |
| 2.3 图像质量评价 |
| 第三章 分形理论及分形图像编码 |
| 3.1 分形理论 |
| 3.2 分形图像编码 |
| 3.2.1 分形图像编码概述 |
| 3.2.2 空域分形图像编码的基本步骤 |
| 3.2.3 实验结果与分析 |
| 第四章 小波域分形图像编码 |
| 4.1 小波变换理论 |
| 4.1.1 连续小波变换 |
| 4.1.2 离散小波变换 |
| 4.1.3 多分辨率分析 |
| 4.2 图像信号的小波变换 |
| 4.3 小波域分形图像编码 |
| 4.3.1 小波与分形结合 |
| 4.3.2 小波树的概念 |
| 4.3.3 小波域分形图像编码具体实现过程 |
| 4.3.4 实验结果与分析 |
| 第五章 小波域分形图像编码在GPU上的快速实现 |
| 5.1 并行计算理论 |
| 5.2 GPU与CUDA高性能计算模型 |
| 5.2.1 GPU简介 |
| 5.2.2 CUDA架构 |
| 5.3 小波域分形图像编码的并行实现 |
| 5.3.1 小波域分形图像编码的并行化研究 |
| 5.3.2 实验结果与分析 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
（4）基于分形和小波的数字水印及其在图档安全传输中的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 信息隐藏技术简介 |
| 1.3 数字水印技术简介 |
| 1.4 信息隐藏及数字水印的研究现状 |
| 1.5 本文的主要工作与内容安排 |
| 第二章 关键技术研究 |
| 2.1 分形图像压缩编码 |
| 2.1.1 分形概述 |
| 2.1.2 分形理论的数学基础 |
| 2.1.2.1 分形空间 |
| 2.1.2.2 压缩映射 |
| 2.1.2.3 迭代函数系统 IFS |
| 2.1.3 分形图像压缩编码基本方法 |
| 2.1.3.1 编码方法 |
| 2.1.3.2 解码方法 |
| 2.2 离散小波变换 |
| 2.2.1 离散小波变换的数学基础 |
| 2.2.2 图像的小波变换 |
| 2.3 数字水印技术 |
| 2.3.1 数字水印的基本模型 |
| 2.3.2 图像数字水印的性能评估 |
| 2.3.3 图像的小波域数字水印算法 |
| 2.4 信息隐藏技术 |
| 2.4.1 信息隐藏的基本模型 |
| 2.4.2 小波域分形图像编码在信息隐藏中的应用 |
| 2.5 本章小结 |
| 第三章 基于分形和小波的图档安全传输系统框架设计 |
| 3.1 需求分析 |
| 3.2 系统结构设计 |
| 3.2.1 框架设计 |
| 3.2.2 秘密信息隐藏子系统设计 |
| 3.2.3 秘密信息提取子系统设计 |
| 3.3 系统关键技术 |
| 3.3.1 使用 JND 和零树编码的小波域彩色图像水印算法 |
| 3.3.2 基于分形和小波的信息隐藏算法 |
| 3.4 本章小结 |
| 第四章 使用 JND 和零树编码的小波域彩色图像水印算法设计 |
| 4.1 小波域的 JND 模型 |
| 4.2 嵌入式零树小波编码 |
| 4.2.1 小波系数的零树结构 |
| 4.2.2 编码方法 |
| 4.3 彩色数字水印嵌入与提取算法 |
| 4.3.1 彩色水印嵌入方法 |
| 4.3.2 彩色水印提取方法 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 基于分形和小波的信息隐藏算法设计 |
| 5.1 小波树与方向性小波树 |
| 5.1.1 小波树 |
| 5.1.2 方向性小波树 |
| 5.2 小波域分形编码的仿射变换 |
| 5.3 基于分形和小波的信息隐藏算法 |
| 5.3.1 秘密信息的预处理 |
| 5.3.2 秘密信息嵌入方法 |
| 5.3.3 秘密信息提取方法 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 系统实现及应用 |
| 6.1 系统的开发环境 |
| 6.2 系统实现 |
| 6.2.1 类图 |
| 6.2.2 秘密信息隐藏模块实现 |
| 6.2.3 秘密信息提取模块实现 |
| 6.3 系统应用 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（5）一种基于小波域的分形图像编码改进算法（论文提纲范文）
| 1 基本分形编码压缩算法 |
| 2 基于小波域的分形图像编码改进算法 |
| 2.1 小波域分形编码过程中分形块形状的选取 |
| 2.2 分形预测树的形成过程 |
| 3 实验结果 |
（6）中国图像工程:2007（论文提纲范文）
| 1 引 言 |
| 2 综述目的 |
| 3 刊物选取 |
| 4 文献选取和分类 |
