一、红外图像基于小波变换的矢量量化编码研究（论文文献综述）
史启盟[1]（2021）在《高速运动物体图像识别与压缩方法研究》文中研究说明运动物体视频图像包含着许多重要的信息数据,而高速运动物体由于速度较快,其运动图像存在采集失真、处理复杂以及分析效果差等方面的问题。本课题以高速运动物体为研究对象,分别进行了图像识别与图像压缩方法的研究,并选取实际工业中的3D打印机高速移动激光点红外图像和高速运动固定翼无人机视频图像分别进行了算法验证及结果分析。主要研究内容如下:（1）分析了高速运动物体图像特征及图像识别过程,提出了基于改进卷积神经网络的高速运动物体图像识别方法。根据高速运动物体运动速度快导致的成像模糊,使得传统的图像识别方法人为提取图像特征困难的问题,采用基于卷积神经网络（CNN）的深度学习方法进行图像识别研究,并针对现有的CNN方法存在的训练效率差、准确率低的问题设计了相关改进方案来提高图像识别的快速性和准确性。（2）针对3D打印机高速移动激光点红外图像进行图像识别研究,分别建立了CNN和改进CNN两种激光点图像识别模型,对两种模型进行对比分析,实验结果表明改进后的CNN模型大大提高了识别效率和准确率;最后利用改进后的CNN模型进行激光中心点温度预测,在误差范围内取得了很好的预测结果。（3）研究了高速运动物体视频图像冗余信息,提出了基于帧内编码和帧间预测结合的高速运动物体视频压缩方法。以静态图像压缩为基础,在传统BP神经网络的基础上加入小波变换的方法进行图像压缩以减少帧内的空间冗余信息,同时针对高速运动物体的视频序列进行了运动信息补偿从而减少帧间的时间冗余信息,最终重构后的视频在保证关键运动信息的前提下大大减少视频数据量。（4）针对高速运动固定翼无人机视频进行图像压缩研究,先对单帧的无人机运动图像进行基于小波变换和神经网络结合的帧内有损压缩,再对压缩后的无人机序列进行基于运动估计和运动补偿的帧间预测编码,最后对压缩前后的无人机运动视频进行目标跟踪和视频传输效果方面的对比分析,结果表明该压缩系统在保留无人机运动信息的情况下可以大大减少冗余数据信息,提高传输效率。
吴文祺[2]（2014）在《基于小波的热红外图像压缩研究》文中进行了进一步梳理随着红外图像获取技术的发展,其带有的信息量也成倍增长,但由于受限于巨大的数据流造成的带宽资源消耗而使其难以在实际应用中得到很好的开展,所以图像压缩也就成为图像处理的一个重要研究方向。如今工业检测中的热红外图像压缩研究已经成为工业自动化检测应用中的一个重要研究课题。本文首先阐述了已有的自然图像压缩标准及算法。在以往的红外图像压缩系统里面,采用的算法均是基于已被成熟应用的自然图像压缩标准。如今图像压缩算法是图像处理方法的一个研究重点也是研究热点,虽然已有很多成熟算法应用于实践当中,但是每一种算法都有其针对的应用环境,都有局限性。热红外图像的特征不同于自然图像,一般的图像压缩算法对于热红外图像未必是合理的选择,因此本文提出在分析热红外图像的特点的基础上研究压缩算法,也因此对热红外图像的压缩研究提出了更高的要求。其次,本文在分析小波分析理论的基础上,介绍了如何选取小波基和小波图像系数分布特征等小波变换图像压缩的关键技术。目的在于结合已有的图像标准分析研究图像压缩的关键技术,并针对工业检测中的热红外图像的自身特点提出更有效的压缩算法。本文在图像压缩算法研究方面,对现有比较成熟且被广泛应用的嵌入零树小波编码算法（EZW）以及多级树集合分裂编码算法（SPIHT）进行了研究,并联系热红外图像的特点和小波滤波器的特性对SPIHT算法进行了综合改进,旨在实现一种更适合热红外图像压缩算法。仿真结果表明,本文提出的改进后的压缩算法,能在保持压缩比不变的情况较好的恢复图像。随着小波分解层数的增加,本文的改进算法在相同压缩比的情况下综合压缩效果明显高出EZW算法和SPIHT算法,这也说明改进算法的优越性。由于将图像按照重要性分为主副图并分别压缩后,使得重要区域相对更加清晰,视觉效果得到了很大的改善。同时,实验结果可以看出高温电极均被检测出来,这说明对非重要区域的深度压缩并没有对高温电极检测造成很大影响,而且PSNR得到了一定的提高。
