一、AN EFFICIENT BTC IMAGE COMPRESSION ALGORITHM（论文文献综述）
朱剑冰,徐勇,王翠莲,朱玛,陈继巍,韩庆龙[1]（2021）在《“祝融号”火星车图像压缩软件的设计与实现》文中研究说明针对火星图像传输信道极其有限,误码率较高等问题,给出了一种火星车图像压缩软件的设计与实现方法:分析了火星车图像管理的特点,归纳出火星车图像压缩软件需具备的三项能力（文件统一管理能力、高效压缩能力、高容错能力）;针对文件统一管理能力,提出了一种针对多类型图像数据的统一化管理的文件系统;针对压缩算法高效性和高容错性要求,在基于首1游程的图像位面并行编码算法基础上,扩展了多载荷图像统一化处理、彩色图像预处理和分段位平面编码三个重要过程,进一步提高算法压缩性能和容错能力,并形成一整套图像压缩软件设计方案,使用FPGA（Field Programmable Gate Array）+DSP（Digital Signal Process）方式实现了整套软件;最后采用仿真验证系统对压缩效果进行了验证,仿真结果表明了算法的有效性。本软件经"祝融号"火星车在轨验证,可有效满足火星探测任务需求,软件设计方案可作为后续超远距离深空探测图像压缩的参考。
杨昆[2]（2021）在《基于学习的视频纹理分析和合成编码》文中研究表明随着电子技术的日益进步,高品质多媒体设备逐渐进入到人们的日常生活,高清和超高清数字视频内容也逐步得到普及,但是,海量的视频数据也随之出现,这给视频数据的存储和网络传输带来了巨大的压力。目前,高性能视频编码（High Efficiency Video Coding,HEVC）是采用最为广泛的新一代视频编码标准,该标准采纳了大量的新技术,相比于上一代视频编码标准（H.264/AVC）,它能够在相同主观质量的情况下节省大约一半的码率。即便如此,现有技术的视频压缩率和视频压缩需求之间仍然存在着巨大的鸿沟。因此,如何设计更加高效的视频压缩方法是目前视频编码领域面临的严峻挑战。传统的视频编码方案通常采用基于预测/变换的混合编码框架,利用灵活的块划分技术将输入图像/视频划分为树形结构单元,并基于信号在该单元内是平稳信号的假设,以牺牲复杂度为代价从多种编码模式中选择最优模式对其进行压缩编码。数十年来,该编码方案一直是基于香农信息论,从信号处理的角度,不断对标准中的技术进行微调。然而,自然视频内容的统计特性十分复杂,它往往在纹理、边沿等内容处展现出非平稳的信号特性,传统编码方法无法高效地对其进行压缩,因此,该部分内容在编码中往往需要耗费大量的比特数。但是,另一方面,人眼通常对该部分内容并不敏感,其内容即使存在细微的差异也不会被察觉;与此同时,深度学习技术在众多计算机视觉任务中展现出了非常强大的学习能力,并且也在视频编码领域取得了巨大的成功。因此,本工作主要的研究内容是如何利用深度学习技术并结合传统的经典视频编码技术来进一步提高视频纹理内容的压缩效率。论文的主要工作和创新如下:（1）本文针对静态纹理内容提出了一种基于深度学习非线性变换的编码方案。首先,本文设计了一个基于深度学习的非线性变换神经网络模型,并将其成功集成到现有的帧内编码框架之中;其次,本文提出可以利用帧内预测信息去除帧内预测残差中的方向性信息,以此提高变换的性能;再次,本文提出利用变换增益作为神经网络的损失函数以及针对变换系数的TopK训练方法,提高变换系数的能量压缩效果,进而降低编码变换系数所需的比特数。实验结果表明,本文提出的基于深度学习的非线性变换方案相比传统方法可以明显提升视频中纹理内容区域的编码性能。（2）本文针对视频中的动态纹理内容提出了一种动态纹理检测方案。首先,本文提出了一种基于运动方向直方图的动态纹理检测算法,该方法简便快捷并已经成功集成到视频编码框架中;其次,本文基于动态纹理内容之间的时空相关性,提出了一种对动态纹理检测结果的优化方案,以此提高动态纹理检测结果的准确度。实验结果表明,本文提出的动态纹理检测方案能够在满足编码需求的情况下快速准确地检测出自然视频中的动态纹理内容。（3）本文针对视频中的动态纹理内容编码提出了一种基于动态纹理检测合成的视频编码方案。首先,本文设计了一种利用时空域信息来进行动态纹理合成的生成对抗网络模型,提出了利用空域判别网络和时域判别网络增强合成结果的空域真实性和时域连贯性的方法;其次,本文提出一种结合动态纹理检测以及动态纹理合成的视频编码方案,并将该编码方案成功集成到帧间编码模块中,大大提升了纹理内容视频的编码效率;最后,本文采集并构建了动态纹理视频训练（验证）数据集用于神经网络的训练,并建立了动态纹理编码测试序列视频数据集用于动态纹理内容编码的研究。实验结果表明,本文提出的基于动态纹理检测和合成的视频编码方案能够显着提升动态纹理视频内容的编码效率。
匡金军[3]（2020）在《基于非对称逆布局模型的图像压缩算法研究》文中研究表明随着信息时代的到来,世界每时每刻都会产生巨量的图像信息,这种原始的图像往往因为拍摄设备、环境或者存储方面的限制,图像质量过低,往往存在模糊或失真等问题,无法被直接使用。需求带动技术的产生,一系列图像处理技术应运而生,如:图像压缩、图像分割、图像恢复等。图像压缩是图像处理的一个重要领域,其基本原理是将图像用更少的数据表示,使其存储所需的数据总量减少,达到降低存储成本和数据传输成本的技术。本论文的主要工作是研究非对称逆布局模型与其他算法结合在图像压缩和图像表示领域的应用,从而提出的两种算法:第一种算法是基于矩形子模式的非对称逆布局的块截断压缩算法。论文从理论方面论证了非对称逆布局的同位块分割算法与块截断压缩算法结合的可行性与优越性,通过实验对理论进行验证,并与块截断的几种压缩算法相比较。从实验结果可以得出,改进的算法压缩速度更快,压缩率更高,解码图像质量更好。