| 5 文献分类统计结果和讨论 |
| 5.1 近13年图像工程文献选取和分类概况比较 |
| 5.2 2007年各刊图像工程文献刊载情况 |
| 5.3 2007年各刊图像工程文献详细分类情况 |
| 6 结 论 |
（7）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 |
（8）混合小波—分形图像压缩方法的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的提出与研究现状 |
| 1.2 课题研究的意义 |
| 1.2.1 传统分形方法的缺点 |
| 1.2.2 引入小波变换的意义 |
| 1.3 本文研究的内容 |
| 1.4 本章小结 |
| 第二章 图像压缩技术与常见编码方法 |
| 2.1 图像压缩处理概述及压缩系统的组成 |
| 2.2 图像压缩编码的分类 |
| 2.3 图像质量的判别标准 |
| 2.4 本章小结 |
| 第三章 小波基础理论及其在图像压缩中的应用 |
| 3.1 小波变换简介 |
| 3.1.1 连续小波变换(CWT) |
| 3.1.2 连续小波变换的离散化一框架小波变换 |
| 3.1.3 R-小波 |
| 3.2 离散小波变换的MALLAT快速算法 |
| 3.2.1 Mallat算法-快速小波变换 |
| 3.2.2 二维DWT |
| 3.3 小波变换用于图像压缩 |
| 3.3.1 小波图像和小波变换编码的特点 |
| 3.3.2 小波变换编码需考虑的问题 |
| 3.4 嵌入式零数小波编码 |
| 3.4.1 嵌入式小波编码 |
| 3.4.2 嵌入式零树编码(EZW) |
| 3.4.3 SPIHT编码算法 |
| 3.4.4 试验仿真结果及分析 |
| 3.5 本章小结 |
| 第四章 分形图像编码 |
| 4.1 分形图像编码的理论基础 |
| 4.1.1 压缩映射定理 |
| 4.1.2 迭代函数系统、吸引子理论 |
| 4.1.4 拼贴定理(Barnsley,1985) |
| 4.2 分形图像编码方法 |
| 4.2.1 分形图像编码原理 |
| 4.2.2 分形图像编码基本方法 |
| 4.2.3 Y.Fisher分形图像编码算法 |
| 4.2.4 基本分形图像编码方法的缺点及改善途径 |
| 4.3 本文对分形编码的改进及实现 |
| 4.3.1 改进算法的基本思路 |
| 4.3.2 改进算法中所用的基本方法 |
| 4.3.3 对改进的分形编码算法的仿真与试验结果分析 |
| 4.4 本章小结 |
| 第五章 小波与分形相结合的混合图像编码方法 |
| 5.1 基于小波分解的分形图像编码 |
| 5.1.1 小波编码与分形编码相结合在图像压缩中的理论依据 |
| 5.1.2 分形编码和小波变换编码的结合 |
| 5.1.3 现有小波域内分形图像编码的不足 |
| 5.2 小波域分形算法的改进及实现 |
| 5.2.1 分形与小波相结合的总体思路 |
| 5.2.2.针对小波域的快速分形编码方案调整 |
| 5.2.3 对SPIHT算法的修改 |
| 5.2.4 混合分形-小波编码算法描述 |
| 5.2.5 试验结果及分析 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（9）基于小波变换的图像压缩算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 图像压缩的信息理论基础 |
| 1.3 图像压缩的基本思想 |
| 1.4 图像压缩的基本方法 |
| 1.5 本文内容安排 |
| 第二章 小波变换及其在图像压缩中的应用 |
| 2.1 小波理论基础 |
| 2.1.1 连续小波变换 |
| 2.1.2 离散小波变换 |
| 2.1.3 多分辨分析 |
| 2.1.4 Mallat算法 |
| 2.1.5 双正交小波变换 |
| 2.1.6 提升和整数小波变换 |
| 2.2 小波图像编码的几种算法 |
| 2.2.1 EZW编码算法 |
| 2.2.2 SPIHT编码算法 |
| 2.2.3 SPECK编码算法 |
| 2.2.4 EBCOT编码算法 |
| 2.3 本章小结 |
| 第三章 基于分类的小波零树与分形混合编码算法 |
| 3.1 基本分形编码算法 |
| 3.1.1 分形的数学理论基础 |
| 3.1.2 Jacquin分形编码算法 |
| 3.2 分类算法 |
| 3.2.1 增强处理 |
| 3.2.2 决策算法 |
| 3.3 混合编码算法 |
| 3.3.1 小波域内的分形图像编码 |
| 3.3.2 基于分类的混合编码算法 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 JPEG2000感兴趣区域图像编码的改进方法 |