张延洲[3]（2004）在《红外图像基于小波变换的矢量量化编码研究》文中研究指明本文结合热成像技术原理对红外热图像的特征进行了分析，并在此基础上去探索红外图像压缩编码的理论算法。在探索过程中，重点研究了矢量量化编码在图像编码中的应用以及图像的小波变换理论，文章从分析小波变换入手，通过对红外图像小波系数的分析，提出了一种结合矢量量化的小波变换编码算法及其改进算法。这两种算法充分利用了红外图像小波分解后的系数分布特点来构造矢量，并相应结合传统的LBG算法和改进的LBG算法生成了各自具有代表性的码书。最后通过编程将其实现，并对实验结果进行了分析和比较，其结果表明，此方法进行红外图像压缩是可行的。
冯文慧[4]（2009）在《红外图像压缩编码算法研究》文中提出红外技术作为一种重要的光电成像手段,在军事探测及民用技术领域占据着重要地位。对红外图像高效地传输是国内外极为重视的一个研究课题,而图像压缩正是图像数据高效传输的关键。本文结合红外热成像技术原理对红外热图像的特征进行了分析,以此为基础提出了适用于红外图像的增强及压缩算法,并以红外图像为对象进行具体实验与研究,主要做了如下工作:对红外图像进行自适应分段线性变换增强处理,在此基础上提出了基于自适应分段线性变换的反锐化掩模增强算法,该算法既提高了红外图像的对比度,又增强了边缘细节的视觉效果,使图像变得清晰。从保真度、压缩率、压缩速度三个角度对基本的编码方法应用于红外图像进行了研究。在基于保真度考虑的方面对几种无损压缩编码进行了编程、实验及效果分析;在基于压缩率考虑的方面,讨论了简单的灰度级量化并改进了行程编码;在基于压缩速度考虑的方面,对基于二进制索引树的WNC算法进行了编程、实验并与未改进的WNC算法进行了比较分析。在上述基础上,提出了一种改进的基于小波嵌入零树编码的红外图像压缩方法,对红外图像小波变换后的低频子带进行无损编码,并通过小波域边缘检测将与边缘相关的系数进行保护。实验结果表明,使用该方法获得的重构图像质量较高,保留了原图像的大部分能量,并且边缘轮廓较清晰。对于红外图像而言,边缘等细节往往是图像的价值所在,在满足一定的压缩比条件下,图像的质量是算法成败的关键。实验证明该方法进行红外图像压缩是可行的。
张琦[5]（2007）在《基于小波的红外图像压缩技术研究》文中提出随着红外图像及其获取技术的发展,图像信息量也呈倍数增长,红外静态图像和序列图像通常都因为其数据量大而难以在实际应用中很好地应用,巨大的数据流严重消耗了有限的带宽资源。舰载无人机红外图像数据高速实时传输已经成为制约舰载无人机应用的“瓶颈”,对红外图像快速高效地传输一直是国内外红外领域极为重视的一个研究课题,当今数字化战场的发展使得红外图像的压缩具有重要意义。本文首先了解了现有的图像压缩标准和算法。目前,在现有的红外图像压缩系统中,其压缩方案均采取已经成熟的图像压缩标准。图像压缩的算法研究是一个热点,有许多成熟的算法已经运用于实践中,但每一种算法都有其适用性和局限性。红外图像有其固有的特征,通用的方法对于红外图像未必是最合适的选择,必须结合红外图像的特点进行压缩算法的探讨研究,对红外图像的压缩提出了更高的要求。其次,在学习了小波变换理论的基础上,本文介绍了几种常用的小波函数和如何选取小波基。结合现有的图像、视频压缩标准,分析和研究了图像、视频压缩的关键技术,针对无人机红外序列图像的自身特点,提出了更有效的算法。静态图像压缩方面,在对现有比较成熟应用广泛的嵌入零树小波编码算法（EZW）和多级树集合分裂编码算法（SPIHT）进行研究的基础上,针对红外图像的特点和小波滤波器的特性对SPIHT算法进行了综合改进,实现了一种基于小波的更加适合红外图像的压缩编码算法。序列图像压缩方面,在静态图像压缩算法基础上,提出并实现了一种基于小波的无人机序列图像压缩方案。最后,本文对改进算法进行了仿真分析。结果表明,改进的SPIHT算法在同等压缩比的条件下恢复图像的峰值信噪比（PSNR）比原SPIHT算法改善了0.3-1.0dB。序列图像压缩方案采用自适应的运动估计方法,帧组的自适应选择方法能够最大限度的利用时间相关性,恢复的序列图像与H.264标准相比,每帧的平均峰值信噪比改善了0.1dB。并且该方法有利于提高码流的抗误码能力,大大减少了运动估计的计算量,减少了计算复杂度和节约了码率,能够满足实时高速的要求。
