⑴ Huffman編碼不適合圖像壓縮么，為什麼。有相關的資料么。能給我看看不QQ504278770
下面是我從網上搜索到的資料，希望對你有幫助。
1.哈夫曼圖像壓縮演算法引言
隨著網路與多媒體技術的興起，人們需要存儲和傳輸的數據越來越多，數據量越來越大，以前帶寬有限的傳輸網路和容量有限的存儲介質難以滿足用戶的需求。
特別是聲音、圖像和視頻等媒體在人們的日常生活和工作中的地位日益突出，這個問題越發顯得嚴重和迫切。如今，數據壓縮技術早已是多媒體領域中的關鍵技術之一。
Huffman(哈夫曼)演算法在上世紀五十年代初提出來了，它是一種無損壓縮方法，在壓縮過程中不會丟失信息熵，而且可以證明Huffman演算法在無損壓縮演算法中是最優的。Huffman原理簡單，實現起來也不困難，在現在的主流壓縮軟體得到了廣泛的應用。對應用程序、重要資料等絕對不允許信息丟失的壓縮場合，Huffman演算法是非常好的選擇。
2.哈夫曼圖像壓縮演算法原理
Huffman編碼是1952年由Huffman提出的對統計獨立信源能達到最小平均碼長的編碼方法。這一年，他發表了著名論文「A Method for the Construction of Minimum Rendancy Codes」，即最短冗餘碼的構造方法.之後，Huffman編碼及其一些改進方法一直是數據壓縮領域的研究熱點之一。
Huffman碼是一種變長碼，其基本思想是：先統計圖像(已經數字化)中各灰度出現的概率，出現概率較大的賦以較短的碼字，而出現概率較小的則賦以較長的碼字。我們可以用下面的框圖來表示Huffman編碼的過程：
在整個編碼過程中，統計圖像各灰度級出現的概率和編碼這兩步都很簡單，關鍵的是Huffman樹的構造。不但編碼的時候需要用到這顆樹，解碼的時候也必須有這顆樹才能完成解碼工作，因此，Huffman樹還得完整的傳輸到解碼端。
Huffman樹的構造可以按照下面圖2的流程圖來完成。首先對統計出來的概率從小到大進行排序，然後將最小的兩個概率相加;到這兒的時候，先把已經加過的兩個概率作為樹的兩個節點，並把他們從概率隊列中刪除;然後把相加所得的新概率加入到隊列中，對這個新隊列進行排序。
如此反復，直到最後兩個概率相加為1的時候停止。這樣，Huffman樹就建立起來了。
3. 哈夫曼圖像壓縮演算法軟體實現
這兒，我們以Turbo C為例來說明軟體實現Huffman圖像壓縮演算法的一些關鍵技術。
為了敘述方便，我們不妨假設處理的圖像的灰度級變化范圍從0到255，即具有256個灰度級。我們先來統計輸入圖像的概率，實際上是要統計各個灰度級在整幅圖像中出現的次數。為此，我們先定義一個具有256個元素的數組。
然後對輸入圖像信號進行掃描，每出現一個灰度，就把它存入實現定義好的一個數組中的相應元素中(讓這個元素的值自增1)。最後，通過讀取數組中各元素的值就可以求出各個灰度出現的頻數。
接下來就該構造Huffman樹了。為了構造Huffman樹，我們要用到C語言中鏈表的概念。我們必須用一個結構體來表示Huffman樹的節點。對於每個節點而言我們需要這樣幾個信息：本節點的權重(就是灰度的頻數)、指向父節點的指針和分別指向左右子葉節點的指針。於是，我們可以定義這樣一個結構體：
Struct Node{
Floatweight;
Node * father;
Node * left;
Node * right;}Huffman_Node
我們需要先確定權最低的兩個自由結點，這將是最初的left和right節點。然後建立這兩個結點的父結點，並讓它的權等於這兩個結點的權之和。
接著將這個父結點增加到自由結點的序列中，而兩個子結點則從序列中去掉。重復前面的步驟直到只剩下一個自由結點，這個自由結點就是Huffman樹的根。