第二种算法是基于可重叠的矩形子模式非对称逆布局和二值位平面分解的图像表示,可以细分为基于可重叠的矩形子模式非对称逆布局和二值位平面分解的灰度图像表示和基于可重叠的矩形子模式非对称逆布局和二值位平面分解的彩色图像表示两种。其中灰度图像表示算法的思路是先将灰度图分解成多幅二值图,再对每幅二值图做可重叠的矩形子模式非对称逆布局压缩。将该算法与灰度图像的线性四元树表示、基于三角形子模式非对称逆布局和基于方形子模式非对称逆布局与位平面分解的两种灰度图像表示算法对比。从实验结果可看出,该灰度表示算法的分割块数大量减少,压缩率也比其他算法高,可以作为基于非对称逆布局和位平面的灰度图像表示算法的一种补充。由该算法扩展得到的基于可重叠的矩形子模式非对称逆布局和二值位平面分解的彩色图像表示算法,其思路是先将彩色图像分成三个不同通道的灰度图像,再分别用基于可重叠矩形子模式非对称逆布局和二值位平面分解的灰度图像表示算法处理。将该算法与彩色图像的线性四元树表示和基于矩形子模式非对称逆布局和二值位平面分解的彩色图像表示算法作比较,实验证明,同样拥有更好的压缩率且分割的块数更少。
张力戈,秦小林,杨涌,黄东[4]（2020）在《结合二进制烟花算法的单位图块截断编码》文中研究指明图像压缩应用领域中,在保证压缩比不变的前提下,为生成有效的公共位图,并降低单位图块截断编码压缩彩色图像时的失真风险,本文提出了一种结合二进制烟花算法的单位图块截断编码方法.该方法首先将彩色图像分成不重叠的子图像块,使用权重平面法生成每个子图像块的初始位图;然后,通过局部优化和全局优化两种不同的策略确定每个子图像块初始位图需要优化的位置,将这些位置的值作为烟花算法初始值;在此基础上将烟花算法改为二进制形式并进行优化,生成每个子图像块的公共位图与6个量化值;最后,根据公共位图与6个量化值恢复每个子图像块,根据恢复的子图像块重构压缩图像.通过在测试图像上进行实验验证,并与3种参考方法从压缩图片的细节视觉效果、压缩图片与原图间的均方误差、结构相似性指数3个角度进行对比,结果表明,本文所提方法生成的公共位图有效,且全局优化策略压缩图像效果优于局部优化策略,其中全局优化策略生成的压缩图像与原图间的均方误差均值在分块大小为4×4和8×8时分别为56.939 7与106.317 4,低于3种对比方法,结构相似性指数均值分别为0.968 2与0.943 1,高于3种对比方法,通过分析对比表明,所提方法生成的压缩图像与原图间的相似度更高,在保持压缩比的同时有效提升了压缩图像的精度.
范航宇[5]（2019）在《数字图像的鲁棒性水印方法研究》文中研究表明数字图像作为多媒体信息的重要组成部分,在当今时代中有着广阔的应用。随着智能手机的普及和移动互联网的发展,数字图像的数量呈爆炸式增长,在人们的生活中几乎无处不在。数字图像作为一种数字资产,自身蕴含着经济价值,但是随着技术的进步,针对图像的盗取或破坏变得越来越简单。数字图像水印作为一种将信息嵌入到图像中的技术,是保护图像版权或完整性的一种有效手段。在当前环境下,针对图像的攻击手段花样繁多,一些数字图像水印方法面临着失效的风险,因此设计新型的鲁棒性数字图像水印方法就有着特殊的现实意义。在本文中,作者主要针对数字图像的鲁棒性水印技术进行了研究,针对现阶段常见的攻击形式设计了多种水印方法。本研究涵盖了空域数字图像水印方法、变换域数字图像水印方法和压缩域数字图像水印方法,涉及了盲提取水印方法和非盲提取水印方法,也涉及了可逆无损水印方法和有损水印方法,创新内容主要分为4部分,分别是:（1）针对电子商务网站中常见的商品图盗取问题进行了研究与分析,为了应对当前环境中常见的攻击方法,如图片拼贴、抠图、旋转缩放、截取等,提出了一种联合解决方案。在当前这些常见的攻击下,载体图像的尺寸不仅发生变化,连图像的部分内容也会被篡改。因此常见的水印方法可能会在这类攻击下失效。针对这种情况,作者设计了一种噪声模板水印和基于整数小波变换（Integer Wavelet Transform,IWT）与离散余弦变换（Discrete Cosine Transform,DCT）水印的联合方案。噪声模板水印具有强鲁棒性和不错的不可感知性,并且可以求出当前图像的旋转和缩放系数,但是该方法无法自由定制嵌入的水印信息;基于IWT-DCT的水印方法可以自由定制嵌入的水印信息,也可以抵抗剪切和平移攻击,但是无法应对几何攻击。因此两种水印方法的优势和劣势得到了互补,整体方案的鲁棒性得到了提升。经过实验仿真发现,该方案能够在图像遭受到上述攻击后进行水印信息的检测和提取。（2）针对块截断编码（Block Truncation Coding,BTC）压缩域的图像可能遭受篡改攻击及水印信息不安全的问题,设计了一种用于图像BTC压缩域的可逆水印方案。该方案在水印嵌入时使用了一种改进的直方图移位方法,该方法不仅具有较好的不可感知性,而且还是一种可逆的水印方法,可以在水印提取之后将图像恢复到未嵌入水印时的状态。经过改进,该方案拥有较高的水印嵌入容量,同时在嵌入的过程中引入了可视密码技术,使水印的安全性得到了提升。可视密码技术可以将水印信息拆分成多个不同的透明片信息,只有将足够数量的透明片叠加在一起时,才可以恢复原始的水印信息,因此该方案可以提升水印信息的安全性。该方案针对BTC数据格式的图像篡改等攻击具有一定的鲁棒性。（3）针对移动互联网应用中常见的图像压缩、缩放等攻击,提出了一种基于直方图的图像低频特征构建的水印方法。传统的水印方案有可能会在该类攻击下失效。原始的直方图相邻组距调整方法具有较好的不可感知性和鲁棒性,但是嵌入容量低,因此本章提出了一种改进的直方图嵌入方法,提升了水印的嵌入容量。此外,为了提升鲁棒性,作者提出了一种低频特征构建方案。作者设计了一种权重计算方法,通过计算不同像素位置的权重,可以找到空域中适合修改的像素及位置,使得修改过后的图像呈现出平滑的特性,该过程加强了图像的低频特征。通过在空域中主动的构建低频特征,可以提升一定的鲁棒性,同时提升了水印的不可感知性。