一、基于小波变换的图像编码（论文文献综述）
李志远[1]（2021）在《基于超混沌和DNA编码的图像加密算法研究》文中指出数字化图像是我国网络通讯的重要载体,它在多媒体、电子和网络通讯中扮演了广泛的角色,并且在通讯、医疗等各个方面起到了很大的作用。因此,对于图像加密技术的探索和研究,已经成为安全领域的重要课题。由于图像中的相邻像素之间冗余程度高、数据容量大,当利用传统的图像加密方法进行加密时,其加密效率较低,所以此类方法不适合应用于数字图像的加密。混沌系统以及DNA计算具有的特性,使其恰好适合于图像加密。本文基于目前图像加密算法的研究现状,提出以下算法,解决了编码规则单一以及信息熵值较低的问题,主要内容如下:（1）提出了一种基于Chen超混沌和DNA编码的图像加密算法。首先对Logistic映射进行迭代,得到随机序列,并将该序列转为二维矩阵,然后改变参数和初始值,再次迭代Logistic混沌系统,得到新的随机序列,并构造索引序列完成对原始图像的置乱及扩散。再利用参数多,空间复杂的Chen超混沌,得到四条混沌序列即X、Y、Z、H。用X、Y序列的随机值控制DNA编码规则的选取,使编码具有随机性和不确定性,分别对转化的二维矩阵和扩散后的图像进行分块编码,得到DNA矩阵。接下来对两矩阵进行DNA运算,运算方式由序列Z的随机值决定,最后根据序列H进行解码,因规则不同,进一步加强了图像加密的安全性,得到最终加密图像。算法经过仿真测试和性能分析,证实可以用于图像加密领域。（2）提出基于小波变换、Qi超混沌和DNA编码的图像加密算法。算法首先借助小波变换将图像分解为高频分量和低频分量,然后对低频图像通过构造索引序列进行置乱,通过小波重构得到一次置乱后的图像。接着设置Logistic混沌系统的参数和初始值,进行迭代,将迭代后产生的序列进行预处理,利用预处理后的序列对小波重构后的图像进行加密。接下来设定初始值对Qi超混沌系统进行迭代,结果产生多条混沌序列,并将序列进行处理完成密钥构造,利用最后得到的序列对图像进行双重加密。最后对加密后图像通过选取DNA编码规则进行编码,并与其中一条由混沌序列转化的DNA矩阵进行DNA计算,然后对其解码,得到的即最终密文图像。该算法经过仿真测试和性能分析证实可以用于图像加密领域。
王亚清[2]（2021）在《基于小波分析的医学图像压缩方法的研究》文中进行了进一步梳理随着远程通信技术与现代医疗信息技术的发展与结合,一种新型医疗服务方式产生——远程医疗。在当今信息化的全面普及下,远程医疗技术因其可实现远距离诊断与便捷高效的治疗特性得以广泛应用。然而,由于远程医疗系统中通信带宽与存储空间的限制性,使得它无法满足与日俱增的医疗数据的存储与传输。因此,对医疗图像进行压缩处理已是必然趋势。小波变换凭借其优良的时频局部化性能以及多分辨率表征图像的特性,已然成为图像压缩领域的研究热点。本文主要针对基于小波分析的医学图像压缩问题进行了重点研究,并且通过MATLAB平台实现了算法的仿真与分析,取得了一定的研究成果。首先,阐述了课题研究的背景意义以及国内外图像压缩编码技术的发展历程,继而阐述了医学图像压缩的相关知识,包括医学图像压缩的基本原理和压缩方法的分类以及常用的图像压缩方法,并简要叙述了医学图像压缩质量的评价标准和图像压缩的国际标准。其次,对小波分析的相关理论进行简要概述,包括小波变换的基本概念及其反变换存在的条件、多分辨率分析的思想以及Mallat算法分解与重构原理,并将小波变换理论运用到实际图像压缩中,探讨了小波系数的特点和小波分解级数以及信号延拓方式的问题。对基于小波变换的图像压缩编码思想进行深入学习,并以基于小波变换的EZW算法和SPIHT算法为重点研究内容进行深度分析与探讨,详细介绍了二者的编码原理与实现过程,分析了二者在编码过程中的不足,并针对EZW算法中阈值过大问题及SPIHT算法中重复性扫描的问题分别提出了改进方法,从而提高了编码效率。最后,通过MATLAB实现对医学图像的压缩编码,实验证明,改进的算法较原有的算法,在一定程度上提高了重构图像的PSNR值,并且有更好的图像复原质量。
杨楚皙[3]（2020）在《小波变换域基于图像数据集的图像编码算法研究》文中进行了进一步梳理随着手机、数码相机等图像拍摄终端的广泛普及,以及通信技术、图像处理技术的迅猛发展,现有的图像数据量呈指数级增长。大量增长的图像给数据存储和传输带来了巨大压力,但与此同时,随着存储图像数量的增加,新增图像与已存储图像之间很有可能存在一定的相关性,因此,利用已存储的图像数据集辅助完成图像编码,能够进一步提升压缩效率。为了在图像编码过程中充分对已存储的图像数据集加以利用,探究数据集为图像编码带来的性能助益,本文以小波变域基于特征的图像编码算法为出发点,提出了三种基于图像数据集的图像编码算法。本文的主要贡献和创新性工作包括如下三个方面:1.提出了小波变换域基于特征的图像编码算法,以图像特征作为桥梁,利用解码端已存储的相似图像辅助完成高频重构。在编码过程中,通过小波变换将输入图像分解为低频子带和高频子带,并分别进行处理:对低频子带进行高保真的图像压缩,以保留输入图像的全局特征;对高频子带进行局部特征提取,将高频子带由像素描述转换为特征描述,并将得到的特征描述子进行编码和传输。在编码特征描述子时,提出算法通过矢量量化的方式从大规模特征数据集中训练获得特征码书,并利用特征码书将高维特征描述子映射为一维的码矢索引,从而提高描述子的压缩效率。在解码过程中,将解码端已有的图像数据存储看作已知的图像数据集,首先利用解码后的低频子带图像在数据集中进行相似图像检索,然后根据特征码书对输入图像的高频特征进行解码,并与数据集中的相似图像进行高频特征匹配,获得相似高频图像块的对应关系;最后利用匹配特征的位置对应关系对相似图像块进行几何校正,并将校正后的图像块用于对应位置的高频局部重构。当高频特征区域逐一完成重构后,再联合解码后的低频子带进行小波逆变换,输出最终的重构图像,实现低码率下的高效重构。