| 4.1 JPEG2000概述 |
| 4.2 JPEG2000的编码过程 |
| 4.2.1 预处理 |
| 4.2.2 分量间变换 |
| 4.2.3 小波变换 |
| 4.2.4 量化 |
| 4.2.5 核心算法 |
| 4.3 JPEG2000中的ROI编码方法 |
| 4.4 最大位移法 |
| 4.4.1 基本原理 |
| 4.4.2 ROI掩膜的生成 |
| 4.4.3 子带系数与ROI掩膜的对应关系 |
| 4.4.4 矩形ROI掩膜的快速计算 |
| 4.5 改进的ROI编码方法 |
| 4.6 实验结果与分析 |
| 4.7 本章小结 |
| 第五章 总结和展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
（10）结合零树的小波域分形水印算法研究（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外数字水印技术的研究动态 |
| 1.2.1 国外数字水印技术的研究动态 |
| 1.2.2 国内数字水印技术的研究动态 |
| 1.3 数字水印技术的发展趋势 |
| 1.4 本文的算法特点和优势 |
| 1.5 研究内容及论文结构 |
| 第2章 数字水印技术 |
| 2.1 数字水印的基本特征和分类 |
| 2.1.1 数字水印的基本特征 |
| 2.1.2 数字水印的分类 |
| 2.2 数字水印的算法、攻击及性能评价 |
| 2.2.1 数字水印的算法 |
| 2.2.2 数字水印的攻击 |
| 2.2.3 数字水印的性能评价 |
| 2.3 数字水印技术的基本原理和算法框架 |
| 2.3.1 数字水印技术的基本原理 |
| 2.3.2 数字水印的算法框架 |
| 2.4 数字水印的应用领域 |
| 2.5 本章小结 |
| 第3章 小波变换与分形压缩编码 |
| 3.1 小波变换 |
| 3.1.1 小波变换概念及性质 |
| 3.1.2 信号的一维小波变换 |
| 3.1.3 图像的二维小波变换 |
| 3.2 分形压缩编码 |
| 3.2.1 分形理论的产生与发展 |
| 3.2.2 分形理论 |
| 3.2.3 分形理论在数字图像中的应用 |
| 3.3 分形图像压缩、小波变换与数字水印技术 |
| 3.4 本章小结 |
| 第4章 方向性小波树与小波零树 |
| 4.1 方向性小波树 |
| 4.1.1 小波树 |
| 4.1.2 方向性小波树 |
| 4.2 小波零树 |
| 4.2.1 Shapiro 零树 |
| 4.2.2 嵌入式小波零树编码(EZW) |
| 4.2.3 本文所引用的真正的零树 |
| 4.3 本章小结 |
| 第5章 结合零树的小波域分形水印算法 |
| 5.1 结合零树的小波分形压缩编码与解码 |
| 5.1.1 小波域的分形仿射变换 |
| 5.1.2 结合零树的小波分形压缩编码 |
| 5.1.3 结合零树的小波分形解码 |
| 5.2 结合零树的小波域分形水印算法 |
| 5.2.1 水印嵌入方法 |
| 5.2.2 水印提取(检测)方法 |
| 5.3 仿真实验 |
| 5.3.1 伪随机水印序列实验 |
| 5.3.2 图像水印信号实验 |
| 5.3.3 实验平台及结果显示 |
| 5.3.4 实验中的部分程序 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作小结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间所发表的文章 |
四、基于分类的小波域分形图像编码方法（论文参考文献）
- [1]分形理论在图像压缩及图像检索中的应用研究[D]. 曹健. 南京邮电大学, 2020(03)
- [2]多尺度数据融合算法及其应用研究[D]. 刘娟花. 西安理工大学, 2019
- [3]小波域分形图像编码及其在GPU上的快速实现[D]. 杨丽. 安徽大学, 2014(09)
- [4]基于分形和小波的数字水印及其在图档安全传输中的研究[D]. 杨海涛. 南京航空航天大学, 2012(04)
- [5]一种基于小波域的分形图像编码改进算法[J]. 娄莉. 电子技术应用, 2010(07)
- [6]中国图像工程:2007[J]. 章毓晋. 中国图象图形学报, 2008(05)
- [7]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)
- [8]混合小波—分形图像压缩方法的研究与实现[D]. 黄晋. 贵州大学, 2007(05)
- [9]基于小波变换的图像压缩算法研究[D]. 王良燕. 合肥工业大学, 2007(03)
- [10]结合零树的小波域分形水印算法研究[D]. 卢春. 西南大学, 2007(04)