为了较好地实现全息体视图虚实场景融合的立体显示，分析了虚实场景之间存在的遮挡关系，提出一种基于实例分割与深度值判定的图像编码方法。理论分析表明，场景间的遮挡来源于特定视角下物点的不同深度信息，相机采样时只能保留近处物点的强度信息。求解采样图像的深度图，利用深度值判定的方法可以实现场景的有效融合。为进一步降低深度值求解不精确的影响，利用Mask R-CNN实例分割算法对真实场景的采样图像进行分层处理，并赋予各层伪深度值，再采用深度值判定方法实现虚实场景之间有遮挡关系的融合编码。采用基于有效视角图像分割与重组(EPISM)的方法进行全息打印光学实验，结果表明，所提出的图像编码方法可以有效实现虚实场景融合的立体显示。

为了实现火箭遥测图像的高效处理，优化火箭遥测图像的编码流程，提出了一种基于小波变换的火箭遥测图像编码新方法。在图像小波变换的基础上，以空间方向树为编码单位，采用改进的分层树集合分割(SPIHT)算法实现图像重要小波系数的比特平面编码，并采用联合码率优化截取方法，优先截取和传输重要比特平面的遥测图像数据。通过系统测试，结果表明：与传统的火箭遥测图像编码方法相比，新的遥测图像编码方法具有丢帧率低、重构图像质量好、编码效率高等优点，满足运载火箭遥测图像处理和传输的工程需求。

提出了一种新的快速物体检测与识别方法, 用于检测和识别在运动过程中图像尺寸不断变化的物体。该方法基于多级定向执行长度编码法(MORLC)生成一种新的多级字节编码和物体特征样本形式, 其属于字符数据样本, 具有数据量小、占用存储空间少、构造过程简单、可根据不同的应用需求选择不同级次的样本形式等特点。对MORLC方法中二级字节编码和样本的系统理论进行了分析, 给出了利用MORLC二级字节编码和样本检测和识别运动物体的实验数据。对静态背景中的行人及位置进行了检测和识别实验, 结果显示多级字节编码和物体特征样本形式匹配处理速度快, 匹配和识别的鲁棒性好, 不易产生错误匹配。该方法特别适用于场景中由于被探测物体运动产生投影图像比例发生变化的情况, 即对图像大小不敏感。该方法的另一个突出优点是高的执行处理效率。

对整数DCT变换矩阵填充规则加以改进, 得到一类新的整数变换基, 称为“类整数DCT”变换基。从海量“类整数DCT”变换基中搜索出若干优选变换基, 应用于MPEG4编解码实验, 经实验测试和数据分析, 结果表明优选“类整数DCT”变换基归一化正交矩阵与DCT变换的去相关性能相近, 可替代整数DCT变换在图像编码中所起的作用。由于“类整数DCT”变换有完全快速算法, 便于硬件实现, 应用于图像编码, 可降低编码器复杂度。

为了适应人眼视网膜细胞的正六边形结构的排列方式并充分利用彩色图像各颜色分量间的相关性, 提出了一种基于六边形采样的三维离散余弦变换方法。该方法根据传统的矩形采样和正六边形采样之间的关系来完成两者的转换; 然后在已有的六边形离散余弦变换的基础上提出三维六边形采样的离散余弦变换, 并验证它的能量集中性。最后, 在同一个模型下建立彩色图像的空间位置和颜色分量, 并利用提出的方法分别以不同的子图大小对不同的图像进行整体变换。实验结果表明: 相对于传统的矩形采样, 提出方法的压缩比提高了约51.1%, 峰值信噪比提高了约16.3%, 从而有效地降低了彩色图像各颜色分量间的相关性。得到的结果表明, 利用六边形采样技术可以提高采样率, 降低编码速率。

高帧频相机需要较长时间记录目标状态的图像信息，由于记录介质的存储容量所限，需要对图像进行实时压缩、记录与传输。EZW和SPIHT两种编码方法速度慢，不易在FPGA上实现，且对缓存要求较高。根据小波变换后小波系数的冗余及分布特性，提出一种新的编码算法，通过直接对系数大小做比较，然后结合数值特性和分布特性对小波系统进行动态分组，用较少的存储空间记录图像系数信息。该算法适合在FPGA上实现，实验结果验证了方法的可行性。

在基于点到线模型扩展LBG(linde-buzo-gray algorithm)矢量量化算法的基础上, 提出了一种更为高效的新型自适应LBG矢量量化算法, 并给出了该算法在干涉高光谱图像无损压缩中的实际压缩方案。 该算法在LBG算法码书中利用点到线的垂线关系基础上进行了改进, 执行进一步的自适应化迭代进而获得了更小的残差。 将自适应LBG矢量量化算法应用于干涉高光谱LASIS(large aperture static imaging spectrometer)图像数据无损压缩中, 实验结果表明, 该方法比原有的扩展LBG矢量量化算法在无损压缩性能上有显著的提高, 并且在与LASIS图像双向预测结合后, 点到线模型扩展LBG矢量量化算法的压缩比相对于传统LBG算法有所下降, 而采用本文提出算法的压缩比则有明显的提高。

给出一种上下文自适应的游程编码和扩展指数哥伦布编码。利用游程编码算法对图像小波系数及ROI掩模进行上下文自适应建模并输出三元组样本；然后扩展普通的指数哥伦布编码，使其可以编码由游程编码建模输出的三元组样本，在对小波系数编码的同时可以携带感兴趣区域掩模标记信息。由此得到一种可以区别感兴趣区域和背景区域的高效编码算法，并以此算法为基础提出一种感兴趣区域编码的编解码框架，该框架包括5/3小波变换、小波域掩模标记生成、不均匀最佳量化、游程编码和扩展的指数哥伦布编码。该算法的游程建模过程简单，熵编码算法可用闭合公式表达，具有较高的可实现性。实验结果表明，提出的算法支持多个任意形状的感兴趣区域，感兴趣区域相对于背景区域的编码优先级可调，并且可以获得高于基于BbB-shift的SPIHT算法的压缩性能。

根据小波-Contourlet变换对图像分解具有多尺度和多方向性的特点,提出了一种结合小波-Contourlet 变换和集合分裂嵌入块(SPECK)编码的图像压缩算法(CSPECK)。小波-Contourlet通过方向滤波器组把小波分解的高频子带进一步分解为多个方向子带,从而可更稀疏地表示图像的边缘和纹理。SPECK算法编码具有复杂度低和编码效率高的优点。实验结果表明,CSPECK算法对纹理丰富的图像有很好的压缩效果,与基于小波-Contourlet 变换的CSPIHT算法相比,峰值信噪比提高了0.2～0.6 dB。

深度图像能够有效表示三维场景几何信息,需要传输至三维电视终端用以辅助生成任意视点虚拟视图。为降低深度图像传输开销,需要对其进行压缩编码。深入分析了视频图像运动信息与深度图像运动信息的相似性,提出一种视频图像与深度图像联合预测编码方案,在编码深度图像过程中重用已编码视频图像的运动信息。该方案由视频-深度运动信息复制与视频-深度运动信息预测两部分组成。实验表明,提出的视频-深度联合预测编码能够高效利用已编码视频图像的运动信息,显著提高深度图像编码效率。