Huffman編碼樹作為一個二叉樹從葉結點逐步向上建立。Huffman樹建立好以後，為了把權、概率等數值轉化碼字，我們還得對整個Huffman樹進行掃描。請注意，在建立Huffman樹的時候，我們是從樹葉開始的，而在對Huffman樹分配碼字的時候卻剛好相反，是從樹根開始，沿著各個樹枝的走向「順藤摸瓜」似的對各個系數進行編碼。
對於一個節點的兩個子節點(left和right)，其中一個節點對應的位為0，而另一個結點則人為地設置成為l。解碼的時候也是完全相同的一顆Huffman樹完成的。下面的循環是實現壓縮的關鍵語句之一[ 1 ]。
for (i = length-1; i >= 0; ――i) {
if ((current_code >> i) & 1)
thebyte |= (char) (1 << curbit);
if (--curbit < 0) {
putc (thebyte, ofile);
thebyte = 0;
curbyte++;
curbit = 7;
}
}
注意：這幾行代碼執行了數據壓縮的功能，但是還沒有生成編碼和解碼所需要的代碼表。
4.哈夫曼圖像壓縮演算法性能評價
我們主要從三方面[ 2 ]來評價Huffman的性能：
(1)壓縮比的大小;
(2)恢復效果的好壞，也就是能否盡可能的恢復原始數據;
(3)演算法的簡單易用性以及編、解碼的速度。
首先分析一下對壓縮比的影響因素(不同的著作中對壓縮比的定義不盡相同，這兒我們採用如下定義：壓縮比等於壓縮之前的以比特計算的數據量比上壓縮之後的數據量)。對於Huffman編碼來說，我們因為要用額外的位保存和傳輸Huffman樹而「浪費」掉一些存儲位，也就是說，為了編、解碼的方便，我們把本已減少的數據量又增加了一些。
如果文件比較大的話，這一點多餘的數據根本算不了什麼，所佔比例很小。但是，如果壓縮的文件本來就很小的話，那麼這筆數據就很可觀了。一般來說，經典的Huffman演算法的壓縮比不是很高，這是無損壓縮的「通病」。
第二點就不用說了，由於它是無損壓縮，能夠完全恢復壓縮之前圖像的本來面貌。
最後，讓我們來分析一下Huffman壓縮方法的速度問題。大家在第三節中已經看到了，在壓縮的過程中，我們進行了兩次掃描，第一次是為了統計各個灰度出現的頻數而掃描整幅圖像，第二次則是為了分配碼字而掃描整個Huffman樹。
這樣一來，對較大的文件進行編碼時，頻繁的磁碟讀寫訪問必然會降低數據編碼的速度，如果用於網路的話，還會因此帶來一些延時，不利於實時壓縮和傳輸。另外，Huffman演算法的編碼和解碼的速度是不對稱的，解碼快於編碼，因為解碼不需要生成Huffman樹的環節。
5.圖像壓縮演算法結束語
Huffman演算法目前已經得到了廣泛的應用，軟體和硬體都已經實現。基於Huffman經典演算法的缺陷，不少人提出了一些自適應演算法。前面的演算法中，Huffman樹是整個圖像全部輸入掃描完成後構造出來的，而自適應演算法(或稱動態演算法)則不必等到全部圖像輸入完成才開始樹的構造，並且可以根據後面輸入的數據動態的對Huffman樹進行調整。實際上，實用的Huffman樹都是經過某種優化後的動態演算法。
網路資源
⑵ 求一篇「對多媒體的數據壓縮技術或數據加密技術做實例分析，並研究它的發展趨勢」有關的論文。