二、红外图像基于小波变换的矢量量化编码研究（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、红外图像基于小波变换的矢量量化编码研究（论文提纲范文）
（1）高速运动物体图像识别与压缩方法研究（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 图像识别研究现状 |
| 1.2.2 图像压缩研究现状 |
| 1.2.3 高速运动物体研究现状 |
| 1.3 课题主要内容和结构 |
| 2 高速运动物体图像识别方法 |
| 2.1 高速运动物体图像特征分析 |
| 2.2 图像识别过程 |
| 2.3 基于卷积神经网络的图像识别 |
| 2.3.1 卷积神经网络基本结构 |
| 2.3.2 卷积神经网络参数训练 |
| 2.3.3 卷积神经网络图像识别流程 |
| 2.4 卷积神经网络改进方法 |
| 2.4.1 网络结构改进 |
| 2.4.2 标准化和正则化 |
| 2.4.3 多层特征融合 |
| 2.5 本章小结 |
| 3 基于卷积神经网络的高速移动激光点图像识别 |
| 3.1 3D打印激光束特点分析 |
| 3.2 激光点图像数据采集系统设计 |
| 3.2.1 红外图像采集装置 |
| 3.2.2 红外摄像头采集模块 |
| 3.2.3 串口数据传输模块 |
| 3.2.4 激光温度数据采集过程 |
| 3.3 激光点红外图像识别过程 |
| 3.3.1 激光图像识别流程 |
| 3.3.2 图像数据预处理 |
| 3.3.3 数据集制作及参数设置 |
| 3.3.4 CNN及改进CNN模型 |
| 3.3.5 模型训练及结果分析 |
| 3.4 激光中心点温度预测 |
| 3.4.1 测试集处理 |
| 3.4.2 预测结果及实验分析 |
| 3.5 本章小结 |
| 4 高速运动物体视频图像压缩方法 |
| 4.1 数据的冗余与压缩 |
| 4.1.1 数据的冗余类型 |
| 4.1.2 数据压缩分类 |
| 4.1.3 压缩评价指标 |
| 4.2 静态图像压缩 |
| 4.2.1 图像压缩系统构成 |
| 4.2.2 基于小波变换的图像数据压缩 |
| 4.2.3 基于BP神经网络的图像数据压缩 |
| 4.3 序列图像中的运动信息处理 |
| 4.3.1 运动序列图像特点 |
| 4.3.2 高速运动物体视频分割 |
| 4.3.3 基于运动估计的帧间预测编码 |
| 4.4 高速运动视频图像压缩系统 |
| 4.4.1 视频图像压缩整体流程 |
| 4.4.2 压缩重构示例 |
| 4.5 本章小结 |
| 5 基于帧内和帧间编码的高速无人机视频图像压缩 |
| 5.1 高速无人机视频传输系统 |
| 5.2 基于小波神经网络的无人机静态图像压缩 |
| 5.2.1 视频图像关键帧提取 |
| 5.2.2 小波神经网络图像压缩 |
| 5.2.3 图像重构及结果分析 |
| 5.3 基于帧间预测编码的无人机视频序列压缩 |
| 5.3.1 基于三帧差分的无人机目标分割 |
| 5.3.2 基于块匹配的无人机运动估计 |
| 5.4 无人机视频重构及结果分析 |
| 5.4.1 视频重构 |
| 5.4.2 视频压缩前后结果分析 |
| 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 |
| 攻读硕士学位期间的研究成果 |
（2）基于小波的热红外图像压缩研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 热红外图像压缩的研究现状 |
| 1.3 图像压缩的分类 |
| 1.3.1 根据压缩过程的可逆性分类 |
| 1.3.2 根据压缩机理的不同分类 |
| 1.4 图像压缩编码的评价标准 |
| 1.5 本文研究内容及章节安排 |
| 第二章 小波分析理论 |
| 2.1 傅里叶变换与Gabor变换的不足 |
| 2.2 小波分析理论 |
| 2.2.1 小波变换的原理 |
| 2.2.2 多分辨率分析 |
| 2.2.3 Mallat算法 |
| 2.3 小波变换应用与图像压缩 |
| 2.3.1 图像压缩中使用小波变换的基本思想 |
