kkcocoon的专栏

Python中dlib包的安装非常麻烦，直接pip install dlib，会出现很多错误，需要先安装CMake和VS2015（要选中VC++开发环境）。如果有.whl文件，则直接可以 pip install dlib.whl。网上只能找到 dlib-19.7.0-cp36-cp36m-win_amd64.whl。 然而，dlib19.7的人脸识别速度比较慢。 于是我装好dlib-19.15.0后，生成了这个whl文件，在命令行中进入该文件的目录： pip install dlib-19.15.0-cp36-cp36m-win_amd64.whl 即可成功安装。但需要64位操作系统，Python 3.6.2 ( Anaconda3-5.0.0-Windows-x86_64.exe)。

文章作者写的matlab源代码，该文章发表在Digital Signal Processing: Ke-Kun Huang , Hui Liu, Chuan-Xian Ren, Yu-Feng Yu and Zhao-Rong Lai. Remote sensing image compression based on binary tree and optimized truncation. Digital Signal Processing, vol. 64, pp. 96-106, 2017. (http://dx.doi.org/10.1016/j.dsp.2017.02.008) 遥感图像数据非常广泛，因此需要通过空间设备上的低复杂度算法进行压缩。具有自适应扫描顺序（BTCA）的二叉树编码是一个的有效算法。然而，对于大规模遥感图像，BTCA需要大量的内存，而且不能随机存取。在本文中，我们提出了一种基于BTCA的新的编码方法。小波图像首先划分为几个块，并由BTCA单独编码的。根据BTCA的属性，仔细选择每个块的有效截断点，以优化速率失真的比例，从而获得更高的压缩比、更低的内存要求和随机访问性能。由于没有任何熵编码，所提出的方法简单快速，非常适合于空间设备。对三个遥感图像集进行实验，结果表明它可以显着提高PSNR、SSIM和VIF，以及主观视觉体验。 The remote sensing image data is so vast that it requires compression by low-complexity algorithm on space-borne equipment. Binary tree coding with adaptive scanning order (BTCA) is an effective algorithm for the mission. However, for large-scale remote sensing images, BTCA requires a lot of memory, and does not provide random access property. In this paper, we propose a new coding method based on BTCA and optimize truncation. The wavelet image is first divided into several blocks which are encoded individually by BTCA. According the property of BTCA, we select the valid truncation points for each block carefully to optimize the ratio of rate-distortion, so that a higher compression ratio, lower memory requirement and random access property are attained. Without any entropy coding, the proposed method is simple and fast, which is very suitable for space-borne equipment. Experiments are conducted on three remote sensing image sets, and the results show that it can significantly improve PSNR, SSIM and VIF, as well as subjective visual experience.

文章作者写的matlab源代码，该文章2017年发表在Signal Processing: Image Communication： Hui Liu, Ke-Kun Huang*, Chuan-Xian Ren, Yu-Feng Yu and Zhao-Rong Lai. Quadtree Coding with Adaptive Scanning Order for Space-borne Image Compression. Signal Processing: Image Communication, vol. 55, no. 7, pp. 1-9, 2017. (http://dx.doi.org/10.1016/j.image.2017.03.011) 星载设备产生非常大的图像，而存储、计算和传输的能力有限，因此需要低复杂度的图像压缩算法。在本文中，我们开发了一种基于四叉树的高效图像压缩算法。首先，我们提出了一种自适应扫描顺序，它从先前有效节点的邻居遍历四叉树，从而指定的比特率下对更多的有效系数进行编码。其次，我们将整个小波图像划分成几个块，并对它们进行单独编码。因为失真率通常随着树节点的层次的增加而减小，我们选择在四叉树的每个层次编码后的点作为候选截断点。提出的方法可以提供质量、位置和分辨率的可扩展性，简单快速，无需任何熵编码，因此非常适合于星载设备。实验结果表明，与一些最先进的算法相比，它具有更好的性能。 Space-borne equipments produce very big images while their capacities of storage, calculation and transmission are limited, so low-complexity image compression algorithms are necessary. In this paper, we develop an efficient image compression algorithm based on quadtree in wavelet domain for this mission. First, we propose an adaptive scanning order for quadtree, which traverses prior the neighbors of previous significant nodes from bottom to the top of quadtree, so that more significant coefficients are encoded at a specified bit rate. Second, we divide the entire wavelet image to several blocks and encode them individually. Because the distortion-rate usually decreases as the level of the quadtree increases with the adaptive scanning order, to control bit rate for each block, we set the points exactly after coding each level of the quadtree as the candidate truncation points. The proposed method can provide quality, position and resolution scalability, which is simple and fast without any entropy coding, so it is very suitable for space-borne equipments. Experimental results show that it attains better performance compared with some state-of-the-art algorithms.

[原创]本matlab代码是2012年发表在IEEE Transactions on Geoscience and Remote Sensing(2012 IEEE TGRS IF=3.467)的一篇文章A new on-board image codec based on binary tree with adaptive scanning order in scan-based mode的部分代码。 遥感图像的信息量很大，但由于星载设备的存储和传输的限制，需要在卫星上对图像进行压缩。JPEG2000太复杂，不适合成为星载图像压缩的标准；CCSDS-IDC固定了大部分参数，而且只提供质量可伸缩性。针对星载图像提出了一种新的低复杂度、低内存、高效的嵌入式小波图像编码算法。首先，提出了二叉树作为一种新型而且健壮的方式对遥感图像的小波变换进行编码。其次，开发了一种自适应扫描次序，对二叉树从低部至顶部依次访问，达到了更好的性能和视觉效果。最后，使用了基于扫描的模式，显著降低了对内存的需求。所提出的方法是非常快速的，因为它不使用任何熵编码和率失真优化算法，然而却能提供质量、位置和分辨率可伸缩性。作为一种低复杂度的算法，很容易硬件实现，非常适合星载图像压缩。实验表明，与无算术编码的SPIHT算法和基于扫描的CCSDS-IDC相比，该方法可以显著提高峰值信噪比，与基于扫描的JPEG2000差不多。

[原创]本matlab代码是2012年发表在"计算机应用"的文章"基于自适应编码次序的多级树集合分裂算法"的源代码。 为了在图像轮廓处获得更好的压缩效采，在多级树集合分裂( SPIHT)算法的基础上提出了一种优先编码周围邻域中重要系数较多的系数与集合的小波图像压缩算法。在编码之前对系数或集合按照周围重要系数的个数进行排序，而且在扫描完周围有重要系数的集合后，就精细扫描已经得到的重要系数。这种编码次序是自适应确定的，不需要任何额外的存储空间，而且在到达指定压缩比时能够编码更多的重要系数。实验结果表明，对比原来的SPIHT 算法，该方法能提高峰值信嗓比并改善主观视觉感受。