多媒體數據壓縮方法分類數據的壓縮實際上是一個編碼過程，即把原始的數據進行編碼壓縮。數據的解壓縮是數據壓縮的逆過程，即把壓縮的編碼還原為原始數據。因此數據壓縮方法也稱為編碼方法。目前數據壓縮技術日臻惱，適應各種應用場合的編碼方法不斷產生。針對多媒體數據冗餘類型的不同，相應地有不同的壓縮方法。 按照壓縮方法是否產生失真分類根據解碼後數據與原始數據是否完全一致進行分類，壓縮方法可被分為有失真編碼和無失真編碼兩大類。 有失真壓縮法會壓縮了熵，會減少信息量，而損失的信息是不能再恢復的，因此這種壓縮法是不可逆的。無失真壓縮法掉或減少數據中的冗餘，但這些冗餘值是可以重新插入到數據中的，因此冗餘壓縮是可逆的過程。 無失真壓縮是不會產生失真。從信息主義角度講，無失真編碼是泛指那種不考慮被壓縮信息性質和壓縮技術。它是基於平均信息量的技術，並把所有的數據當做比特序列，而不是根據壓縮信息的類型來優化壓縮。也就是說，平均信息量編碼忽略被壓縮信息主義內容。在多媒體技術中一般用於文本、數據的壓縮，它能保證百分之百地恢復原始數據。但這種方法壓縮比較低，如LZW編碼、行程編碼、霍夫曼（Huffman）編碼的壓縮比一般在2：1至5：1之間。 按照壓縮方法的原理分類根據編碼原理進行分類，大致有編碼、變換編碼、統計編碼、分析－合成編碼、混合編碼和其他一些編碼方法。其中統計編碼是無失真的編碼，其他編碼方法基本上都是有失真的編碼。 預測編碼是針對空間冗餘的壓縮方法，其基本思想是利用已被編碼的點的數據值，預測鄰近的一個像素點的數據值。預測根據某個模型進行。如果模型選取得足夠好的話，則只需存儲和傳輸起始像素和模型參數就可代表全部數據了。按照模型的不同，預測編碼又可分為線性預測、幀內預測和幀間預測。 變換編碼也是針對空間冗餘和時間冗餘的壓縮方法。其基本思想是將圖像的光強矩陣（時域信號）變換到系統空間（頻域）上，然後對系統進行編碼壓縮。在空間上具有強相關性的信號，反映在頻域上是某些特定區域內的能量常常被集中在一起，或者是系數矩陣的發布具有某些規律。可以利用這些規律，分配頻域上的量化比特數，從而達到壓縮的目的。由於時域映射到頻域總是通過某種變換進行的，因此稱變換編碼。因為正交變換的變換矩陣是可逆的，且逆矩陣與轉換置矩陣相等，解碼運算方便且保證有解，所以變換編碼總是採用正交變換。 統計編碼屬於無失真編碼。它是根據信息出現概率的分布而進行的壓縮編碼。編碼時某種比特或位元組模式的出現概率大，用較短的碼字表示；出現概率小，用較長的碼字表示。這樣，可以保證總的平均碼長最短。最常用的統計編碼方法是哈夫曼編碼方法。 分析-合成編碼實質上都是通過對原始數據的分析，將其分解成一系列更適合於表示「基元」或從中提取若干具有更為本質意義的參數，編碼僅對這些基本單元或特徵參數進行。解碼時則藉助於一定的規則或模型，按一定的演算法將這些基元或參數，「綜合」成原數據的一個逼近。這種編碼方法可能得到極高的數據壓縮比。 混合編碼綜合兩種以上的編碼方法，這些編碼方法必須針對不同的冗餘進行壓縮，使總的壓縮性能得到加強。
⑶ 圖像壓縮編碼論文
數字圖像壓縮技術的研究及進展
摘要：數字圖像壓縮技術對於數字圖像信息在網路上實現快速傳輸和實時處理具有重要的意義。本文介紹了當前幾種最為重要的圖像壓縮演算法：JPEG、JPEG2000、分形圖像壓縮和小波變換圖像壓縮，總結了它們的優缺點及發展前景。然後簡介了任意形狀可視對象編碼演算法的研究現狀，並指出此演算法是一種產生高壓縮比的圖像壓縮演算法。關鍵詞：JPEG；JPEG2000；分形圖像壓縮；小波變換；任意形狀可視對象編碼一 引 言 隨著多媒體技術和通訊技術的不斷發展，多媒體娛樂、信息高速公路等不斷對信息數據的存儲和傳輸提出了更高的要求，也給現有的有限帶寬以嚴峻的考驗，特別是具有龐大數據量的數字圖像通信，更難以傳輸和存儲，極大地制約了圖像通信的發展，因此圖像壓縮技術受到了越來越多的關注。圖像壓縮的目的就是把原來較大的圖像用盡量少的位元組表示和傳輸，並且要求復原圖像有較好的質量。利用圖像壓縮，可以減輕圖像存儲和傳輸的負擔，使圖像在網路上實現快速傳輸和實時處理。 圖像壓縮編碼技術可以追溯到1948年提出的電視信號數字化，到今天已經有50多年的歷史了[1]。