实验结果表明,在相同压缩比下,提出算法与JPEG相比,可实现4.55dB的PSNR提升及0.08的SSIM提升;与JPEG2000相比,可实现0.18dB的PSNR提升及0.001的SSIM提升,且主观重构质量更好。2.提出了小波变换域基于数据集预测的图像编码算法,从图像间预测的思想出发,利用编解码端的共享图像数据集对图像进行预测编码。在编码端,将输入图像的低频子带作为索引图像,在图像数据集中进行相似图像检索,并将检索到的高相关图像作为参考图像,以图像块为单位对输入图像的高频子带进行图像间预测。在图像对齐阶段,提出基于尺度不变特征变换（SIFT）流金字塔的图像对齐方法,逐层根据特征匹配关系进行稠密的特征对齐,以实现更精准的图像对齐;在图像块预测阶段,通过设置相似度阈值,使系统自适应的判断各图像块预测结果的准确性,从而将预测不准确的图像块作为残差进行编码,以降低不良预测带来的重构失真。在解码端,首先利用解码后的低频子带图像从数据集中检索高相关图像;然后根据高频预测信息,从对齐后的高相关图像中提取对应的高频图像块,同时将残差进行解码,与高频预测图块共同组成高频重构子带;最后,将解码后的低频子带与高频重构子带进行小波逆变换,获得最终的重构图像。该算法利用数据集预测的方式去除图像间的数据冗余,有效提升了高频子带的压缩效率;另外,得益于自适应的残差选择策略,即使当数据集中不存在高相关图像时,提出算法仍然能够实现较高质量的图像重构。实验结果表明,对测试图像进行编码,提出算法在低码率下表现出优越的率失真性能。在相同压缩比下,提出算法与JPEG相比最大可实现7dB的PSNR提升;与JPEG2000相比最大可实现1.69dB的PSNR提升,与HEVC相比最大可实现0.03的MS-SSIM提升。3.提出了小波变换域基于高频子带预测的深度图像编码算法,使用深度学习的方法,将大规模图像数据集作为训练集,训练基于深度卷积自动编码器的图像编码模型。输入图像经小波变换之后,通过四个平行支路对不同的子带进行编解码,子带的编解码器均是由多个卷积层构成的。在编码器端,通过不同步长的卷积操作对各个子带进行多尺度的特征提取,并输出每个子带在码字空间的特征表示;在解码器端,通过不同步长的转置卷积将码字空间的特征还原回子带数据。为了在编码之前去除子带间的冗余,提出并设计高频预测网络,从低频子带中获取高频子带的预测,从而只需对高频残差进行编码。除此之外,为了进一步提高编码效率,使用基于条件概率的熵编码模型对码字进行先验概率估计,从而获得编码后的码率估计,并结合图像重构失真进行率失真的联合训练。实验结果表明,提出算法不仅在率失真表现上超越传统图像编码算法及经典的深度图像编码算法,并且在重构图像的主观对比中也表现出明显的优势;与最近提出的深度图像编码算法相比,提出算法可在高频重构中实现0.0048的MS-SSIM提升;另外,采用本文提出的高频预测模型较不采用预测模型可带来平均0.0019的MS-SSIM提升,且预测模型的加入还能够有效消除重构图像中的锯齿边缘,使得高频重构质量更好。
姜智翔[4]（2020）在《基于频域处理的全息图压缩方法研究》文中研究表明三维显示及成像技术拥有广阔的市场应用空间,近年来随着研究的不断深入已广泛应用于军事、通信、娱乐和医学等方面。然而目前已投入实际应用的三维显示技术多是基于人眼的双目视差,这种以有限深度线索呈现的视觉效果并不理想。而全息技术的应用使得真三维成像和显示成为现实,它能够提供连续的基于头部运动的视差、自然视觉聚散调节以及所有深度信息,应用潜力极大。由于全息技术可以记录物光场的全部信息,包含了大量的数据,这对于数据的传输、存储和处理极其不利,因此需要对全息数据进行压缩。而拍摄获得全息图是由包含大量不同亮点的干涉条纹组成的,其像素之间没有相关性,所以难以用现有的图像及视频编码方法进行压缩。因此,对于全息数据的压缩编码方法的研究已经引起了广泛的关注。基于此问题,本文主要研究的内容是如何改进或整合现有的压缩算法以提高全息图的压缩效率,并最大限度的降低再现像的质量损失。本文内容概述如下:首先,对全息压缩技术的研究进展进行了简单的概述,介绍全息数据压缩的研究意义、国际主流技术方法和未来具有潜力的研究方案。其中国际主流观点将现有的全息压缩编码方法分为基于量化、基于变换和基于标准三种,本文分别介绍并分析了这三种方法的优劣,为本文所提出的方法提供理论依据和研究思路。其次,从现有图像及视频的压缩编码方法和全息图生成及再现的原理出发,结合数字全息技术和衍射计算理论,说明全息数据压缩要求。接着,研究了小波变换用于全息图频域压缩编码的方法,采用频域小波分解、阈值、量化和空域编码的方法,对模拟生成的全息图进行了测试,确定各项参数的设置。然后利用选取最佳的参数,对实际拍摄的数字全息图进行压缩编码,并将最后结果进行了比较和分析。最后,提出并研究了小波变化与二次量化用于彩色数字全息图的压缩和编码方法,有效的实现了大压缩比下的全息图压缩。此外,这种方法利用按比例切割较长波长的全息图的颜色分量的方式,保证了压缩后的再现像不会出现颜色混叠和位置偏移等问题。并且这种方法可以在相对较短的时间内实现编解码,同时再现像的质量损失极小。
何蕾[5]（2020）在《毫米波单像素成像的编码矩阵设计与图像分块采样方法研究》文中提出传统的被动毫米波成像大多采用机械扫描成像或相控阵扫描成像工作体制,往往具有采样时间较长或系统成本较高的缺点,限制了实际场所的大规模应用。为有效降低系统的采样复杂度和接收通道数,本文基于压缩感知理论,针对被动毫米波单像素压缩感知成像系统,围绕被动毫米波单像素成像系统中的编码矩阵设计、图像分块后重构质量的改善和不同图像块的采样方法等问题展开研究,主要工作内容包括:（1）基于压缩感知理论框架和被动毫米波成像系统,研究了被动毫米波单像素压缩感知成像系统,并验证了毫米波图像具有良好的稀疏性,适合进行毫米波压缩感知处理;（2）为了在传统编码矩阵的基础上,进一步缩短图像重构时间,提高图像编码质量,研究了更适合毫米波图像特征的基于Gabor滤波器的确定性编码矩阵和基于Gabor滤波器的随机性编码矩阵的构造方法,并对一幅光学图像、两幅毫米波图像进行Matlab仿真对比,验证了在10%～90%的总数据量编码下,基于Gabor滤波器的两种编码矩阵比传统的伯努利编码矩阵和托普利兹编码矩阵重构效果更好;（3）针对编码矩阵大小和图像重构时间随着目标场景图像的增大随指数性增长的问题,引入分块压缩感知框架,能有效降低图像重构时间和编码矩阵大小。