为了同步实现图像压缩和加密, 提出了一种采用超混沌Chen系统和改进零树编码相结合的图像压缩加密算法。该算法在改进零树编码基础上, 先利用超混沌Chen系统产生的密钥流修正位平面编码过程中形成的上下文和判决, 然后送入MQ算术编码器中进行熵编码生成相应的压缩码流, 最后将压缩后码流反馈到超混沌Chen系统的输入端, 产生新的密钥, 使密钥流和明文相关, 实现图像的联合压缩加密。实验结果表明, 该算法的峰值信噪比(PSNR)至少提高了1 dB, 密钥空间为256 bit, 加密时间占总时间的百分比均小于45%, 明文和密钥敏感性高。该算法实现了图像的联合压缩加密, 比原始嵌入式零树小波(EZW)算法的图像重建质量高, 具有高抗线性攻击和差分攻击能力, 密钥空间大, 安全性好。

为了避免基于有限更新率的连续域信号采样涉及复杂的运算问题, 认真研究分段线性序列特点, 提出一种在离散域进行信号参量提取的方法, 称之为序列重采样.给出了有限长序列更新率定义, 总结出一种适合简单分段线性序列的参量提取算法——试探法, 将之推广到一般分段线性序列.不需要事先知道更新率的数量, 也不需要在连续域进行运算, 从采样后的序列中直接检测信号更新点和更新参量, 从而实现信号采样.对所提出的算法进行了仿真, 结果表明该算法是有效的.

在认真研究算术编码和算术加密的基础上，提出了一种基于改进零树编码的图像联合压缩加密算法.使用密钥对图像压缩产生的原始上下文和原始判决进行修正，实现了图像联合加密.阐述了上下文修正和判决修正算法的规则，对其安全性进行分析.结合比特平面编码技术，可以使用不同密钥对不同小波分辨率的系数分别加密，实现分辨率选择性加密，以满足不同应用需求.对零树编码进行改进，加入自适应算术编码，并对联合压缩加密算法进行仿真.结果表明：相对原始图像压缩算法而言，所提出的图像联合压缩加密算法具有基本相当的压缩效率；相对区间分裂的联合加密算法而言，所提出算法具有更好的安全性.

原始图像数据经过小波变换后,根据子带系数之间在空间上和方向上所呈现出的带间相似性,将像素集合重新定义为集合树。通过对直流系数量化编码和交流系数比特深度编码中的参数K和熵编码中长度分别为3 bit码字(choice1)和4 bit码字(choice2)的编码方式的选择实现数据的渐进性编码,使产生的码流具有内嵌特性,可以对任意码流进行截取和译码,实现对码率的有效控制。提出了一种具有复杂度低、易于硬件实现的图像有损压缩算法。经过系统仿真证明此算法有利于提高重建图像的质量。

提出了一种基于相对失真测度的率失真斜率提升感兴趣区域编码算法.通过计算感兴趣区域与背景之间的相对失真确定感兴趣区域的率失真斜率提升幅度,使得实际感兴趣区域与背景的相对失真尽可能逼近给定值.本算法不需要对小波域的系数进行比特平面提升,而是通过提升率失真斜率实现.解码器不需要进行小波域系数的逆提升,且提升大小不受比特平面限制,可以精确到步骤.适合给定感兴趣区域与背景之间的相对失真,也适合交互式图像等感兴趣区域编码.相对失真改变时,不需要重新对图像进行比特平面编码,只要提升感兴趣区域斜率然后重新组织码流即可,避免了比特平面提升的感兴趣区域编码算法缺陷.仿真结果表明,本算法能够精确根据给定感兴趣区域与背景的平均相对失真组织码流,实际结果十分接近给定值.

根据干涉超光谱图像的特点, 提出了一种基于图像分类与曲线拟合的干涉超光谱图像数据分解算法, 结合内嵌比特平面编码技术实现干涉超光谱图像的压缩。与JPEG2000一样, 该算法实现了有损、无损压缩的兼容。将干涉超光谱图像数据分为主干涉区域与非主干涉区域两类, 针对主干涉区域提出了一种相似匹配算法, 而对非主干涉区域采用经验模式分解和二次曲线拟合方法进行数据分析, 两种分析算法结合起来能够有效地对谱线数据进行分解, 从而有利于取得更好的压缩效果。仿真结果表明, 提出的算法可以使无损压缩的输出码率降低0.2～0.4 bit/pixel,而近无损、限失真压缩的重建图像质量相应提高。

基于小波变换的星载图像压缩中，感兴趣区域编码实现面临主要问题之一是如何确定小波域系数提升的幅度．提出了一种比特平面熵估计值计算模型及计算算法，能够有效逼近比特平面编码实际输出码率，同时提出了系数提升幅度的算法，从而解决了基于比特平面提升的感兴趣区域编码中系数提升幅度确定问题，可以保证感兴趣区域重建质量要求的前提下，背景和总体重建质量更好．该算法是根据图像内容和用户要求计算系数提升幅度，不需要进行人工干预，图像的复杂度不同，提升幅度也会不同．该算法适合感兴趣区域确定如干涉高光谱图像这类图像的编码．仿真结果表明，尽管不同图像具有不同的复杂度，本文算法都能够准确确定感兴趣区域系数的提升幅度，从而有效保证了总体编码效果更好．

提出了一种基于重要系数确定及系数提升幅度计算的遥感图像压缩方法。根据图像小波域系数的熵估计值确定正常编码情况下图像编码所截取到的比特平面,然后对重要的系数进行比特平面提升,这样系统编码时就能够保留更多的小目标信息。本算法与感兴趣区域编码方法不同,重要系数的定义及其提升幅度大小是根据图像内容和输出码率确定的,可以认为本算法是任意区域的感兴趣区域编码的扩展,但更为灵活。仿真结果表明,本算法可以有效保留遥感图像中小目标的信息,系统重建图像质量略有下降,克服了现有图像压缩算法一般以均方误差最小为准则,在低码率时会失去小目标信息细节的局限。

星载干涉多光谱图像序列通过图像匹配实行定位形成光谱序列,相邻图像之间具有很强的相关性,与一般图像序列不同的是,相邻图像之间具有明显的平移特点。为了充分利用这一特点实现有效的图像压缩,同时减少编码系统复杂度,提出了一种新的图像序列编码方法, 通过小波域系数匹配算法检测出相邻图像之间的相对位移量,然后对差值图像进行类似于单幅图像的编码,从而提高了总体编码效率。本算法具有与相同单幅图像编码算法相当的低复杂度特点,只需要对单幅图像与模板的差值进行基于小波变换的编码,从而避免了基于三维小波变换的编码算法对系统存储量要求大以及编码延时大的缺陷。仿真结果表明,本算法比基于三维小波变换的编码算法效果更好。