在此期間出現了很多種圖像壓縮編碼方法，特別是到了80年代後期以後，由於小波變換理論，分形理論，人工神經網路理論，視覺模擬理論的建立，圖像壓縮技術得到了前所未有的發展，其中分形圖像壓縮和小波圖像壓縮是當前研究的熱點。本文對當前最為廣泛使用的圖像壓縮演算法進行綜述，討論了它們的優缺點以及發展前景。二 JPEG壓縮 負責開發靜止圖像壓縮標準的「聯合圖片專家組」（Joint Photographic Expert Group,簡稱JPEG），於1989年1月形成了基於自適應DCT的JPEG技術規范的第一個草案，其後多次修改，至1991年形成ISO10918國際標准草案，並在一年後成為國際標准，簡稱JPEG標准。1．JPEG壓縮原理及特點 JPEG演算法中首先對圖像進行分塊處理，一般分成互不重疊的 大小的塊，再對每一塊進行二維離散餘弦變換（DCT）。變換後的系數基本不相關，且系數矩陣的能量集中在低頻區，根據量化表進行量化，量化的結果保留了低頻部分的系數，去掉了高頻部分的系數。量化後的系數按zigzag掃描重新組織，然後進行哈夫曼編碼。JPEG的特點優點：（1）形成了國際標准；（2）具有中端和高端比特率上的良好圖像質量。缺點：（1）由於對圖像進行分塊，在高壓縮比時產生嚴重的方塊效應；（2）系數進行量化，是有損壓縮；（3）壓縮比不高，小於50。 JPEG壓縮圖像出現方塊效應的原因是：一般情況下圖像信號是高度非平穩的，很難用Gauss過程來刻畫，並且圖像中的一些突變結構例如邊緣信息遠比圖像平穩性重要，用餘弦基作圖像信號的非線性逼近其結果不是最優的。2． JPEG壓縮的研究狀況及其前景 針對JPEG在高壓縮比情況下，產生方塊效應，解壓圖像較差，近年來提出了不少改進方法，最有效的是下面的兩種方法：（1）DCT零樹編碼 DCT零樹編碼把 DCT塊中的系數組成log2N個子帶，然後用零樹編碼方案進行編碼。在相同壓縮比的情況下，其PSNR的值比 EZW高。但在高壓縮比的情況下，方塊效應仍是DCT零樹編碼的致命弱點。（2）層式DCT零樹編碼 此演算法對圖像作 的DCT變換，將低頻 塊集中起來，做 反DCT變換；對新得到的圖像做相同變換，如此下去，直到滿足要求為止。然後對層式DCT變換及零樹排列過的系數進行零樹編碼。 JPEG壓縮的一個最大問題就是在高壓縮比時產生嚴重的方塊效應，因此在今後的研究中，應重點解決 DCT變換產生的方塊效應，同時考慮與人眼視覺特性相結合進行壓縮。三 JEPG2000壓縮 JPEG2000是由ISO/IEC JTCISC29標准化小組負責制定的全新靜止圖像壓縮標准。一個最大改進是它採用小波變換代替了餘弦變換。2000年3月的東京會議，確定了彩色靜態圖像的新一代編碼方式—JPEG2000圖像壓縮標準的編碼演算法。1．JPEG2000壓縮原理及特點 JPEG2000編解碼系統的編碼器和解碼器的框圖如圖1所示。編碼過程主要分為以下幾個過程：預處理、核心處理和位流組織。預處理部分包括對圖像分片、直流電平（DC）位移和分量變換。核心處理部分由離散小波變換、量化和熵編碼組成。位流組織部分則包括區域劃分、碼塊、層和包的組織。 JPEG2000格式的圖像壓縮比，可在現在的JPEG基礎上再提高10%~30%，而且壓縮後的圖像顯得更加細膩平滑。對於目前的JPEG標准，在同一個壓縮碼流中不能同時提供有損和無損壓縮，而在JPEG2000系統中，通過選擇參數，能夠對圖像進行有損和無損壓縮。現在網路上的JPEG圖像下載時是按「塊」傳輸的，而JPEG2000格式的圖像支持漸進傳輸，這使用戶不必接收整個圖像的壓縮碼流。由於JPEG2000採用小波技術，可隨機獲取某些感興趣的圖像區域（ROI）的壓縮碼流，對壓縮的圖像數據進行傳輸、濾波等操作。2．JPEG2000壓縮的前景 JPEG2000標准適用於各種圖像的壓縮編碼。