在本部分中,作者通过采用不同的直方图相邻组距频数调整策略,设计了一种非盲提取方案和一种盲提取方案,以便应对不同的实际应用场景,其中非盲提取方案具有较高的鲁棒性,盲提取方案的鲁棒性弱于非盲提取方案。（4）针对矢量量化压缩域图像可能会受到的微角度旋转,缩放,噪声等攻击,作者设计了 一种基于粒子群优化（Particle Swarm Optimization,PSO）的快速高质量码书设计方案,并且利用生成的码书对矢量量化压缩域图像进行水印嵌入。使用质量较差的码书用于水印嵌入会导致鲁棒性下降。因此本部分着重研究了矢量量化中码书的设计,提升了码书的质量,并且降低了码书的生成时间。作者提出的快速高质量码书生成方法引入了池化过程,粒子群优化,反向投射和K-means,其中池化过程用于减少粒子群优化搜索的内容,PSO过程用于产生粗粒度的聚类中心结果,随后使用反向投射过程将搜索空间从池化特征图转移到原始图像,最后使用K-means过程进行精细搜索。由于采用了高效高质量的码书,水印的嵌入质量得到了提升,相比于使用普通码书的水印方法,作者提出的水印方法鲁棒性更好。快速的码书生成过程使得本方案具有更加广阔的应用空间。
葛镜[6]（2019）在《自嵌入水印算法及其在图像篡改检测和恢复的应用》文中研究说明数字多媒体技术的发展为我们的工作和生活提供了很多成熟、可靠、灵活、高效、高质量、低成本的多媒体信息。随之衍生的各类图像处理技术使得数字产品的获取、处理、存储、复制变得越来越容易,促使数字产品的版权保护,完整性保护,篡改防护变得越来越重要。快速发展的信息技术促进了数字多媒体技术的发展,在这种背景下,计算机技术和各种手持移动智能终端技术的发展,使得篡改多媒体数据变得轻而易举,包括手机、电脑、平板电脑里面安装的各种软件能够毫不费力地篡改多媒体数据,同时也带来了非法复制和数字多媒体重新再分布等问题。数字水印概念的提出就是为了解决信息技术版权保护的相关问题,它为多媒体数据的认证、版权保护和防篡改提供了有效的解决方案。本文以图像水印为主要研究对象,探讨了图像水印的相关理论和各种算法,在此基础上提出了三种有效的水印算法,并将其用于图像篡改检测和恢复,取得较好的效果。本文的主要研究成果概况如下:第一,提出一种改进的基于哈希算法的自嵌入数字水印算法。在分析传统哈希算法的基础上,提出一种改进的哈希算法,并将图像本身的哈希值作为水印嵌入原图像,用于图像的版权保护等。图像本身的信息采用哈希算法生成图像哈希值。具体过程包括三个部分:预处理、特征值提取和哈希值生成。第一步通过预处理对图像进行归一化处理。第二步特征值提取,经过前面的图像预处理后的图像,使用块截断编码和中心对称局部二进制模式提取图像的特征值。第三步生成图像哈希值作为水印采用DCT变换域方法嵌入原图。该算法在图像的感知和抗攻击性中能达到很好的平衡,鲁棒性较强,并且有很好的保密性能。第二,提出一种改进的基于SVD分解的自嵌入水印算法。通过SVD分解得到图像的特征值作为认证水印嵌入原图,用于实现图像的版权保护和抗攻击等,并能有效地实现图像被篡改区域的定位。同时,采用块分类算法来生成图像的恢复水印。恢复水印要能实现图像的恢复就需要尽可能完整的保护图像块的所有信息,然而作为水印嵌入图像又不能有太多的数据量否则不满足人眼视觉阈值的条件。因此在图像DCT变换的基础上,根据图像块的特征将图像分类,获取不同类型图像块的压缩编码生成恢复水印,每类图像块的恢复水印大小不等。该水印算法既能实现图像的篡改检测又能实现图像的篡改恢复,采用混沌加密算法嵌入图像块中。假如嵌入水印的图像被篡改,篡改后的图像块的基本信息和提取的水印信息将不能匹配,用这种方法可以判断每个图像块是否被篡改。由每个图像块的压缩编码生成的恢复水印可以用来恢复被篡改的图像块。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复。甚至当篡改率高达70%时,仍然有效地实现篡改区域的定位,并恢复大部分被篡改的图像块。第三,提出一种彩色图像的水印算法,基于自嵌入水印实现彩色图像的篡改检测和恢复。第一步将彩色图像变换为HSI和YCbCr,分别提取其中的特征值,生成彩色图像哈希值作为认证比特。第二步在图像DCT变换的基础上,获取图像块的压缩编码生成恢复比特。第三步将认证比特和恢复比特作为水印嵌入到图像块中。原图像块基本信息经哈希变换生成认证比特,作为水印的一部分,篡改检测时,通过比较图像块的基本信息和提取的水印信息是否匹配,判断每个图像块是否被篡改。图像块的压缩编码作为恢复比特水印嵌入到原图中,如果图像块被篡改,恢复比特水印可以用来恢复被篡改的图像。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复,是一种有效的彩色水印算法。
邹阳,王将,张昭晖,刘祎,梁立为[7]（2018）在《元胞自动机压缩算法仿真卫星云图》文中指出为减小计算复杂度和提高压缩比,提出基于方块编码和可逆元胞自动机结合的二值图像压缩算法来仿真卫星云图简单实用的元胞自动机编码表示方法。并针对卫星云图特性和业务实际,提出搜索和统计云图元胞邻域的状态集合,改进加权有限元胞自动机算法,对卫星云图数据进行压缩。实验表明,两种编码方法都能有效地减小计算复杂度,提高压缩比。峰值信噪比（PSNR）在30 dB左右,RCA-BTC算法压缩率可以达到15,图像重建仿真效果良好。