并针对毫米波图像块在采样较少时出现较为明显的图像块效应问题,研究了有效的重构图像改善方法,能降低图像块效应,提高图像重构质量;（4）针对传统分块压缩感知理论中对不同图像块分配相同编码数据量的不足之处,研究了四种基于毫米波图像块特征的采样方法:基于小波变换的采样分配方法,基于局部方差、基于显着性与局部方差加权、基于显着性与二维信息熵加权的图像块自适应采样方法。仿真结果验证了上述四种图像块采样方法更符合毫米波图像特征,得到的图像重构质量更佳,且基于小波变换的采样分配方式重构效果最稳定,基于显着性与局部方差加权、基于显着性与二维信息熵加权的图像块自适应采样方法在低采样下也更符合人眼视觉需求。
王臣玺[6]（2020）在《BATS码及其应用研究》文中指出随着通信技术的发展,支持数据高速传输的无线多跳网络将逐渐替代传统的单跳网络,成为未来无线通信网络的主流。在无线传输的过程中,噪声、干扰、衰减等因素使多跳网络中每条链路上都会出现数据包丢失的情况,影响传输的可靠性。而自动请求重传、传统纠删码、网络编码都不能有效地解决上述问题。BATS码是一种基于喷泉码和随机线性网络编码的级联码,其继承了喷泉码的无速率、编译码复杂度低等特点的同时,还拥有了网络编码的高吞吐量特性,能较好地保证数据在多跳网络中传输的可靠性。因此,对多跳网络中的BATS码展开理论研究以及应用设计具有十分重要的意义。本文首先对BATS码涉及到的基础理论知识进行了简单地介绍,随后详细地介绍了BATS码的编译码原理以及度分布设计方法,分析了BATS码应用到多跳网络中的优良性能。然后,通过仿真依次分析了各个编码参数、度分布、译码算法等因素对BATS码性能的影响。随后,本文针对BATS码自身存在的两个不足——传输开销大和短码码字性能差,提出了相应的优化设计方法。其中,为了提高BATS码短码传输的可靠性,本文针对有/无反馈信道的应用场景分别设计了基于重要信息反馈的BATS码和基于编码统计的BATS码。两种方案的优化原理几乎相同,通过将度值最大的信息包传输到译码端,推动置信度传播算法的译码进程,从而提高源信息成功恢复的概率。针对传输开销大的问题,本文提出了一种基于伪随机序列的BATS码优化方案,通过固定伪随机序列发生器的初值实现编码信息的同步,从而避免了对编码信息的传输,提高了传输的有效性。最后,本文将BATS码与图像编码相结合,提出了一种基于滑窗BATS码和小波SPIHT编码的图像传输方案,通过将SPIHT编码产生的压缩数据流以滑窗的形式进行BATS码的编译码,实现高QoE的图像传输。通过仿真分析发现BATS码编码的随机性可能导致图像传输的可靠性得不到保证。对此,本文对方案中BATS码的滑窗结构进行了改进,提出了一种基于编码统计的滑窗BATS码,通过增大未参与编码的压缩数据包的编码概率,提高译码端压缩数据包的有效恢复概率,从而实现图像的可靠传输。
赵敏[7]（2019）在《基于新特征和小波变换的图像压缩编码算法》文中研究说明图像是对客观世界的一种相似和生动的描述,包含了有关被描述对象的信息。包含的数据量非常庞大,给存储和传输带来了难题。许多专家学者从图像的采集、增强、复原、变换、分割、编码、重建、配准、嵌拼、特征提取和模式识别等方面进行图像处理工作。其中分形图像压缩编码算法突破了传统方法的理论体系,得到了大家的广泛关注。但是由于它的计算复杂度较高、编码时间长等问题,限制了它的广泛应用。针对这些劣势,本文做了如下工作:（1）提出基于仿半叉迹特征的快速分形编码算法。首先定义子块仿半叉迹特征,其次证明了最小均方误差与子块仿半叉迹特征的关系,验证了采用该特征进行搜索的合理性。实验结果表明,提出的算法能有效降低数据的复杂度,在保证重构图像和原图像相似度很大的情况下,加快了编码速度。（2）提出八点和特征快速编码算法。首先给出八点和特征的定义,然后证明了它与最小均方误差的关系,进而验证了它的合理性。仿真结果表明,提出的算法在保证结构相似度很大的前提下,不仅加快了编码速度,而且峰值信噪比也有所提升。（3）提出小波变换与仿半叉迹特征相结合的分形图像编码算法。首先给出了小波变换的相关概念,其次,对原始图像进行二维小波变换,再通过特征编解码,最后通过二维逆小波变换就可以得到重构图像。根据实验结果,可知该混合编码算法的效率较高。
赵蓉[8]（2019）在《基于小波变换的分形图像编码压缩算法》文中研究指明分形图像压缩编码方法以压缩比高,解码快速等优点成为图像压缩领域的一大热点。但传统的分形编码使用全局搜索,占用了大量时间,同时,编码易造成“方块效应”,从而影响重构图像的清晰度。因此,改善重构图像质量,缩短编码时间,是本文的主要研究的方向,具体工作内容如下:首先,在充分研究后,文中提出了一种新的分类方法,将父块预先分为三类,对于任一块,在其对应的类里选用适合的特征,搜索其最佳匹配块。实验结果表明,该算法是有效的。其次,在研究特征向量法快速分形编码的基础上,提出一种新特征———九块和特征,并给出其可行性分析。该算法将全局搜索变为局部搜索,从而缩短了编码时间。实验结果表明,该算法在保证图片质量的同时,还能实现加速。最后,在研究小波变换的原理和优点的基础上,提出将小波变换和九块和特征相结合的编码算法,进一步提高重构图像质量,缩短图像编码的时间。实验仿真验证,该算法在改善重构图像质量的同时,还能实现加速。