其應用領域將包括Internet、傳真、列印、遙感、移動通信、醫療、數字圖書館和電子商務等。JPEG2000圖像壓縮標准將成為21世紀的主流靜態圖像壓縮標准。四 小波變換圖像壓縮1．小波變換圖像壓縮原理小波變換用於圖像編碼的基本思想就是把圖像根據Mallat塔式快速小波變換演算法進行多解析度分解。其具體過程為：首先對圖像進行多級小波分解，然後對每層的小波系數進行量化，再對量化後的系數進行編碼。小波圖像壓縮是當前圖像壓縮的熱點之一，已經形成了基於小波變換的國際壓縮標准，如MPEG-4標准，及如上所述的JPEG2000標准 。2．小波變換圖像壓縮的發展現狀及前景 目前3個最高等級的小波圖像編碼分別是嵌入式小波零樹圖像編碼（EZW），分層樹中分配樣本圖像編碼（SPIHT）和可擴展圖像壓縮編碼（EBCOT）。（1）EZW編碼器 1993年，Shapiro引入了小波「零樹」的概念，通過定義POS、NEG、IZ和ZTR四種符號進行空間小波樹遞歸編碼，有效地剔除了對高頻系數的編碼，極大地提高了小波系數的編碼效率。此演算法採用漸進式量化和嵌入式編碼模式，演算法復雜度低。EZW演算法打破了信息處理領域長期篤信的准則：高效的壓縮編碼器必須通過高復雜度的演算法才能獲得，因此EZW編碼器在數據壓縮史上具有里程碑意義。（2）SPIHT編碼器 由Said和Pearlman提出的分層小波樹集合分割演算法（SPIHT）則利用空間樹分層分割方法，有效地減小了比特面上編碼符號集的規模。同EZW相比，SPIHT演算法構造了兩種不同類型的空間零樹，更好地利用了小波系數的幅值衰減規律。同EZW編碼器一樣，SPIHT編碼器的演算法復雜度低，產生的也是嵌入式比特流，但編碼器的性能較EZW有很大的提高。（3）EBCOT編碼器優化截斷點的嵌入塊編碼方法（EBCOT）首先將小波分解的每個子帶分成一個個相對獨立的碼塊，然後使用優化的分層截斷演算法對這些碼塊進行編碼，產生壓縮碼流，結果圖像的壓縮碼流不僅具有SNR可擴展而且具有解析度可擴展，還可以支持圖像的隨機存儲。比較而言，EBCOT演算法的復雜度較EZW和SPIHT有所提高，其壓縮性能比SPIHT略有提高。
小波圖像壓縮被認為是當前最有發展前途的圖像壓縮演算法之一。小波圖像壓縮的研究集中在對小波系數的編碼問題上。在以後的工作中，應充分考慮人眼視覺特性，進一步提高壓縮比，改善圖像質量。並且考慮將小波變換與其他壓縮方法相結合。例如與分形圖像壓縮相結合是當前的一個研究熱點。
五 分形圖像壓縮 1988年，Barnsley通過實驗證明分形圖像壓縮可以得到比經典圖像編碼技術高幾個數量級的壓縮比。1990年，Barnsley的學生A.E.Jacquin提出局部迭代函數系統理論後，使分形用於圖像壓縮在計算機上自動實現成為可能。1． 分形圖像壓縮的原理 分形壓縮主要利用自相似的特點，通過迭代函數系統（Iterated Function System, IFS）實現。其理論基礎是迭代函數系統定理和拼貼定理。 分形圖像壓縮把原始圖像分割成若干個子圖像，然後每一個子圖像對應一個迭代函數，子圖像以迭代函數存儲，迭代函數越簡單，壓縮比也就越大。同樣解碼時只要調出每一個子圖像對應的迭代函數反復迭代，就可以恢復出原來的子圖像，從而得到原始圖像。2．幾種主要分形圖像編碼技術 隨著分形圖像壓縮技術的發展，越來越多的演算法被提出，基於分形的不同特徵，可以分成以下幾種主要的分形圖像編碼方法。（1）尺碼編碼方法 尺碼編碼方法是基於分形幾何中利用小尺度度量不規則曲線長度的方法，類似於傳統的亞取樣和內插方法，其主要不同之處在於尺度編碼方法中引入了分形的思想，尺度 隨著圖像各個組成部分復雜性的不同而改變。