| 2.3.2 应用于图像压缩的小波变换技术 |
| 2.3.3 图像压缩中使用小波变换的优势 |
| 2.4 本章小结 |
| 第三章 基于EZW和SPIHT的图像压缩算法 |
| 3.1 小波图像压缩概述 |
| 3.2 嵌入式零树小波编码算法(EZW算法) |
| 3.2.1 嵌入零树小波编码的编码器组成 |
| 3.2.2 EZW编码原理 |
| 3.2.3 EZW算法步骤 |
| 3.2.4 EZW算法的优缺点 |
| 3.3 基于集合划分的等级树(SPIHT)编码算法 |
| 3.3.1 SPIHT算法树形组织的构成 |
| 3.3.2 SPIHT算法的节点集合表示 |
| 3.3.3 阈值与重要性判断 |
| 3.3.4 SPIHT算法过程 |
| 3.3.5 SPIHT算法的优缺点 |
| 3.4 本章小结 |
| 第四章 针对热红外图像的算法改进 |
| 4.1 热红外图像的特点 |
| 4.2 针对热红外图像特点的算法改进 |
| 4.2.1 工业检测中的热红外图像特点 |
| 4.2.2 针对自适应阈值获取算法的改进 |
| 4.2.3 综合改进算法 |
| 4.2.4 本章小结 |
| 第五章 仿真结果及分析 |
| 5.1 图像处理实验及matlab仿真 |
| 5.2 测温软件验证实验 |
| 结论 |
| 参考文献 |
| 申请学位期间的研究成果及发表的学术论文 |
| 致谢 |
（3）红外图像基于小波变换的矢量量化编码研究（论文提纲范文）
| 1 绪论 |
| 1.1 红外图像压缩编码的背景介绍 |
| 1.2 图像压缩编码基础 |
| 1.2.1 图像压缩的基本方法 |
| 1.2.2 图像质量的评价 |
| 1.3 论文主要研究工作 |
| 2 红外图像特征分析及其增强处理 |
| 2.1 红外图像特征分析 |
| 2.1.1 红外图像的产生机理及特点 |
| 2.1.2 红外图像直方图的特点 |
| 2.2 红外图像增强处理 |
| 2.2.1 增强的方法 |
| 2.2.2 增强处理后的结果 |
| 2.3 小结 |
| 3 小波理论 |
| 3.1 概述 |
| 3.2 傅里叶变换和短时傅里叶变换 |
| 3.3 连续小波变换 |
| 3.4 离散小波变换 |
| 3.5 多分辨率分析和Mallat算法 |
| 3.5.1 多分辨率分析 |
| 3.5.2 Mallat算法 |
| 3.6 小结 |
| 4 矢量量化和码书的生成 |
| 4.1 矢量量化的基本理论 |
| 4.1.1 矢量量化的定义和基本原理 |
| 4.1.2 矢量量化的相关概念 |
| 4.1.3 矢量量化的关键技术 |
| 4.2 初始码书的生成 |
| 4.2.1 随机编码方法 |
| 4.3 LBG算法 |
| 4.3.1 LBG算法理论基础 |
| 4.3.2 LBG算法的主要缺点 |
| 4.4 改进的LBG算法 |
| 4.5 实验结果比较 |
| 4.6 小结 |
| 5 红外图像压缩编码 |
| 5.1 图像的小波分解算法 |
| 5.2 图像小波变换后系数分布特点 |
| 5.3 图像小波变换的解决方案 |
| 5.3.1 小波基 |
| 5.3.2 分解层数 |
| 5.4 红外图像小波变换后系数特点 |
| 5.5 基于小波变换的矢量量化压缩方法 |
| 5.5.1 一种基于小波变换的矢量量化压缩方法 |
| 5.5.2 一种改进的矢量量化压缩方法 |
| 5.5.3 红外图像压缩编码结果 |
| 5.6 红外图像的无线传输 |
| 5.7 小结 |
| 结束语 |
| 致谢 |
| 参考文献 |
（4）红外图像压缩编码算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 课题背景 |
| 1.1.1 热成像技术的发展概况 |
| 1.1.2 红外图像压缩的意义 |
| 1.2 本文研究的内容 |
| 2 红外图像的预处理 |
| 2.1 红外图像的特点 |
| 2.2 红外图像的直方图 |
| 2.3 红外图像增强 |
| 2.3.1 自适应分段线性变换 |
| 2.3.2 自适应分段线性变换基础上的反锐化掩模(USM)增强 |
| 2.4 本章小结 |