冯亚沛[8]（2018）在《基于内容的图像特征提取及应用》文中研究说明随着移动互联网技术及数字存储设备和电脑通讯设备的迅速发展,人们通过Facebook、Twitter、Instagram 等社交网络应用程序和 WhatsApp、WeChat 等即时消息应用程序传输的图像持续快速增长。如何从海量的图像数据库中浏览和选取出人们感兴趣的图像数据,以及如何从这些非结构化数据中提取出结构化的、有意义的逻辑、实体乃至关系网络,从而对社会群体的趋势和个体的行为进行预测,是互联网大数据时代的新挑战和新机遇。通常在对高维的复杂图像数据分析处理前,需要对数据进行特征提取操作,通过提取相关性强的特征,实现图像相关性匹配、图像目标识别、图像检索等应用。本文以特征提取算法及应用为研究对象,以计算机视觉理论、信息编码理论、复杂网络理论、和信息论等知识为理论基础,重点研究了图像的边缘方向特征、感兴趣点特征和复合特征的提取,包括如何构造良好的图像表征方式、如何更为完整地描述图像内容以及如何对图像检索结果进行有效的实时评估等几个方面。本文的主要创新工作概括如下:（1）针对“边缘退化”问题,提出了一种基于分类矢量量化（VQ）和边缘方向分类算子（EOPs）的图像压缩编码和特征提取算法。首先,提出了 一种基于EOPs的边缘方向检测器,利用边缘方向检测器对图像块进行分类,然后利用分类矢量量化器为图像块分类设计码书,并将码书中与图像块最匹配的码字索引代替输入矢量进行传输和存储,编码的平均峰值信噪比得到提高。此外,在压缩编码的基础上,我们还提出了一种基于EOP和VQ的特征,将基于EOP-Histogram（EOPH）的特征与传统的VQIH的特征相结合应用于图像检索,实验结果表明,该方案有效地提高了图像检索的性能。（2）针对一幅图像不同区域局部特征的差异性,提出将图像适当地划分为具有不同特性的分区,分别计算每个图像分区的特征,然后将所有块分区特征连接成一个复合特征向量（Composite Feature）,有效地克服局部信息丢失的问题。针对块截断图像编码算法比特率较高、计算复杂度和压缩比较低的特点,提出了一种基于位平面边缘方向分类和树形矢量量化的特征提取算法。对块截断编码后的位平面进行梯度划分,对划分后的28种图像块采用树形矢量量化编码的方法生成位平面的边缘方向特征（Edge Orientation of Bit-plane Feature,EOBPF）。然后结合对比度和颜色直方图特征（Contrast and Colour Histogram Based Feature,CCHF）,作为图像的复合特征应用于图像检索。该特征不仅具有较高的压缩比特率,还有效地克服了局部信息丢失的问题,大大提高了图像检索效率。（3）针对大部分图像和视频都是以压缩的形式进行存储和传播的问题,我们提出了基于离散余弦变换的压缩域特征提取方法。充分利用DCT的能量集中特性和分类矢量量化高压缩比的优点,对图像进行去相关操作,保留了有用的特征值,而过滤一些不相关信息,达到对图像关键信息的一种增强表达。我们提取的特征融合了图像块类索引特征向量、DC系数索引特征向量和基于AC系数分类的VQ编码索引特征向量,分别表征图像的边缘方向信息、能量信息和纹理信息。总的来说,该算法实现了对压缩域图像的复合特征提取,并且去除了不相关信息,有助于提高图像检索的准确率。（4）为了避免“视觉退化”的问题,研究了基于复杂网络的图像建模算法和基于复杂网络的图像感兴趣点特征的提取方法,并且证明了该特征的缩放不变性。首先将图像通过像素点映射为全连接图,然后对全连接图进行动态演化,通过计算目标图像的多邻域梯度图以构建网络,并利用一组阈值和高斯加权函数来降低生成网络的复杂度,生成一个具有明显拓扑结构的复杂网络。然后,提出了基于熵权法和信息熵与交叉信息熵的复杂网络关节点中心性计算算法,找到网络中具有控制作用的关键节点。将关键节点映射回图像,得到能够描述图像形状轮廓的感兴趣点特征。在找到特征点后,我们在特征点周围取了一个“范围”,在这个范围内计算这个子网络的统计特征,作为图像的局部特征描述子。实验结果证明,我们提取的图像特征点不仅能够很好地描述图像的局部特征,而且具有尺度和缩放不变性,在图像分析和理解领域具有重要的应用价值。
张玉其[9]（2017）在《用于图像压缩的BTC关键技术的研究》文中提出随着社交网络的快速发展,大量的数字信息数据需要在网络上快速传输,特别是数据量比较大的图像和视频。为了保证数据的传输效率和节约网络带宽,需要对数据进行压缩再进行传输。论文主要研究了BTC图像压缩算法,BTC算法是一种空间域的有损图像压缩,该算法具有编解码速度快,压缩图像质量好的特点。为了进一步了解BTC算法的编码特点,文中研究了分块尺寸和量化阈值对BTC算法的影响,经过实验得到最佳的分块尺寸分布在4×4和8×8,可选的阈值计算方法有均值法和OTSU法。为了提高BTC算法的压缩比,论文根据图像块的特征,对图像块进行分类,然后使用不同的算法进行编码。文中将图像块分成均匀块、普通块和复杂块,均匀块信息使用均值来编码,普通块使用BTC算法进行压缩,复杂块使用DPCM算法进行压缩,DPCM也是一种简单的压缩算法,所以整个编码方案同样保持了BTC快速编码的优点。实验结果显示基于BTC-DPCM的编码方案具有高的压缩比而且能很好控制压缩误差。由于图像块之间还有一定的相似性,即图像还有进一步压缩的空间,所以在分类编码的基础上,文中同时考虑了图像块之间的相似性。如果当前编码块与相邻块相似,图像块重建时直接使用相邻块的重建图像块。该方案在引入合理误差时,进一步提高了方案的压缩比。方案与DCT算法进行对比,实验结果显示对于内容平滑的图像,方案具有较高的压缩比,对于内容复杂的图像,方案的压缩误差远远低于DCT算法的压缩误差。日常需要处理的都是彩色图像,文中在以上研究的基础上给出了用于彩色图像压缩的方案。彩色图像可分成R、G、B三个颜色平面,文中使用亮度位平面代替三个颜色的位平面,由于使用公共位平面所以方案进一步提高了编码速度。实验结果显示使用公共位平面的方法并没有带来过多的压缩误差,压缩图像在视觉上看不到失真的部分。