（2）迭代函數系統方法 迭代函數系統方法是目前研究最多、應用最廣泛的一種分形壓縮技術，它是一種人機交互的拼貼技術，它基於自然界圖像中普遍存在的整體和局部自相關的特點，尋找這種自相關映射關系的表達式，即仿射變換，並通過存儲比原圖像數據量小的仿射系數，來達到壓縮的目的。如果尋得的仿射變換簡單而有效，那麼迭代函數系統就可以達到極高的壓縮比。（3）A-E-Jacquin的分形方案 A-E-Jacquin的分形方案是一種全自動的基於塊的分形圖像壓縮方案，它也是一個尋找映射關系的過程，但尋找的對象域是將圖像分割成塊之後的局部與局部的關系。在此方案中還有一部分冗餘度可以去除，而且其解碼圖像中存在著明顯的方塊效應。3．分形圖像壓縮的前景 雖然分形圖像壓縮在圖像壓縮領域還不佔主導地位，但是分形圖像壓縮既考慮局部與局部，又考慮局部與整體的相關性，適合於自相似或自仿射的圖像壓縮，而自然界中存在大量的自相似或自仿射的幾何形狀，因此它的適用范圍很廣。六 其它壓縮演算法 除了以上幾種常用的圖像壓縮方法以外，還有：NNT（數論變換）壓縮、基於神經網路的壓縮方法、Hibert掃描圖像壓縮方法、自適應多相子帶壓縮方法等，在此不作贅述。下面簡單介紹近年來任意形狀紋理編碼的幾種演算法[10]~ [13]。（1）形狀自適應DCT（SA-DCT）演算法 SA-DCT把一個任意形狀可視對象分成 的圖像塊，對每塊進行DCT變換，它實現了一個類似於形狀自適應Gilge DCT[10][11]變換的有效變換，但它比Gilge DCT變換的復雜度要低。可是，SA-DCT也有缺點，它把像素推到與矩形邊框的一個側邊相平齊，因此一些空域相關性可能丟失，這樣再進行列DCT變換，就有較大的失真了[11][14][15]。（2）Egger方法 Egger等人[16][17]提出了一個應用於任意形狀對象的小波變換方案。在此方案中，首先將可視對象的行像素推到與邊界框的右邊界相平齊的位置，然後對每行的有用像素進行小波變換，接下來再進行另一方向的小波變換。此方案，充分利用了小波變換的局域特性。然而這一方案也有它的問題，例如可能引起重要的高頻部分同邊界部分合並，不能保證分布系數彼此之間有正確的相同相位，以及可能引起第二個方向小波分解的不連續等。（3）形狀自適應離散小波變換（SA-DWT） Li等人提出了一種新穎的任意形狀對象編碼，SA-DWT編碼[18]~[22]。這項技術包括SA-DWT和零樹熵編碼的擴展（ZTE），以及嵌入式小波編碼（EZW）。SA-DWT的特點是：經過SA-DWT之後的系數個數，同原任意形狀可視對象的像素個數相同；小波變換的空域相關性、區域屬性以及子帶之間的自相似性，在SA-DWT中都能很好表現出來；對於矩形區域，SA-DWT與傳統的小波變換一樣。SA-DWT編碼技術的實現已經被新的多媒體編碼標准MPEG-4的對於任意形狀靜態紋理的編碼所採用。 在今後的工作中，可以充分地利用人類視覺系統對圖像邊緣部分較敏感的特性，嘗試將圖像中感興趣的對象分割出來，對其邊緣部分、內部紋理部分和對象之外的背景部分按不同的壓縮比進行壓縮，這樣可以使壓縮圖像達到更大的壓縮比，更加便於傳輸。七 總結 圖像壓縮技術研究了幾十年，取得了很大的成績，但還有許多不足，值得我們進一步研究。小波圖像壓縮和分形圖像壓縮是當前研究的熱點，但二者也有各自的缺點，在今後工作中，應與人眼視覺特性相結合。總之，圖像壓縮是一個非常有發展前途的研究領域，這一領域的突破對於我們的信息生活和通信事業的發展具有深遠的影響。
參考文獻：[1] 田青. 圖像壓縮技術[J]. 警察技術, 2002, (1)：30-31.[2] 張海燕, 王東木等. 圖像壓縮技術[J]. 系統模擬學報, 2002, 14(7)：831-835.[3] 張宗平, 劉貴忠. 基於小波的視頻圖像壓縮研究進展[J]. 電子學報, 2002, 30(6)：883-889.
