论文部分内容阅读
近年来,数码相机等数字成像设备发展迅速,应用涉及到消费、商业、专利文档存档、医学图像、航天、国防安全等领域。图像传感器的分辨率现已高达千万像素以上,而传输带宽与存储资源有限,研究图像数据压缩,具有重大的理论意义与广泛的应用价值。论文采用在Bayer图像插值之前直接对其压缩的流程对Bayer图像原始数据压缩技术进行研究,主要工作有:1、详细研究了JPEG-LS标准,并编程将其实现。然后将大量典型的标准测试图像转成灰度图像,将转换后的灰度图像进行压缩实验,最后分析验证其压缩效果,实验证明JPEG-LS对测试灰度图像的压缩比在1.29～2.18之间。2、将标准测试图像转化成Bayer图像,用转换后的Bayer图像对JPEG-LS标准进行试验,由于JPEG-LS标准对CFA图像的压缩效果不理想,采用结构分离法对其进行改进,实验证明,该方法对Bayer图像的压缩比在1.17～1.6736之间,证实了其有效性。3、将插值法应用于JPEG-LS算法,即预测当前像素时,将所用的因果上下文进行插值,然后使用插值后的上下文进行预测,实验结果表明该方法可以进一步提高JPEG-LS对Bayer图像的压缩比。4、设计了基于神经网络的CFA图像预测编码器,该预测器可以利用像素间的高阶特性和不同色分量之间像素的相关性进行预测。分析研究了神经网络结构的确定,传输函数对网络收敛速度的影响以及各种参数的选择等问题。实验表明,其对Bayer图像的最高压缩比已达1.75,并且具有算法简单、速度快、易于硬件实现等优点,非常适合实时使用。5、提出了针对Bayer图像的边缘检测算子,该边缘检测算子可以直接对Bayer图像进行边缘检测。使用该边缘检测方法对CFA格式的图像边缘检测检测的结果表明,该算子的边缘检测效果较为理想,可检测出Bayer图像的大部分边缘,包括某些窄边缘,并且该边缘检测方法相对于传统的边缘检测方法可以减少所需内存和计算量。6、设计了基于Bayer图像因果模板的差分边缘检测器,该检测器将Bayer图像分成七类区域进行检测,该边缘检测方法具有简单直观,计算量小的优点。将其应用到神经网络预测器中可以有效改善神经网络预测编码器的性能并且保证其实应用的时性。实验结果表明加入该边缘检测后的神经网络预测器的压缩比在1.21～1.82之间,证实了该方法的有效性。