晋强[10]（2016）在《基于优化块截断编码及压缩图像信息隐藏算法研究》文中研究表明随着因特网的迅速发展和应用,数字图像被广泛传播和使用在各个领域,这对数字图像处理技术提出新的需求。一方面,数字图像含有大量的数据,对存储和传输造成负担,因此,在传送前需要对数字图像进行压缩,在尽量保证图像质量的情况下用较少的比特来表示图像的内容;另一方面,为了保护一些重要信息,数字图像也经常作为载体来承载秘密信息,这就需要发展数字图像的信息隐藏技术。结合这两方面需求,压缩图像的信息隐藏成为了数字图像安全传输的一个重要研究方向。因此,本论文基于压缩图像的信息隐藏技术,主要对块截断编码技术和基于粒子群优化的信息隐藏技术进行了研究,完成了如下工作。第一,提出了基于优化块截断编码的数字图像压缩方案。块截断编码是一种方便快捷的图像压缩技术,经其压缩后恢复的图像质量较好,适合灰度图像和彩色图像的压缩。基于块截断编码,本文提出了两种方案:一种是采用粒子群算法优化像素分组方案,另一种是采用二元蚁群算法优化公共位图方案。本文提出的方案获得了较好的图像质量。第二,提出了基于粒子群算法优化的信息隐藏方案。本文提出了两种方案:一种采用粒子群算法优化龟壳矩阵信息隐藏方案,在同等嵌入容量的情况下,减少了基于龟壳矩阵隐秘图像的失真,并增强了龟壳矩阵信息隐藏方案的安全性,另一种方案是结合块截断编码和粒子群优化算法,在压缩的灰度图像中嵌入较大容量的秘密信息,并较好保证了载秘压缩图像的视觉质量。
二、AN EFFICIENT BTC IMAGE COMPRESSION ALGORITHM（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、AN EFFICIENT BTC IMAGE COMPRESSION ALGORITHM（论文提纲范文）
（2）基于学习的视频纹理分析和合成编码（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究历史和现状 |
| 1.2.1 静态纹理内容压缩 |
| 1.2.2 动态纹理内容分析与合成 |
| 1.3 论文主要工作及内容安排 |
| 第二章 数字视频基础知识 |
| 2.1 视频压缩原理及主要技术 |
| 2.1.1 视频压缩原理 |
| 2.1.2 视频压缩主要技术 |
| 2.2 HEVC简介 |
| 2.2.1 HEVC编码框架 |
| 2.2.2 块划分 |
| 2.2.3 帧内预测 |
| 2.2.4 帧间预测 |
| 2.2.5 变换 |
| 2.2.6 量化 |
| 2.2.7 熵编码 |
| 2.3 深度学习基础 |
| 2.3.1 卷积神经网络 |
| 2.3.2 生成对抗神经网络 |
| 2.4 人类视觉系统和质量评价准则 |
| 2.4.1 人类视觉系统 |
| 2.4.2 质量评价 |
| 第三章 基于深度学习的静态纹理高效变换编码 |
| 3.1 研究简介 |
| 3.1.1 研究动机 |
| 3.1.2 主要贡献 |
| 3.2 基于深度学习的静态纹理高效变换编码框架 |
| 3.3 网络结构 |
| 3.3.1 方向信息模块 |
| 3.3.2 变换模块 |
| 3.4 网络训练 |
| 3.4.1 损失函数 |
| 3.4.2 模型训练 |
| 3.5 实验结果及其分析 |
| 3.5.1 实现及实验配置 |
| 3.5.2 编码性能实验结果及分析 |
| 3.5.3 验证实验结果及分析 |
| 3.5.4 实验结果总结 |
| 3.6 本章小结 |
| 第四章 基于运动方向直方图的动态纹理的检测技术 |
| 4.1 动态纹理分析概述 |
| 4.1.1 研究动机 |
| 4.1.2 动态纹理检测技术 |
| 4.1.3 本章贡献 |
| 4.2 动态纹理检测技术框架及其在编码中的应用 |
| 4.2.1 动态纹理检测技术框架 |
| 4.2.2 基于动态纹理检测的编码框架 |
| 4.3 基于运动方向直方图的动态纹理的检测技术 |
| 4.4 实验结果 |
| 4.4.1 动态纹理检测实验结果 |
| 4.4.2 动态纹理检测在视频编码中的验证 |
| 4.5 实验结果总结 |
| 4.6 本章小结 |
| 第五章 基于动态纹理分析与合成的动态纹理编码 |
| 5.1 动态纹理分析与合成的动态纹理编码技术概述 |
| 5.1.1 研究动机 |
| 5.1.2 现有的动态纹理分析与合成的动态纹理编码技术 |
| 5.1.3 本章贡献 |
| 5.2 动态纹理分析与合成的动态纹理编码框架 |
| 5.3 动态纹理分析与合成的动态纹理编码技术 |
| 5.3.1 网络结构 |
| 5.3.2 生成网络 |
| 5.3.3 判别网络 |
| 5.3.4 损失函数设计 |
| 5.4 基于动态纹理分析和合成的编码方案的集成 |
| 5.5 实验结果及分析 |
| 5.5.1 数据集 |
| 5.5.2 网络训练 |
| 5.5.3 损失函数和网络结构验证 |
| 5.5.4 压缩性能 |
| 5.5.5 主观实验 |
| 5.5.6 实验小结 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（3）基于非对称逆布局模型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 研究背景与意义 |
| 1.2 NAM的发展现状 |
| 1.3 研究内容和主要工作 |
| 1.4 研究方法 |
| 1.5 本文的内容安排 |
| 1.6 本章小结 |
| 第二章 NAM的相关介绍 |
| 2.1 NAM的背景和理论 |
| 2.2 NAM的常用同类块判定算法 |
| 2.3 NAM的存储结构 |
| 2.4 NAM的算法步骤 |
| 2.5 本章小结 |
| 第三章 基于NAM的块截断算法 |
| 3.1 概述 |
| 3.2 传统BTC算法和AMBTC算法 |
| 3.3 EDBTC算法 |
