项目名称: 基于方向变换与稀疏优化的遥感图像压缩理论与方法

项目编号: No.61201327

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 陈波

作者单位: 中国人民解放军国防科学技术大学

项目金额: 27万元

中文摘要: 基于方向变换的遥感图像压缩具有高保真的优势,但存在方向变换的相关理论仍不完备,方向变换计算复杂度较高的缺陷。针对这些问题,本课题利用稀疏优化可高效、准确表示图像几何正则性的优势,主要研究: (1)方向变换新机理与方向滤波器构造,(2) 针对遥感图像压缩的方向变换系数的快速稀疏优化方法,(3)方向变换系数编码算法以及低复杂度、低存储实现技术,力图解决现有星载压缩中方向性理论的缺陷以及复杂度高的问题,为解决星载图像高质量实时传输瓶颈提供理论与技术支撑。项目成果还可以进一步拓展到各类具有几何正则特性的高维信息的压缩及其它处理过程中。

中文关键词: 双树复数小波;图像压缩;方向变换;稀疏性;

英文摘要: Remote images compressed by the directional transform based method have less distortion, but the theory on on the directional transform is still not perfect and the transform costs too high computation. To solve these problem, and noticed the advantage of sparse optimizing, that it can present the geometric regular in images,we plan to study on, (1) the new directional mechanism of the transform and the construction of the directional filter, (2) fast saprse optimizing of directional transform coefficents of remote sensing images, (3) the coding of directional transform coefficents and the implementation with low complexity and low memory. The purpose is to propose a new directional transform theory and the corresponding feasible remote sensing image on-board compression method, which can be further used to process any high dimension data with geometric regular.

英文关键词: dual tree complex wavelet;image compression;directional transform;sparsity;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
14+阅读 · 2021年5月12日
专知会员服务
52+阅读 · 2021年3月22日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
【AAAI2021】双级协作变换器Transformer图像描述生成
专知会员服务
26+阅读 · 2021年1月26日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
实践教程 | 卷积神经网络压缩方法总结
极市平台
0+阅读 · 2021年10月22日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
概览CVPR 2018神经网络图像压缩领域进展
论智
13+阅读 · 2018年6月13日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月16日
ResT V2: Simpler, Faster and Stronger
Arxiv
0+阅读 · 2022年4月15日
Challenges for Open-domain Targeted Sentiment Analysis
小贴士
相关VIP内容
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
14+阅读 · 2021年5月12日
专知会员服务
52+阅读 · 2021年3月22日
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
【AAAI2021】双级协作变换器Transformer图像描述生成
专知会员服务
26+阅读 · 2021年1月26日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
实践教程 | 卷积神经网络压缩方法总结
极市平台
0+阅读 · 2021年10月22日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
概览CVPR 2018神经网络图像压缩领域进展
论智
13+阅读 · 2018年6月13日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员