张霞[9]（2019）在《基于小波变换的图像压缩算法在远程医学中的应用研究》文中研究说明网络通信技术和现代先进医学技术的迅猛发展,使得远程医学作为一种新兴的诊疗手段在各种医疗领域中得到了迅速普及和应用。由于网络带宽等因素的制约,大量医疗图像信息的存储和实时快速传输还不能很好地满足实际需求。对医疗图像进行有效的压缩是解决这一问题的优选方案。本文的主要研究基于小波变换的医学图像压缩。为了更好地满足临床医生的实际需要,根据医学图像自身的特点来选择更加合适的图像压缩方法,从而解决远程医学中图像存储量大、清晰度不够的问题。本文主要内容包括:（1）阐述了选题的研究背景与意义。简要描述了小波变换图像压缩算法的研究现状,介绍了有关医学图像、医学图像数据压缩的概念、图像压缩的必要性和图像压缩步骤。介绍了图像压缩编码的分类及几种压缩方法的特点,最后分析了评价图像压缩编码方法的准则。（2）介绍了小波变换的相关概念及基本原理,重点介绍了小波变换图像压缩编码的过程,其中包括信号的分解与重构步骤。选择不同的小波基会使压缩后的图像质量有所不同,本文详细分析了小波基选取时的诸多影响因素。（3）基于小波变换的EZW和SPIHT压缩算法及其改进。基本小波变换的两种压缩方法主要有EZW和SPIHT两种,都是基于零树的编码思想。详细介绍了这两种方法的压缩原理、步骤及两种量化方法的优缺点。两种量化方法使得编码效率提高,但仍然存在不足之处,本文针对现有SPIHT算法的不足提出了一种改进的SPIHT算法,实验结果表明提出的改进算法在相同的压缩比的情况下获得了更好的图像重构质量。（4）利用医学图像压缩算法的特点,结合临床工作中对医学图像的实际需要,提出一种在ROI编码方法基础之上的感兴趣区域医学图像的无损压缩方法。针对医生需求病变部位的医学图像信息进行有效的压缩,减少医生的无关阅读量。（5）为了验证本文提出改进算法的有效性,本文最后通过实际远程医学平台进行了原始图像与压缩图像的传输速率结果比较,实验结果表明本文提出的图像压缩改进算法很大程度地提高了图像传输速率。
赵胜[10]（2020）在《无线多媒体传感器网络唤醒与图像传输研究》文中提出监测环境的日趋复杂化,使得传统的无线传感器网络（Wireless Sensor Networks,WSNs）不能满足某些场合监测需求,无线多媒体传感器网络（Wireless Multimedia Sensor Networks,WMSNs）应运而生。音频、视频和图像等多媒体信息的加入,使得无线多媒体传感器网络对环境信息的采集更加精确和全面,然而无线多媒体传感器网络中的图像采集节点能耗大以及传输数据量大等问题,严重影响了网络的生存时间。论文针对图像采集过程中的相机节点唤醒问题和图像传输问题进行了研究。论文简要介绍了WMSNs的发展及其应用,研究了WMSNs中的相机节点唤醒策略、多节点协同、小波变换的基本理论以及在图像处理领域中的小波变换基本原理和图像编码算法。针对WMSNs中的相机节点的唤醒问题,综合考虑相机节点的唤醒策略、事件的相对发生位置和相机节点的能耗等问题,研究并设计了一种基于位置信息的多节点协同的相机唤醒方法。本文首先建立网络模型,采用分布式相机节点唤醒策略,在成簇算法上采用基于节点能量的联合动态簇头选举算法;当事件发生后,由普通节点感知事件位置进而发送给相机节点,相机节点根据事件等级以及剩余能量情况进行唤醒和事件采集工作。针对图像采集后的图像传输问题,论文首先研究分析了基于小波变换的图像编码经典算法:嵌入式零树小波编码算法（EZW）和分层小波树集合分割算法（SPIHT）,结合分布式传输过程,将图像分通道并分块后进行小波分解和压缩编码,并利用多个普通节点传输至目标节点。论文综合考虑图像的客观质量评价标准和主观质量评价标准,选取了提升9/7小波变换算法,5层的小波分解层数,0.5bpp的码率,在此条件下,重构图像的质量较好。论文结合分布式传输的特点,提出了一种基于SPIHT的分布式图像传输算法,在多跳结构的WMSNs中可以有效降低传输能耗。借助MATLAB实验平台,分别对基于位置信息的多节点协同的相机唤醒方法和基于SPIHT的分布式图像传输算法进行了仿真。实验结果表明,论文提出的相机唤醒方法能够延长相机节点的生存时间;在满足一定图像质量的前提下,论文提出的分布式图像传输算法可以有限延长网络生存时间。
二、基于小波变换的图像编码（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、基于小波变换的图像编码（论文提纲范文）
（1）基于超混沌和DNA编码的图像加密算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状和发展趋势 |
| 1.3 本文主要研究内容与章节安排 |
| 第2章 图像加密的相关理论 |
| 2.1 混沌理论 |
| 2.1.1 混沌定义 |
| 2.1.2 混沌基本特征及判断方法 |
| 2.1.3 混沌系统 |
| 2.1.4 超混沌系统 |
| 2.2 DNA基本理论 |
| 2.2.1 DNA密码学 |
| 2.2.2 DNA编码 |
| 2.2.3 DNA运算 |
| 2.3 安全性能评价指标 |
| 2.3.1 直方图 |
| 2.3.2 信息熵 |
| 2.3.3 相关性 |
| 2.3.4 密钥空间 |
| 2.3.5 敏感性 |
| 2.3.6 鲁棒性 |
| 2.4 本章小结 |
| 第3章 基于Chen超混沌和DNA编码的分块图像加密算法 |
| 3.1 基于Chen超混沌的图像加解密算法描述 |
| 3.1.1 图像加密算法框架 |
| 3.1.2 图像加密算法 |
| 3.1.3 图像解密算法 |
| 3.2 仿真结果 |
| 3.3 安全性分析 |
| 3.3.1 直方图分析 |
| 3.3.2 信息熵分析 |
| 3.3.3 相关性分析 |
| 3.3.4 密钥空间分析 |
| 3.3.5 密钥敏感性分析 |
| 3.3.6 抗差分攻击分析 |
| 3.3.7 噪声攻击分析 |
| 3.4 本章小结 |
| 第4章 基于超混沌和小波变换的的图像加密算法 |
| 4.1 小波变换理论 |
| 4.2 基于小波变换的图像加解密算法描述 |
| 4.2.1 图像加密算法框架 |
| 4.2.2 图像加密算法 |
| 4.2.3 图像解密算法 |
| 4.3 仿真结果 |
| 4.4 安全性分析 |
| 4.4.1 直方图分析 |