[4] 周寧, 湯曉軍, 徐維朴. JPEG2000圖像壓縮標准及其關鍵演算法[J]. 現代電子技術, 2002, (12)：1-5.[5] 吳永輝, 俞建新. JPEG2000圖像壓縮演算法概述及網路應用前景[J]. 計算機工程, 2003, 29(3)：7-10.[6] J M Shaprio. Embedded image coding using zerotree of wavelet coefficients[J]. IEEE Trans. on Signal Processing, 1993, 41(12): 3445-3462.[7] A Said, W A Pearlman. A new fast and efficient image codec based on set partitioning in hierarchical trees[J]. IEEE Trans. on Circuits and Systems for Video Tech. 1996, 6(3): 243-250.[8] D Taubman. High performance scalable image compression with EBCOT[J]. IEEE Transactions on Image Processing, 2000, 9(7): 1158–1170.[9] 徐林靜, 孟利民, 朱建軍. 小波與分行在圖像壓縮中的比較及應用. 中國有線電視, 2003, 03/04：26-29.[10] M Gilge, T Engelhardt, R Mehlan. Coding of arbitrarily shaped image segments based on a generalized orthogonal transform[J]. Signal Processing: Image Commun., 1989, 1(10): 153–180.[11] T Sikora, B Makai. Shape-adaptive DCT for generic coding of video[J]. IEEE Trans. Circuits Syst. Video Technol., 1995, 5(1): 59–62.[12] T Sikora, S Bauer, B Makai. Efficiency of shape-adaptive 2-D transforms for coding of arbitrarily shaped image segments[J]. IEEE Trans. Circuits Syst. Video Technol., 1995, 5(3): 254–258.[13]鄧家先 康耀紅 編著 《資訊理論與編碼》
⑷ 尋求通信類大學生畢業論文
下面的都是畢業論文範文,有用的話,請給我紅旗
LMX2350/LMX2352晶元簡介及電路設計
基於LMX2306/16/26 晶元簡介及應用電路設計
基於LT5500f 的1.8~2.7 GHzLNA/混頻器電路設計
基於LT5517 40MHZ到90NHZ 積分解調器的設計
基於LT5527的400MHz至3.7GHz高信號電平下變頻混頻器電路設計
基於LT5572的晶元簡介及應用電路設計
基於LT5516的晶元簡介及應用電路設計
基於MAX2039的晶元簡介及應用電路設計
基於MAX2102/MAX2105晶元簡介及應用電路設計
基於MAX2106 晶元簡介及應用電路設計
基於MAX2323/MAX2325 的晶元簡介及應用電路設計
基於MAX2338晶元簡介及應用電路設計
基於MAX2511的晶元簡介及應用電路設計
基於MAX2685的晶元簡介及應用電路設計
基於MAX2753的晶元簡介及應用電路設計
基於MAX9981晶元簡介及應用電路設計
基於MAX9994的晶元簡介及應用電路設計
基於MAX9995的晶元簡介及應用電路設計
基於MC12430的晶元簡介及應用電路設計
基於MC88920晶元簡介及應用電路設計
基於MPC97H73的簡介及電路設計
基於MPC9229 晶元簡介及應用電路設計
基於mpc9239晶元簡介及應用電路設計
基於MPC9992 晶元簡介及應用電路設計
基於mpc92433晶元的簡介及應用電路設計
基於TQ5121的無線數據接收器電路設計
基於TQ5135的晶元簡介及應用電路設計
基於TQ5631 3V PCS波段CDMA射頻放大混頻器電路設計
語音信號處理技術及應用
網路文檔發放與認證管理系統
網路配置管理對象分析與應用
三維激光掃描儀中圖像處理快速演算法設計
基於分形的自然景物圖形的生成
圖像壓縮編碼
基於奇異值分解的數字圖像水印演算法研究
數字圖象融合技術
汽車牌照定位與分割技術的研究
焦爐立火道溫度軟測量模型設計
加熱爐的非線性PID控制演算法研究
