小波和支持向量机及其在图像压缩中的应用研究

论文摘要

图像压缩是图像存储、传输的基础。原始图像数据存储空间较大,不利于存储、传输。为了减小图像数据的存储空间和通信带宽,实现数据实时处理、显示和传输,需要对原始图像进行高效压缩。图像压缩编码可分为无损压缩编码和有损压缩编码。经典压缩算法理论已比较成熟。近来,又出现新的基于小波变换的压缩方法、分形压缩方法和神经网络压缩方法,称为第二代图像压缩编码方法,其具有更高的压缩比和图像恢复质量,受到越来越多的重视,但由于理论还不完善,在实际应用中仍存在许多问题。针对图像压缩的现状,本文结合支持向量回归与小波理论对图像压缩进行了研究,主要工作如下:(1)研究了支持向量回归与DCT变换相结合的图像压缩方法,并通过实验论证了其可行性。(2)我们结合SPIHT结构,提出一种支持向量回归与小波变换相结合的灰度图像压缩方法。该方法先将原始图像进行离散小波变换,得到多分辨率小波图像,再通过SPIHT结构进行小波系数重组,然后对每棵树上的小波系数进行支持向量回归,获得一系列支持向量和相应的权值,通过较少的支持向量拟合原始小波系数而达到数据压缩目的。(3)研究了3DSPIHT的支持向量回归小波多光谱遥感图像压缩方法。在二维SPIHT支持向量回归小波图像压缩的基础之上,将压缩方法扩展到3DSPIHT,先对多波段光谱数据进行空间小波变换,再用3DSPIHT结构进行系数重组,然后通过支持向量回归进行图像压缩。实验结果表明,此方法可取得较好的效果,但压缩中,支持向量回归时间,压缩时间较长是一个有待解决的问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 支持向量机的发展及研究现状
• 1.3 小波理论的研究现状
• 1.4 图像压缩理论及发展现状
• 1.5 本文的主要工作
• 1.6 本文的章节安排
• 第二章 支持向量回归进行图像压缩研究
• 2.1 支持向量机理论
• 2.1.1 统计学习理论
• 2.1.2 VC 维
• 2.1.3 结构风险最小化理论
• 2.1.4 最优超平面
• 2.1.5 支持向量机及支持向量回归理论
• 2.1.6 线性SVM
• 2.1.7 非线性SVM
• 2.1.8 支持向量回归（SVR）
• 2.2 图像压缩理论
• 2.2.1 图像压缩的发展历程
• 2.2.2 经典图像压缩方法的分类
• 2.2.3 图像压缩的新方法
• 2.3 支持向量回归进行图像压缩研究
• 2.3.1 JPEG 标准
• 2.3.2 支持向量回归与DCT 变换结合进行图像压缩
• 2.3.3 实验结果
• 2.4 本章小结
• 第三章 支持向量回归与小波理论结合进行灰度图像压缩研究
• 3.1 小波理论
• 3.1.1 预备知识
• 3.1.2 连续小波变换
• 3.1.3 离散小波变换
• 3.1.4 多分辨率分析与正交小波变换
• 3.1.5 小波包的基本原理
• 3.2 小波理论在图像压缩中的研究
• 3.2.1 图像的小波分解和重构
• 3.2.2 图像的小波多分辨率分析
• 3.3 支持向量回归与小波理论结合进行图像压缩
• 3.3.1 图像数据压缩处理过程
• 3.3.2 图像数据解压处理过程
• 3.3.3 实验结果
• 3.4 本章小结
• 第四章 支持向量回归与小波理论结合对多光谱遥感图像的压缩研究
• 4.1 多光谱遥感图像压缩
• 4.2 支持向量回归与小波理论结合进行多光谱遥感图像压缩
• 4.2.1 三维SPHIHT 编码
• 4.2.2 支持向量回归与小波理论结合进行多光谱遥感图像压缩处理
• 4.2.3 实验结果
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文