| 3.4 QEDBTC算法 |
| 3.5 基于RNAM的块截断算法 |
| 3.5.1 RNAMEDBTC算法的思路 |
| 3.5.2 RNAM分割算法 |
| 3.5.3 同类块判定方法及参数的选定 |
| 3.6 实验结果 |
| 3.7 实验结论 |
| 3.8 本章小结 |
| 第四章 基于可重叠RNAM和位平面分解的图像表示 |
| 4.1 概述 |
| 4.2 BPD |
| 4.3 LQT |
| 4.4 用于比较的基于NAM和位平面分解的图像表示 |
| 4.4.1 TNAMBPD |
| 4.4.2 SNAMBPD |
| 4.4.3 RNAMBPDC |
| 4.5 基于可重叠RNAM和位平面分解的灰度图像表示 |
| 4.5.1 ORNAMBPD算法在TNAMBPD和 SNAMBP上的改进 |
| 4.5.2 ORNAMBPD的算法步骤 |
| 4.5.3 ORNAM分割算法 |
| 4.5.4 ORNAMBPD的存储结构 |
| 4.5.5 ORNAMBPD的数据量分析 |
| 4.5.6 实验结果 |
| 4.5.7 实验结论 |
| 4.6 基于可重叠RNAM和位平面分解的彩色图像表示 |
| 4.6.1 ORNAMBPDC在 RNAMBPDC算法上的改进 |
| 4.6.2 ORNAMBPDC的算法步骤 |
| 4.6.3 ORNAMBPDC的存储结构 |
| 4.6.4 ORNAMBPDC的数据量分析 |
| 4.6.5 实验结果 |
| 4.6.6 实验结论 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（4）结合二进制烟花算法的单位图块截断编码（论文提纲范文）
| 1 相关理论 |
| 1.1 W-plane方法 |
| 1.2 烟花算法 |
| 2 本文算法 |
| 2.1 图像分块 |
| 2.2 子图像块预处理 |
| 2.3 二进制烟花算法优化 |
| 2.3.1 烟花种群初始化 |
| 2.3.2 参数计算 |
| 2.3.3 生成爆炸火花、高斯变异火花 |
| 2.3.4 生成新一代烟花种群 |
| 2.3.5 输出优化值 |
| 2.4 重构图像 |
| 3 实验结果与分析 |
| 3.1 实验环境设置 |
| 3.2 结果分析 |
| 4 结 论 |
（5）数字图像的鲁棒性水印方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数字图像水印技术简介 |
| 1.2.1 脆弱水印及应用 |
| 1.2.2 半脆弱水印及应用 |
| 1.2.3 鲁棒水印及应用 |
| 1.3 数字图像水印技术的关键评价指标 |
| 1.3.1 水印方法的嵌入容量及评价方法 |
| 1.3.2 水印方法的不可感知性及评价方法 |
| 1.3.3 水印方法的鲁棒性及评价方法 |
| 1.4 数字图像水印技术的发展现状和趋势 |
| 1.5 本文的研究思路和主要创新点 |
| 1.6 本文组织结构 |
| 2 数字图像鲁棒水印方法的相关理论 |
| 2.1 空域水印相关理论 |
| 2.1.1 像素最低有效位 |
| 2.1.2 像素直方图 |
| 2.1.3 图像信息的周期性与相关性 |
| 2.2 变换域水印相关理论 |
| 2.2.1 离散余弦变换 |
| 2.2.2 离散小波变换与整数小波变换 |
| 2.2.3 奇异值分解 |
| 2.3 压缩域水印相关理论 |
| 2.3.1 块截断编码压缩 |
| 2.3.2 矢量量化压缩 |
| 2.3.3 图像JPEG压缩 |
| 3 基于噪声模板与IWT-DCT的数字图像水印方法研究 |
| 3.1 引言 |
| 3.2 相关知识介绍 |
| 3.2.1 噪声模板方法 |
| 3.2.2 信号的相关性 |
| 3.3 基于噪声模板与IWT-DCT的水印方案 |
| 3.3.1 基于噪声模板的水印方案 |
| 3.3.2 基于IWT-DCT的水印方案 |
| 3.4 实验结果及分析 |
| 3.4.1 噪声模板水印方案鲁棒性测试 |
| 3.4.2 噪声模板水印与IWT-DCT水印联合方案的鲁棒性测试 |
| 3.5 本章小结 |
| 4 基于直方图移位的BTC域图像无损可逆水印方法 |
| 4.1 引言 |
| 4.2 块截断编码 |
| 4.3 直方图移位算法 |
| 4.4 可视密码技术 |
| 4.5 基于直方图移位的BTC域的图像水印方法 |
| 4.5.1 传统的基于BTC压缩的无损水印嵌入方法及改进 |
| 4.5.2 提出的用于BTC压缩域图像的无损水印嵌入方法 |
| 4.6 实验结果及分析 |
| 4.6.1 算法实现与结果展示 |
| 4.6.2 算法的篡改鲁棒性测试 |
| 4.7 本章小结 |
| 5 基于直方图的低频构建鲁棒性水印方法研究 |
| 5.1 引言 |
| 5.2 直方图相邻组距元素调整嵌入方案 |
| 5.2.1 直方图相邻组距元素调整嵌入方案 |
| 5.2.2 改进的非盲提取直方图组距调整方案 |
| 5.2.3 改进的盲提取直方图组距调整方案 |
| 5.3 图像低频特征构建方法 |
| 5.4 基于直方图元素调整的低频构建鲁棒性水印方法 |
| 5.4.1 改进的非盲提取水印方案 |
| 5.4.2 改进的盲提取水印方案 |
| 5.5 实验结果及分析 |
| 5.5.1 针对JPEG压缩攻击的测试实验 |
| 5.5.2 算法参数调整对JPEG压缩攻击的抵抗效果实验 |
| 5.5.3 针对旋转缩放以及高斯噪声的攻击测试实验 |
| 5.5.4 针对移动互联网应用对图像的攻击测试实验 |
| 5.6 本章小结 |
| 6 基于快速高质量码书的矢量量化压缩域图像水印方法研究 |
| 6.1 引言 |
| 6.2 粒子群优化与矢量聚类 |