| 3 应用基本编码方法的红外图像压缩算法研究 |
| 3.1 图像压缩概述 |
| 3.1.1 图像压缩的可能性 |
| 3.1.2 图像压缩系统组成 |
| 3.1.3 图像压缩的性能指标 |
| 3.2 图像压缩编码的分类 |
| 3.3 基于保真度考虑的红外图像压缩 |
| 3.3.1 霍夫曼编码 |
| 3.3.2 算术编码 |
| 3.3.3 行程编码(RLE) |
| 3.3.4 LZW编码 |
| 3.3.5 无损预测编码 |
| 3.4 基于压缩率考虑的红外图像压缩 |
| 3.4.1 灰度级量化压缩 |
| 3.4.2 改进的行程编码 |
| 3.5 基于压缩速度考虑的红外图像压缩 |
| 3.6 本章小结 |
| 4 基于小波变换的红外图像压缩算法研究 |
| 4.1 小波理论 |
| 4.1.1 小波变换 |
| 4.1.2 多分辨率分析与Mallat算法 |
| 4.2 小波变换的红外图像编码 |
| 4.2.1 图像小波变换后系数的分布特点 |
| 4.2.2 红外图像压缩中的小波变换参数选择 |
| 4.2.3 利用小波变换进行图像压缩的编码流程 |
| 4.2.4 简单的小波变换红外图像压缩编码 |
| 4.3 针对红外图像特点的改进的EZW编码 |
| 4.3.1 嵌入式小波零树编码(EZW) |
| 4.3.2 针对红外图像特点的改进的EZW算法 |
| 4.3.3 低频子带的无损压缩 |
| 4.3.4 小波域的边缘提取 |
| 4.3.5 压缩编码结果与分析 |
| 4.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（5）基于小波的红外图像压缩技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 图像压缩的国内外研究现状 |
| 1.3 图像压缩编码技术概述 |
| 1.3.1 静态图像压缩编码技术 |
| 1.3.2 序列图像压缩编码技术 |
| 1.4 本文研究内容及论文结构 |
| 第2章 小波分析理论 |
| 2.1 傅立叶变换与Gabor变换的不足 |
| 2.2 小波理论 |
| 2.2.1 小波变换的定义 |
| 2.2.2 多分辨率分析 |
| 2.2.3 Mallat算法 |
| 2.3 图像压缩编码中的小波变换 |
| 2.3.1 小波基的选取 |
| 2.3.2 9/7 提升小波变换和5/3 整数小波 |
| 2.3.3 小波系数的量化 |
| 2.4 本章小结 |
| 第3章 基于小波变换的图像压缩算法 |
| 3.1 小波图像压缩概述 |
| 3.2 嵌入零树小波编码算法(EZW) |
| 3.2.1 内嵌编码原理 |
| 3.2.2 EZW编码原理 |
| 3.2.3 EZW算法步骤 |
| 3.2.4 EZW算法的意义以及缺陷 |
| 3.3 多级树集合分裂编码算法(SPIHT) |
| 3.3.1 SPIHT算法原理 |
| 3.3.2 SPIHT算法步骤 |
| 3.3.3 SPIHT算法与EZW算法的比较 |
| 3.4 本章小结 |
| 第4章 针对红外序列图像的算法改进 |
| 4.1 红外图像特点 |
| 4.2 算法改进 |
| 4.2.1 针对红外图像特点的算法改进 |
| 4.2.2 针对滤波器应用的算法改进 |
| 4.2.3 综合改进算法 |
| 4.3 无人机序列图像的特点 |
| 4.4 帧间运动估计算法 |
| 4.5 仿真及结果分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
四、红外图像基于小波变换的矢量量化编码研究（论文参考文献）
- [1]高速运动物体图像识别与压缩方法研究[D]. 史启盟. 西安理工大学, 2021(01)
- [2]基于小波的热红外图像压缩研究[D]. 吴文祺. 北方工业大学, 2014(09)
- [3]红外图像基于小波变换的矢量量化编码研究[D]. 张延洲. 南京理工大学, 2004(01)
- [4]红外图像压缩编码算法研究[D]. 冯文慧. 南京理工大学, 2009(07)
- [5]基于小波的红外图像压缩技术研究[D]. 张琦. 哈尔滨工业大学, 2007(03)