| 4.4.2 信息熵分析 |
| 4.4.3 相关性分析 |
| 4.4.4 密钥空间分析 |
| 4.4.5 密钥敏感性分析 |
| 4.4.6 噪声攻击分析 |
| 4.5 算法对比分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得学术成果 |
（2）基于小波分析的医学图像压缩方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文结论安排 |
| 第2章 小波变换及其在医学图像压缩中的应用 |
| 2.1 医学图像压缩原理以及压缩方法 |
| 2.2 图像压缩编码的国际标准 |
| 2.3 医学图像质量评价准则 |
| 2.4 小波分析理论 |
| 2.4.1 连续小波变换与离散小波变换 |
| 2.4.2 多分辨率分析及Mallat算法 |
| 2.5 小波变换在医学图像压缩中的应用 |
| 2.5.1 小波分解层数 |
| 2.5.2 边界延拓 |
| 2.5.3 小波系数的特点 |
| 2.6 本章小结 |
| 第3章 基于改进嵌入式零树编码的医学图像压缩算法 |
| 3.1 EZW算法原理 |
| 3.1.1 零树表示 |
| 3.1.2 系数类型 |
| 3.1.3 EZW基本思想 |
| 3.2 EZW算法实现 |
| 3.3 EZW算法的改进 |
| 3.3.1 EZW算法的分析 |
| 3.3.2 小波提升算法 |
| 3.3.3 改进算法编码 |
| 3.4 实验与分析 |
| 3.5 本章小结 |
| 第4章 基于改进多级树集合分裂的医学图像压缩算法 |
| 4.1 SPIHT算法原理 |
| 4.1.1 符号和概念的说明 |
| 4.1.2 空间方向树 |
| 4.1.3 编码中的链表 |
| 4.1.4 集合分裂过程 |
| 4.1.5 量化过程 |
| 4.2 SPIHT算法编码实现 |
| 4.3 SPIHT算法的改进 |
| 4.3.1 SPIHT算法不足 |
| 4.3.2 SPIHT算法改进与实现 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（3）小波变换域基于图像数据集的图像编码算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.2.1 图像编码标准及相关改进 |
| 1.2.2 基于图像数据集的图像编码算法 |
| 1.3 论文内容与结构安排 |
| 第2章 基于小波变换的图像编码 |
| 2.1 小波变换 |
| 2.1.1 小波变换的提出 |
| 2.1.2 小波变换的基本原理 |
| 2.1.3 小波基函数的选择 |
| 2.2 基于小波变换的图像编码算法 |
| 2.3 本章小结 |
| 第3章 小波变换域基于特征码书的图像编码算法 |
| 3.1 图像特征表示与矢量量化编码 |
| 3.1.1 图像特征表示 |
| 3.1.2 矢量量化编码 |
| 3.2 小波变换域基于特征码书的图像编解码 |
| 3.2.1 编码过程 |
| 3.2.2 解码过程 |
| 3.3 实验结果与分析 |
| 3.3.1 实验参数设置 |
| 3.3.2 图像压缩比 |
| 3.3.3 客观指标对比 |
| 3.3.4 主观视觉效果对比 |
| 3.3.5 不同图像元素的重构质量差异 |
| 3.3.6 复杂度分析 |
| 3.4 本章小结 |
| 第4章 小波变换域基于数据集预测的图像编码算法 |
| 4.1 图像特征在预测编码中的应用 |
| 4.2 图像对齐算法 |
| 4.3 小波变换域基于数据集预测的图像编解码 |
| 4.3.1 编码过程 |
| 4.3.2 解码过程 |
| 4.4 实验结果与分析 |
| 4.4.1 实验参数设置 |
| 4.4.2 小波变换级数的选择 |
| 4.4.3 与传统图像编码算法的对比 |
| 4.4.4 与基于数据集的图像编码的对比 |
| 4.4.5 复杂度分析 |
| 4.5 本章小结 |
| 第5章 小波变换域基于高频预测的深度神经网络图像编码 |
| 5.1 基于自动编码器的图像编码 |
| 5.2 小波变换域基于高频预测的深度神经网络图像编码 |
| 5.2.1 小波变换域的平行子带支路 |
| 5.2.2 高频子带预测模块 |
| 5.2.3 编解码网络 |
| 5.2.4 码字量化 |
| 5.2.5 熵编码网络 |
| 5.2.6 神经网络结构 |
| 5.3 实验结果与分析 |
| 5.3.1 图像集及图像预处理 |
| 5.3.2 参数设置及训练环境 |
| 5.3.3 率失真对比 |
| 5.3.4 不同码率下的高频重构对比 |
| 5.3.5 重构图像的主观对比 |
| 5.3.6 预测模型的有效性验证 |
| 5.3.7 复杂度对比 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要贡献及结论 |
| 6.2 今后待研究的问题 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（4）基于频域处理的全息图压缩方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 基于量化的全息压缩 |
| 1.2.2 基于变换的全息压缩 |
| 1.2.3 基于标准的全息压缩 |
| 1.2.4 其它具有研究潜力的全息压缩方法与存在的问题 |
| 1.3 论文主要内容及结构安排 |
| 第二章 全息技术与图像压缩原理研究 |
| 2.1 标量衍射理论 |
| 2.1.1 惠更斯—菲涅耳原理与基尔霍夫衍射公式 |
| 2.1.2 衍射的角谱理论 |
| 2.1.3 菲涅耳衍射理论 |
| 2.2 全息术原理与分类 |
| 2.2.1 光学全息术概述 |
| 2.2.2 波前记录 |
| 2.2.3 波前再现 |
| 2.3 图像压缩理论和方法分析 |
