【图像压缩】基于matlab二叉树和优化截断(BTOT)遥感图像压缩【含Matlab源码 2043期】

2023-10-21 02:50

本文主要是介绍【图像压缩】基于matlab二叉树和优化截断(BTOT)遥感图像压缩【含Matlab源码 2043期】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。
🍎个人主页:海神之光
🏆代码获取方式:
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭:行百里者,半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理(进阶版)
路径规划(Matlab)
神经网络预测与分类(Matlab)
优化求解(Matlab)
语音处理(Matlab)
信号处理(Matlab)
车间调度(Matlab)

⛄一、二叉树图像压缩简介

数字图像处理和编码压缩技术经过几十年的发展 , 已逐渐成熟并应用于数字通讯和信息处理之中。 随着计算机图形学和图像处理技术广泛应用到了工业生产的各个部门,对图像压缩技术提出了更高的要求。 如何充分利用图像分析和理解方法,合理地分解图像信号、提高压缩 比、降低 主观失真度 ,是当前图像编码研究的热门之一 。 新近在数字图像处理领域提 出的根据图像 区 域灰度分布特点 , 在二叉树管理之下 , 以一定的误差限度为准则,采用 四向递归二分法,逐渐将图像表面划分为若干个凸多边形,使之逼近原始图像,可获得较好的压缩效果。当多边形数目足够多时 ,它们的周边可体现图像的边缘特点,它们的形状、位置和平均灰度可反映图像的主要特点 , 通过对多边形 的平均灰度和划分方法进行编码,可以获得较高的压缩比。 基于上述思想的编码流程如下:
在这里插入图片描述
首先将原始图像经去噪等适当的预处理后,按四向递归二分法对图像进行分割,得到许多凸多边形,然后对它们进行编码,以便最大限度地压缩数据 。 经信道传输将数据送到地面后,对数据进行解码, 由解码后的数据重建图像并进行必要的后处理。图像的分割设原图为,可通过最小平方误差准则及四向递归二分法将图像分为和两个子图,使
在这里插入图片描述
为最小,其中为区域内图像灰度的均值。 对、作同样的分割,如此下去可在满足给定误差要求的条件下将分割成个子图。 编码、解码及后处理图像分割过程的规律性和递归性不仅简化了运算,也提高了编码的效率, 对最终的叶节点采用霍夫曼编码, 对中间的内节点采用变字长编码 。 此编码方法以多边形代替原图中相关性较 强的区域 , 其基本出发点仍是信源的统计特性和冗余度 。 图像分割采用非线性方法,结合视觉特性 ,考虑人类对方向的敏感性及纹理特性,以几何失真代替量化失真 ,可获得较好的主观质量和编码效率,提高了压缩 比。 按约定解码后,当用灰度的均值填充多边形后,代替原 图灰度会产生较明显的块状效应,此时可对相邻多边形的边界进行必要的灰度平滑处理,提高信噪比和视觉效果。 区域基图像编码方法,适应处理井下图像 ,压缩比较大时仍能使图像质量较好 。 图像分解主要使用计算机图形学的多边形处理技术 , 便于硬件实现提 高速度 。 井下摄取的图像数据压缩后送回地面 , 可有效地减少传输的数据量 , 有利于实现实时处理。

⛄二、部分源代码

clc;clear;
%% ----------- Input ----------------
imname = ‘SanDiego.bmp’;
I_Orig = double(imread(imname));

[row, col] = size(I_Orig);
blksize = 64;

%% ----------- Wavelet Decomposition -------------
n_log = log2(row);
level = floor(n_log);
I_Dec = wavecdf97(I_Orig, level);

n_min = 1;
brates = [0.0625, 0.125, 0.25, 0.5, 1];

%% ----------- Coding ----------------
[out_code, blklen, n_max, n_min, out_S,out_R,out_N] = encode(I_Dec, blksize, n_min);

%% ----------- Decoding ----------------
disp([ ‘aa_BTOT_’ imname(1:end-4) ‘=[’]);
for rate=brates
I_DecR = decode(out_code, blklen, n_max, n_min, blksize, row, rate, out_S,out_R,out_N);

I_Rec = wavecdf97(I_DecR, -level);
MSE = sum(sum((I_Rec - I_Orig).^2))/(row*row);
PSNR = 10*log10(255*255/MSE);
disp([sprintf('%.4f',rate) ' ' sprintf('%.2f',PSNR)]);   

end
disp(‘];’);
figure
subplot(211)
imshow(I_Orig,[])
title(‘原图’)
subplot(212)
imshow( I_Rec,[] )
title(‘压缩图’)
function blkorder = get_blkorder(row,blksize)
%
% Morton scanning order
%

blkorder = int32([1,1]);
levsize = blksize;
while levsize < row
hor = blkorder;
vor = blkorder;
dor = blkorder;

hor(:,2) = hor(:,2) + levsize;
vor(:,1) = vor(:,1) + levsize;
dor(:,1) = dor(:,1) + levsize;
dor(:,2) = dor(:,2) + levsize;blkorder = [blkorder; hor; vor; dor];
levsize = levsize*2;

end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 冯桂,林其伟.基于区域二叉树压缩方法在井下图像数据处理中的应用[J].1997年中国地球物理学会第十三届学术年会论文集.

3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合

这篇关于【图像压缩】基于matlab二叉树和优化截断(BTOT)遥感图像压缩【含Matlab源码 2043期】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/251442

相关文章

SpringBoot首笔交易慢问题排查与优化方案

《SpringBoot首笔交易慢问题排查与优化方案》在我们的微服务项目中,遇到这样的问题:应用启动后,第一笔交易响应耗时高达4、5秒,而后续请求均能在毫秒级完成,这不仅触发监控告警,也极大影响了用户体... 目录问题背景排查步骤1. 日志分析2. 性能工具定位优化方案:提前预热各种资源1. Flowable

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、