| 6.3 基于快速高质量码书的矢量量化压缩域图像水印方法 |
| 6.3.1 用于图像的快速高质量码书生成方案 |
| 6.3.2 基于快速高质量码书生成方法的矢量量化压缩域图像水印方法 |
| 6.4 实验结果及分析 |
| 6.4.1 码书质量与性能测试实验 |
| 6.4.2 基于快速高质量码书的矢量量化压缩域数字水印效果实验 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（6）自嵌入水印算法及其在图像篡改检测和恢复的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 数字水印 |
| 1.2.1 水印的应用 |
| 1.2.2 水印的特点 |
| 1.2.3 水印的分类 |
| 1.3 近年来的相关论文情况分析 |
| 1.4 论文结构及主要内容 |
| 2 图像的数字水印算法 |
| 2.1 水印系统 |
| 2.2 水印的生成 |
| 2.3 水印的嵌入 |
| 2.3.1 空域水印嵌入技术 |
| 2.3.2 变换域水印嵌入技术 |
| 2.3.3 压缩域水印嵌入 |
| 2.4 水印质量评估 |
| 2.4.1 水印嵌入与图像质量的关系 |
| 2.4.2 压缩与图像质量的关系 |
| 2.4.3 水印的质量标准 |
| 2.4.4 图像的质量评价标准 |
| 3 一种改进的基于哈希算法的自嵌入水印算法 |
| 3.1 哈希算法 |
| 3.1.1 图像的哈希算法 |
| 3.1.2 图像哈希算法的研究现状 |
| 3.2 图像哈希值的生成 |
| 3.2.1 图像的预处理 |
| 3.2.2 基于块截断编码和中心对称局部二进制模式特征值提取 |
| 3.2.3 哈希值的生成 |
| 3.3 水印的嵌入和提取 |
| 3.3.1 水印的嵌入算法 |
| 3.3.2 水印的提取算法 |
| 3.4 实验结果及分析 |
| 3.4.1 参数设置与计算 |
| 3.4.2 不可见性测试 |
| 3.4.3 鲁棒性测试 |
| 3.5 小结 |
| 4 一种改进的基于SVD特征值提取的自嵌入水印算法 |
| 4.1 引言 |
| 4.2 基于SVD的特征值提取 |
| 4.2.1 图像块的SVD分解 |
| 4.2.2 图像块的特征值提取 |
| 4.3 块分类算法 |
| 4.4 图像的篡改检测和恢复 |
| 4.4.1 水印的嵌入算法 |
| 4.4.2 篡改检测和恢复 |
| 4.5 实验结果及分析 |
| 4.5.1 不可见性测试 |
| 4.6 本章小结 |
| 5 基于自嵌入水印的彩色图像纂改检测和恢复 |
| 5.1 彩色图像的哈希值算法 |
| 5.2 彩色图像压缩编码 |
| 5.3 水印的嵌入算法 |
| 5.4 篡改检测和恢复算法 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士期间发表的论文 |
| 致谢 |
（7）元胞自动机压缩算法仿真卫星云图（论文提纲范文）
| 0 引言 |
| 1 方块编码和可逆元胞自动机算法 |
| 1.1 编码思想 |
| 1.2 算法实现 |
| 1.2.1 均值编码 |
| 1.2.2 分类编码 |
| 2 方块编码和有限加权元胞自动机算法 |
| 2.1 编码思想 |
| 2.2 算法流程 |
| 2.3 算法实现 |
| 2.3.1 均值编码 |
| 2.3.2 加权编码 |
| 3 仿真效果及分析 |
| 3.1 方块编码和多子带元胞自动机变换仿真 |
| 3.2 方块编码和有限加权元胞自动机仿真 |
| 3.3 各种算法仿真和分析 |
| 4 结语 |
（8）基于内容的图像特征提取及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 图像特征提取和检索应用的发展现状和趋势 |
| 1.3 基于内容的图像检索系统的关键技术 |
| 1.4 本文的研究思路和主要创新点 |
| 1.5 本文组织结构 |
| 第2章 矢量量化和复杂网络相关知识介绍 |
| 2.1 矢量量化基础知识 |
| 2.1.1 基本原理 |
| 2.1.2 矢量量化器的性能指标 |
| 2.1.3 矢量量化关键技术 |
| 2.1.4 矢量量化器主要类型 |
| 2.1.5 矢量量化在多媒体信号处理中的应用 |
| 2.2 基于图论的复杂网络的表示及其结构特征 |
| 2.2.1 复杂网络的表示和结构特征 |
| 2.2.2 基于复杂网络的图像建模 |
| 2.3 本章小结 |
| 第3章 基于边缘方向分类模板的图像编码和特征提取 |
| 3.1 引言 |
| 3.2 基于分类矢量量化的图像压缩编码 |
| 3.2.1 分类矢量量化的基本原理 |
| 3.2.2 分类矢量量化的实现过程 |
| 3.3 基于改进的边缘方向模板和分类矢量量化的压缩编码 |
| 3.3.1 经典的边缘方向分类模板 |
| 3.3.2 改进的边缘方向分类模板及分类 |
| 3.3.3 压缩编码基本框架 |
| 3.3.4 边缘方向分类模板阈值选择 |
| 3.3.5 编码仿真实验 |
| 3.4 基于改进的边缘方向分类模板的图像特征提取 |
| 3.4.1 基于EOP_VQIH的特征提取方法 |
| 3.4.2 仿真实验 |
| 3.5 本章小结 |
| 第4章 基于复合特征向量的图像特征提取和应用 |
| 4.1 引言 |
| 4.2 基于位平面分类和树形矢量量化的图像特征提取 |
| 4.2.1 块截断编码(Block Truncation Coding,BTC) |
| 4.2.2 基于位平面分类的图像特征提取 |
| 4.2.3 算法仿真和讨论 |
| 4.3 改进的DCT变换域图像特征提取 |