| 2.3.1 图像的无损压缩 |
| 2.3.2 图像的有损压缩 |
| 2.4 图像标准编码格式 |
| 2.4.1 JPE G与 JP EG200 0 图像压缩编码系统 |
| 2.4.2 MPE G与 H.26x系列标准 |
| 2.5 全息图的压缩编码要求及分析 |
| 2.6 本章小结 |
| 第三章 频域小波变换的全息图压缩实现 |
| 3.1 用于图像压缩的小波变换概述 |
| 3.1.1 二维离散小波变换 |
| 3.1.2 适应于应用环境的快速算法 |
| 3.1.3 小波变换用于图像压缩的实例 |
| 3.2 全息图空域与频域的小波变换 |
| 3.2.1 度量标准与测试说明 |
| 3.2.2 全息图空域小波变换 |
| 3.2.3 全息图频域小波变换 |
| 3.3 模拟仿真实验与分析 |
| 3.3.1 小波变换频域测试 |
| 3.3.2 系数量化 |
| 3.3.3 编码压缩 |
| 3.4 实际全息图的压缩测试 |
| 3.5 本章小结 |
| 第四章 空域和频域复合压缩用于彩色数字全息图 |
| 4.1 彩色数字全息图的记录与再现 |
| 4.1.1 彩色数字全息图的记录 |
| 4.1.2 割补法再现彩色数字全息图 |
| 4.1.3 彩色数字全息图再现的其它方法 |
| 4.2 小波阈值的类型与分析 |
| 4.2.1 缺省的阈值模型 |
| 4.2.2 Bir ge-Mas sart策略确定阈值 |
| 4.2.3 小波包变换中的penal ty阈值 |
| 4.2.4 硬阈值和软阈值 |
| 4.3 模拟仿真与对比分析 |
| 4.3.1 模拟生成彩色全息图 |
| 4.3.2 频域小波分解、阈值及量化 |
| 4.3.3 空域二次量化 |
| 4.4 实际彩色全息图的压缩测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要工作总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士学位期间发表论文 |
（5）毫米波单像素成像的编码矩阵设计与图像分块采样方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状及进展 |
| 1.2.1 毫米波压缩感知成像系统研究现状 |
| 1.2.2 压缩感知理论及分块压缩感知理论研究现状 |
| 1.2.3 重构算法研究现状 |
| 1.3 论文主要工作及结构安排 |
| 2 被动毫米波单像素成像数学模型 |
| 2.1 被动毫米波单像素压缩感知成像系统 |
| 2.2 压缩感知理论 |
| 2.2.1 信号的稀疏表示 |
| 2.2.2 信号的投影测量 |
| 2.2.3 信号的重构算法 |
| 2.3 基于分块压缩感知理论的被动毫米波成像 |
| 2.4 本章小结 |
| 3 被动毫米波单像素成像编码矩阵设计 |
| 3.1 编码矩阵构造方法 |
| 3.1.1 伯努利编码矩阵 |
| 3.1.2 托普立兹编码矩阵 |
| 3.1.3 基于Gabor滤波器的确定性编码矩阵构造方法 |
| 3.1.4 基于Gabor滤波器的随机性编码矩阵构造方法 |
| 3.2 图像重构算法 |
| 3.3 图像重构质量评价方法 |
| 3.4 不同编码矩阵下的仿真结果 |
| 3.5 本章小结 |
| 4 毫米波图像分块压缩感知方法 |
| 4.1 毫米波图像分块重构 |
| 4.1.1 具体步骤 |
| 4.1.2 分块重构结果分析 |
| 4.2 降低图像块效应的改进方法 |
| 4.2.1 均值滤波结果分析 |
| 4.2.2 基于闭运算与均值滤波的图像块效应改进方法 |
| 4.3 本章小结 |
| 5 基于分块压缩感知的自适应采样方法 |
| 5.1 基于小波变换的图像块采样方法 |
| 5.1.1 离散小波变换 |
| 5.1.2 算法整体描述 |
| 5.1.3 重构结果分析 |
| 5.2 基于局部方差的图像块自适应采样方法 |
| 5.2.1 图像块分类 |
| 5.2.2 算法整体描述 |
| 5.2.3 重构结果分析 |
| 5.3 基于显着性和局部方差加权的图像块自适应采样方法 |
| 5.3.1 图像显着性 |
| 5.3.2 图像的采样方法 |
| 5.3.3 算法整体描述 |
| 5.3.4 重构结果分析 |
| 5.4 基于显着性和信息熵加权的图像块自适应采样方法 |
| 5.4.1 图像信息熵 |
| 5.4.2 算法整体描述 |
| 5.4.3 重构结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）BATS码及其应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本论文的主要工作与创新 |
| 1.4 本论文的结构与安排 |
| 第二章 BATS码的基本原理 |
| 2.1 引言 |
| 2.2 基础知识 |
| 2.2.1 删除信道 |
| 2.2.2 有限域 |
| 2.2.3 喷泉码 |
| 2.2.4 随机线性网络编码 |
| 2.3 BATS码的编译码原理 |
| 2.3.1 BATS码的编码原理 |
| 2.3.2 BATS码的译码原理 |
| 2.3.3 BATS码的编码度分布设计 |
| 2.4 BATS码在多跳网络中的可行性分析 |
| 2.5 BATS码的性能仿真分析 |
| 2.5.1 不同有限域下的BATS码性能仿真分析 |
| 2.5.2 不同码长下的BATS性能仿真分析 |
| 2.5.3 不同编码度分布下的BATS性能仿真分析 |
| 2.5.4 不同译码算法下的BATS码性能仿真分析 |
| 2.6 本章小结 |
| 第三章 BATS码的优化设计 |
| 3.1 引言 |
| 3.2 基于重要信息反馈的BATS码优化设计方案 |
| 3.2.1 重要信息的选择 |
| 3.2.2 基于重要信息反馈的BATS码方案设计 |