直接轉矩控制交流調速系統的轉矩數字調節器
無線會議系統的設計
溫度檢測控制儀器
簡易遠程心電監護系統
基於LabVIEW的測試結果語音表達系統
程式控制交換機房環境監測系統設計
單片機控制的微型頻率計設計
基於DSP的短波通信系統設計（射頻單元）
等精度數字頻率計
不對稱半橋直直變換器模擬研究
基於MATLAB的直流電動機雙閉環調速系統
無線傳輸應變型扭矩儀
模糊控制在鍋爐焊接過程中的應用
三層結構的工作流OA的應用與實現
基於ANSYS8.0的永磁直線電機的有限元分析及計算
音頻信號的數字水印技術
3.3V低壓CMOS零延遲1：11時鍾發生器
基於ADF4116/4117/4118的晶元簡介及應用電路設計
ADF4193晶元簡介及應用電路設計
LMX2310U/LMX2311U/LMX2312U/LMX2313U晶元簡介及應用電路設計
MAX2754晶元簡介及應用電路設計
MPC92432晶元簡介及應用電路設計
高增益矢量乘法器
基於400MSPS 14-Bit,1.8VCMOS直接數字合成器AD9951
基於900MHz低壓LVPECL時鍾合成器的電路設計
基於 MAX2450晶元簡介及應用電路設計
基於AD831低失真有源混頻器的電路設計
基於AD7008的晶元簡介及應用電路設計
基於AD8341 晶元簡介及應用電路設計
基於AD8348的50M-1000M正交解調器
基於AD8349的簡介及應用電路設計
基於AD9511的簡介及電路應用
基於AD9540的晶元簡介及電路設計
基於AD9952的晶元簡介和應用電路設計
基於ADF436的集成數字頻率合成器與壓控振盪器
基於ADF4007簡介及電路設計
基於ADF4110/ADF4111/ADF4112/ADF4113上的應用電路設計
基於ADF4154的晶元簡介及應用電路設計
基於ADF4360-0的晶元簡介及應用電路設計
基於ADF4360-3電路晶元簡介及應用電路設計
基於ADF4360-6的簡介及應用電路設計
基於ADF4360-7的集成整形N合成器的壓控振盪器
基於ADL5350的簡介及應用電路設計
基於CMOS 200 MHZ數字正交上變頻器設計
基於CMOS 的AD9831晶元數字頻率合成器的電路設計
基於CX3627ERDE的晶元簡介及應用電路設計
基於CXA3275Q的晶元簡介及應用電路設計
基於CXA3556N的晶元簡介及應用電路設計
基於IMA-93516的晶元簡介及應用電路設計
VPN技術研究
UCOSII在FPGA上的移植
IPTV影音信號傳輸網路設計
GSM移動通信網路優化的研究與實現
FSK調制系統
DSP處理GPS接收數據的應用研究
Boot Loader在嵌入式系統中的應用
ADS寬頻組網與測試
基於FPGA的IIR濾波器設計
MP3寬頻音頻解碼關鍵技術的研究與實現
基本門電路和數值比較器的設計
編碼器和解碼器的設計
智力競賽搶答器
移位寄存器的設計與實現
四選一數據選擇器和基本觸發器的設計
四位二進制加法器和乘法器
數字鍾的設計與製作
數字秒錶的設計
數控分頻器及其應用
汽車尾燈控制器的設計
交通燈控制器的設計
簡易電子琴的設計
簡單微處理器的設計
DSP最小系統的設計與開發
基於消息隊列機制（MSMQ）的網路監控系統
基於DSP的電機控制的研究
基於數學形態學的織物經緯密度的研究
紗條均勻度測試的研究
圖像銳化演算法的研究及其DSP實現
手寫體數字識別
有限沖擊響應濾波器的設計及其DSP實現
同步電機模型的MATLAB模擬
USB通信研究及其在虛擬儀器中的應用設計
WLAN的OFDM信道估計演算法研究
採用S12交換機支持NGN下MEGACO呼叫流程的設計
基於語音信號預測編碼的數據壓縮演算法的研究與實現
基於小波變換數字圖像水印盲演算法
基於小波變換和神經網路的短期負荷預測研究
嵌入式系統建模模擬環境PtolemyII的研究與應用
分布式計算環境的設計與實現
復合加密系統中DES演算法的實現
大學自動排課演算法設計與實現
基於AES的加密機制的實現
基於AES演算法的HASH函數的設計與應用
基於DM642的H.264視頻編碼器優化和實現
基於Huffman編碼的數據壓縮演算法的研究與實現
基於internet的嵌入式遠程測控終端研製
基於Matlab的FMCW（調頻連續波）的中頻正交處理和脈沖壓縮處理
基於MATLAB的對稱振子阻抗特性和圖形模擬
基於windows的串口通信軟體設計
基於粗糙集和規則樹的增量式知識獲取演算法
自適應蟻群演算法在DNA序列比對中的應用
遠程監護系統的數據記錄與傳輸技術研究
基於分布式體系結構的工序調度系統的設計
基於活動圖像編碼的數據壓縮演算法的設計與實現
基於寬頻聲音子帶編碼的數據壓縮演算法的設計與實現
基於網路數據處理XML技術的設計
基於小波變換的數據壓縮演算法的研究與實現
基於小波變換的配電網單相接地故障定位研究及應用
英特網上傳輸文件的簽名與驗證程序