| 4.3.1 改进的DCT和VQ的图像分类特征提取算法 |
| 4.3.2 算法仿真和讨论 |
| 4.4 本章小结 |
| 第5章 基于复杂网络的图像感兴趣点特征研究 |
| 5.1 引言 |
| 5.2 可行性及研究路线 |
| 5.3 相关知识介绍 |
| 5.3.1 复杂网络的节点中心性 |
| 5.3.2 基于熵权法的网络节点中心性评价 |
| 5.3.3 基于信息熵和交叉信息熵的网络关键节点评价 |
| 5.3.4 尺度不变性 |
| 5.4 基于复杂网络的图像感兴趣点特征提取及评价 |
| 5.4.1 实验原理 |
| 5.4.2 仿真对比实验及讨论 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的主要研究成果 |
（9）用于图像压缩的BTC关键技术的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景与意义 |
| 1.2 研究动态与现状 |
| 1.3 图像压缩的评价方法 |
| 1.3.1 图像压缩效率的评价参数 |
| 1.3.2 客观评价方法 |
| 1.3.3 主观评价方法 |
| 1.3.4 论文内容与结构 |
| 第2章 图像压缩的主要技术 |
| 2.1 图像压缩的相关方法 |
| 2.1.1 无损压缩 |
| 2.1.2 有损压缩 |
| 2.2 BTC压缩算法的经典理论基础 |
| 2.2.1 基础BTC编码理论 |
| 2.2.2 AMBTC编码理论 |
| 2.3 本章小结 |
| 第3章 影响BTC压缩算法的关键因素 |
| 3.1 阈值计算方法的选择 |
| 3.2 图像分块大小对图像压缩效率的影响 |
| 3.2.1 图像分块大小与压缩误差 |
| 3.2.2 图像分块大小与编码时间 |
| 3.2.3 图像分块大小的选择 |
| 3.3 本章小结 |
| 第4章 基于BTC的改进图像压缩算法 |
| 4.1 图像块的分类编码 |
| 4.1.1 图像块分类 |
| 4.1.2 图像块分类的编码方案 |
| 4.1.3 DBTC方法的实现 |
| 4.2 图像块之间相似性分析 |
| 4.2.1 图像块相似性分析 |
| 4.2.2 考虑块的相似性的算法描述 |
| 4.2.3 SDBTC算法的实现 |
| 4.3 BTC算法用于彩色图像压缩 |
| 4.3.1 SDBTC算法对彩色图像压缩 |
| 4.3.2 CSDBTC算法对彩色图像压缩实现 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（10）基于优化块截断编码及压缩图像信息隐藏算法研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 数字图像压缩技术 |
| 1.2.2 数字图像信息隐藏技术 |
| 1.3 本论文取得的研究成果 |
| 1.4 论文内容安排 |
| 第二章 理论基础 |
| 2.1 块截断编码 |
| 2.2 公共位图逐步搜索算法(GSBTC) |
| 2.3 粒子群算法(PSO) |
| 2.4 二元蚁群算法(BACO) |
| 2.5 基于龟壳矩阵的信息隐藏方案 |
| 第三章 基于优化块截断编码的数字图像压缩算法研究 |
| 3.1 引言 |
| 3.2 基于粒子群算法的块截断编码像素分组方案 |
| 3.2.1 方案介绍 |
| 3.2.2 实验结果与分析 |
| 3.2.3 小结 |
| 3.3 基于二元蚁群算法的公共位图方案 |
| 3.3.1 方案介绍 |
| 3.3.2 实验结果与分析 |
| 3.3.3 小结 |
| 第四章 基于粒子群优化的压缩图像信息隐藏算法研究 |
| 4.1 引言 |
| 4.2 基于粒子群算法优化龟壳矩阵信息隐藏方案 |
| 4.2.1 方案介绍 |
| 4.2.2 数据隐藏 |
| 4.2.3 数据提取 |
| 4.2.4 实验结果与讨论 |
| 4.2.5 小结 |
| 4.3 用粒子群算法优化压缩图像信息隐藏 |
| 4.3.1 基于块截断编码压缩灰度图像 |
| 4.3.2 基于粒子群算法优化压缩图像信息隐藏 |
| 4.3.3 实验结果与讨论 |
| 4.3.4 小结 |
| 第五章 总结和展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
四、AN EFFICIENT BTC IMAGE COMPRESSION ALGORITHM（论文参考文献）
- [1]“祝融号”火星车图像压缩软件的设计与实现[J]. 朱剑冰,徐勇,王翠莲,朱玛,陈继巍,韩庆龙. 深空探测学报(中英文), 2021(05)
- [2]基于学习的视频纹理分析和合成编码[D]. 杨昆. 中国科学技术大学, 2021(09)
- [3]基于非对称逆布局模型的图像压缩算法研究[D]. 匡金军. 华南理工大学, 2020(02)
- [4]结合二进制烟花算法的单位图块截断编码[J]. 张力戈,秦小林,杨涌,黄东. 哈尔滨工业大学学报, 2020(05)
- [5]数字图像的鲁棒性水印方法研究[D]. 范航宇. 浙江大学, 2019(02)
- [6]自嵌入水印算法及其在图像篡改检测和恢复的应用[D]. 葛镜. 华中师范大学, 2019(01)
- [7]元胞自动机压缩算法仿真卫星云图[J]. 邹阳,王将,张昭晖,刘祎,梁立为. 计算机应用与软件, 2018(04)
- [8]基于内容的图像特征提取及应用[D]. 冯亚沛. 浙江大学, 2018(12)
- [9]用于图像压缩的BTC关键技术的研究[D]. 张玉其. 重庆邮电大学, 2017(04)
- [10]基于优化块截断编码及压缩图像信息隐藏算法研究[D]. 晋强. 太原科技大学, 2016(11)