| 3.2.3 方案性能仿真与分析 |
| 3.3 基于编码统计的BATS码优化设计方案 |
| 3.3.1 方案设计 |
| 3.3.2 方案性能仿真与分析 |
| 3.4 基于伪随机序列的BATS码优化设计方案 |
| 3.4.1 伪随机序列及其生成 |
| 3.4.2 基于线性同余发生器和梅森旋转发生器的BATS码方案设计 |
| 3.4.3 方案性能仿真与实现 |
| 3.5 本章小结 |
| 第四章 基于滑窗BATS码和小波SPIHT编码的图像传输方案设计 |
| 4.1 引言 |
| 4.2 基于小波变换的SPIHT图像编码技术 |
| 4.2.1 小波变换 |
| 4.2.2 SPIHT算法 |
| 4.3 基于滑窗BATS码和小波SPIHT编码的图像传输方案设计 |
| 4.3.1 滑窗BATS码的设计 |
| 4.3.2 图像传输方案设计 |
| 4.3.3 方案性能仿真与分析 |
| 4.4 基于滑窗BATS码和小波SPIHT编码的图像传输改进方案设计 |
| 4.4.1 改进方案设计 |
| 4.4.2 方案性能仿真与分析 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）基于新特征和小波变换的图像压缩编码算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 图像压缩的背景 |
| 1.2.1 图像压缩编码原理 |
| 1.2.2 常用编码算法 |
| 1.2.3 图像压缩编码的性能评价 |
| 1.3 分形图像压缩编码 |
| 1.3.1 分形理论创立与发展 |
| 1.3.2 分形图像压缩研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形图像压缩编码原理 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点定理 |
| 2.1.3 拼贴定理 |
| 2.1.4 迭代函数系统 |
| 2.2 分形图像压缩编码算法实现 |
| 2.2.1 编码算法 |
| 2.2.2 解码算法 |
| 2.3 本章小结 |
| 第三章 仿半叉迹特征的快速分形图像编码 |
| 3.1 算法理论依据 |
| 3.2 算法分析与实现 |
| 3.3 实验仿真结果 |
| 3.4 本章小节 |
| 第四章 八点和特征快速编码算法 |
| 4.1 算法理论依据 |
| 4.2 算法分析与实现 |
| 4.3 实验仿真结果 |
| 4.4 本章小节 |
| 第五章 小波变换与仿半叉迹特征相结合的分形图像编码 |
| 5.1 算法理论依据 |
| 5.2 算法分析与实现 |
| 5.3 仿真实验结果 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（8）基于小波变换的分形图像编码压缩算法（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩的背景知识 |
| 1.2.1 图像压缩编码的原理 |
| 1.2.2 图像压缩质量评价 |
| 1.3 分形图像压缩编码综述 |
| 1.3.1 分形理论提出与发展 |
| 1.3.2 分形图像压缩研究现状 |
| 1.4 本文结构安排 |
| 第二章 相关背景知识介绍 |
| 2.1 分形编码理论 |
| 2.1.1 仿射变换 |
| 2.1.2 不动点及压缩映射 |
| 2.1.3 拼贴定理 |
| 2.1.4 局部迭代函数系统 |
| 2.2 分形编码的算法描述 |
| 2.2.1 分形编码的基本原理 |
| 2.2.2 分形编码的算法描述及实现 |
| 2.3 本章小结 |
| 第三章 基于分类方法的快速分形算法 |
| 3.1 算法理论依据 |
| 3.1.1 D块的分类 |
| 3.1.2 各类特征的选取 |
| 3.1.3 结构比定义及可行性分析 |
| 3.2 算法的分析与实现 |
| 3.2.1 算法的分析 |
| 3.2.2 算法的实现 |
| 3.3 实验仿真结果 |
| 3.4 小结 |
| 第四章 九块和特征的快速分形图像编码 |
| 4.1 基本分形算法 |
| 4.2 算法的理论依据 |
| 4.3 算法分析与实现 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于小波变换的分形图像编码压缩算法 |
| 5.1 算法理论依据 |
| 5.1.1 小波定义和连续小波变换 |
| 5.1.2 小波基的性质 |
| 5.1.3 二级小波分解 |
| 5.1.4 小波发展和小波分解特点 |
| 5.2 算法分析与实现 |
| 5.3 实验结果分析 |
| 5.4 结束语 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 致谢 |
（9）基于小波变换的图像压缩算法在远程医学中的应用研究（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 小波变换图像压缩算法的研究现状 |
| 1.3 感兴趣区域编码思想 |
| 1.4 论文的主要内容 |
| 第二章 医学图像的数据压缩 |
| 2.1 医学图像数据压缩的概念 |
| 2.2 医学图像数据压缩的可行性与必要性 |
| 2.3 医学图像压缩的基本步骤 |
| 2.4 医学图像压缩编码方法分类 |
| 2.5 医学图像压缩方法的评价准则 |
| 2.6 本章小结 |
| 第三章 小波变换医学图像压缩 |
| 3.1 小波变换的基本原理 |
| 3.2 小波变换 |
| 3.2.1 小波定义 |
| 3.2.2 小波变换 |
| 3.2.3 连续小波变换 |
| 3.2.4 离散小波变换 |
| 3.3 小波变换图像压缩编码 |
| 3.3.1 基于小波变换的图像压缩过程 |
| 3.3.2 一维信号的分解 |
| 3.3.3 一维信号的重构 |
| 3.3.4 二维信号的分解与重构 |
| 3.4 小波基的选择 |
| 3.5 小波变换的优越性 |
| 3.6 本章小结 |
| 第四章 嵌入式小波编码算法 |
| 4.1 EZW编码算法 |
| 4.1.1 算法原理 |
| 4.1.2 零树预测 |
| 4.1.3 有效值映射 |
| 4.1.4 逐次逼近的嵌入式编码 |
| 4.1.5 EZW的具体步骤 |
| 4.1.6 EZW算法分析 |
| 4.2 SPIHT算法 |
| 4.2.1 SPIHT编码算法原理 |
| 4.2.2 SPIHT编码算法描述 |
| 4.2.3 SPIHT算法的不足 |
| 4.3 改进SPIHT算法 |
| 4.3.1 改进初始化算法 |
| 4.3.2 改进重要性判断 |
| 4.3.3 改进系数符号编码 |
| 4.3.4 综合改进算法 |
| 4.3.5 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 基于ROI医学图像压缩算法 |
| 5.1 ROI医学图像压缩方法概述 |
| 5.1.1 ROI医学图像压缩现状 |
| 5.1.2 ROI医学图像压缩原理介绍 |
| 5.2 形状自适应ROI医学图像无损压缩方法 |
| 5.2.1 ROI形状信息的提取 |
| 5.2.2 形状自适应整数小波变换 |
| 5.2.3 形状自适应整数小波变换系数的编码 |
| 5.2.4 ROI形状信息的表示 |
| 5.2.5 仿真结果分析 |
| 5.3 本章小结 |
| 第六章 图像压缩算法在实际远程医学平台的验证 |
| 6.1 远程医学平台中的医学影像上传 |
| 6.2 仿真结果与实际医学平台传输速率分析 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文主要研究内容 |
| 7.2 下一步工作 |
| 参考文献 |
| 申硕期间的主要成果 |
| 附录 |
| 致谢 |
（10）无线多媒体传感器网络唤醒与图像传输研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作及安排 |
| 2 无线多媒体传感器网络基础 |
| 2.1 无线多媒体传感器网络概述 |
| 2.1.1 无线多媒体传感器网络的特点 |
| 2.1.2 无线多媒体传感器网络的应用 |
| 2.1.3 多媒体传感器节点系统设计 |
| 2.1.4 多媒体传感器节点覆盖 |
| 2.2 无线多媒体传感器网络拓扑结构 |
| 2.2.1 平面网络结构 |
| 2.2.2 逻辑分层结构 |
| 2.3 无线多媒体传感器网络多节点协同与三级协作 |
| 2.3.1 多节点协同 |
| 2.3.2 三级协作模型 |
| 2.4 网络能耗模型 |
| 2.5 本章小结 |
| 3 无线多媒体传感器网络唤醒研究 |
| 3.1 网络唤醒的相关策和网络模型 |
| 3.1.1 网络唤醒的相关策略 |
| 3.1.2 网络模型 |
| 3.2 相机节点唤醒机制 |
| 3.2.1 节点调度 |
| 3.2.2 相机节点唤醒机制流程 |
| 3.3 多节点协同的相机节点唤醒方法 |
| 3.3.1 普通成员节点成簇 |
| 3.3.2 相机节点与事件的位置关系 |
| 3.3.3 多节点协同的相机节点唤醒 |
| 3.4 仿真实验与分析 |
| 3.4.1 节点能耗与感知事件的普通节点数量实验分析 |
| 3.4.2 相机节点存活数与时间关系实验分析 |
| 3.5 本章小结 |
| 4 无线多媒体传感器网络分布式图像传输技术 |
| 4.1 图像处理中的小波变换 |
| 4.1.1 小波变换理论基础 |
| 4.1.2 图像的小波变换 |
| 4.1.3 提升小波变换 |
| 4.2 基于小波变换的图像编码经典算法 |
| 4.2.1 嵌入式零树小波编码算法(EZW) |
| 4.2.2 分层小波树集合分割算法(SPIHT) |
| 4.3 基于小波变换的分布式图像处理方法 |
| 4.4 基于SPIHT的图像传输算法 |
| 4.4.1 改进的分布式图像处理方法 |
| 4.4.2 图像质量评价标准 |
| 4.4.3 小波变换算法及其码率的选取 |
| 4.4.4 小波变换分解层数的选取 |
| 4.4.5 基于SPIHT的分布式传输算法 |
| 4.5 仿真实验与分析 |
| 4.5.1 节点能耗与单跳平均距离关系实验分析 |
| 4.5.2 总能耗与传输跳数关系实验分析 |
| 4.5.3 网络生存时间与节点密度关系实验分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、基于小波变换的图像编码（论文参考文献）
- [1]基于超混沌和DNA编码的图像加密算法研究[D]. 李志远. 黑龙江大学, 2021(09)
- [2]基于小波分析的医学图像压缩方法的研究[D]. 王亚清. 沈阳理工大学, 2021(01)
- [3]小波变换域基于图像数据集的图像编码算法研究[D]. 杨楚皙. 吉林大学, 2020(08)
- [4]基于频域处理的全息图压缩方法研究[D]. 姜智翔. 昆明理工大学, 2020(04)
- [5]毫米波单像素成像的编码矩阵设计与图像分块采样方法研究[D]. 何蕾. 南京理工大学, 2020(01)
- [6]BATS码及其应用研究[D]. 王臣玺. 电子科技大学, 2020(07)
- [7]基于新特征和小波变换的图像压缩编码算法[D]. 赵敏. 南京邮电大学, 2019(02)
- [8]基于小波变换的分形图像编码压缩算法[D]. 赵蓉. 南京邮电大学, 2019(02)
- [9]基于小波变换的图像压缩算法在远程医学中的应用研究[D]. 张霞. 山东师范大学, 2019(02)
- [10]无线多媒体传感器网络唤醒与图像传输研究[D]. 赵胜. 南京理工大学, 2020(01)