学位论文 > 优秀研究生学位论文题录展示
分形图像编码加速和纹理分割方法的研究
作 者: 孟帆
导 师: 叶正麟
学 校: 西北工业大学
专 业: 计算数学
关键词: 分形图像压缩 迭代函数系统 细节信息分类 结构相似指标 纹理分割 小波变换 多尺度自回归滑动平均模型 小生境遗传算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2006年
下 载: 90次
引 用: 0次
阅 读: 论文下载
内容摘要
本文所研究的问题包含两方面的内容:分形图像编码加速和纹理分割。这两方面都是目前图像处理领域的研究热点。 分形图像编码技术以其压缩比高、解码速度快且解码与分辨率无关等优点,近年来一直是图像编码领域里的研究热点。但是分形编码技术的运算量却十分巨大,主要原因是图像中的编码值域块与大量的图像定义域块进行匹配运算,这使得分形编码的速度受到的极大的限制。为了提高分形编码的速度,本文提出了一种细节信息分类(Detail Information Classification,简称DIC)与结构相似(Structure Similarity,简称SSIM)指标相结合的快速分形编码方法。本文提出的DIC方法是一种新的分类方法,将图像块的内部灰度细节信息的分布状况作为分类标准对定义域块库进行分类,这样可以达到较好的分类效果从而保证了解码图像的质量。SSIM指标最初是用在图像质量度量领域的,将该指标引入分形编码中是因为与传统分形编码过程相比SSIM不但考虑图像块之间的亮度和对比度的关系,而且还将图像块的结构信息作为一个重要的匹配参数,同时SSIM的匹配运算时间只有传统匹配方式的一半。SSIM指标比传统分形编码的匹配运算过程速度快、匹配精度高。试验表明,将DIC和SSIM相结合不但可以极大地缩短分形编码运算时间,而且保持较高的解码质量。当分类数为30和ε=0.8(SSIM指标的阈值)时分形编码的速度比传统分形编码提高了68.48倍,解码质量为32.14db,比传统编码方法低0.95db。在不考虑旋转反射变换的情况下,速度提高了505.54倍,解码质量为29.86db,质量损失3.23db。 纹理分割是图像分割的一部分,在图像处理领域一直是研究的热点。不同的纹理有各自不同的特征,所以纹理分割的关键就是有效的提取不同纹理的特征,进一步将各种纹理准确的区分开。本文引入多尺度自回归滑动平均(Multiscale Autoregressive Moving Average,简称MARMA)模型,用该模型的参数作为纹理的特征。对图像进行多尺度分析,可以有效地提取图像在不同尺度上的信息。对原始图像进行Haar小波变换,可以得到一系列不同尺度的图像序列,进一步对变换后的图像序列建立MARMA模型,并用小生境遗传算法对
|
全文目录
摘要 3-5 Abstract 5-7 目录 7-9 第一章 引言 9-17 1.1 分形概述 9-13 1.2 纹理概述 13-15 1.3 本文的内容安排 15-17 第二章 分形图像压缩概述 17-33 2.1 图像压缩概述 17-23 2.1.1 无损压缩技术 17-18 2.1.2 有损压缩技术 18-19 2.1.3 变换编码 19-20 2.1.4 分形编码 20 2.1.5 图像压缩的标准 20-21 2.1.6 图像质量的判断标准 21-23 2.2 分形图像压缩 23-33 2.2.1 分形编码的数学基础 24-26 2.2.2 分形编码的基本过程 26-29 2.2.3 各种改进编码的方法 29-33 第三章 基于细节信息分类和结构相似指标的分形编码加速方法 33-44 3.1 引言 33-34 3.2 细节信息分类和结构相似性指标 34-39 3.2.1 分类算法 34-35 3.2.2 细节信息分类 35-37 3.2.3 结构相似性指标 37-39 3.3 编码过程 39-40 3.4 数字实验 40-43 3.5 小结 43-44 第四章 纹理分割概述 44-52 4.1 图像分割概述 44-49 4.1.1 图像分割 44-45 4.1.2 图像分割技术简介 45-49 4.2 纹理分割概述 49-52 第五章 小波域多尺度ARMA模型的纹理分割方法 52-59 5.1 引言 52 5.2 多尺度ARMA模型 52-56 5.2.1 多尺度ARMA模型的定义 52-53 5.2.2 小波滤波器的选取 53 5.2.3 建立小波域MARMA(p,q)模型 53-54 5.2.4 特征提取及分析 54-56 5.3 纹理分割模型 56 5.4 数字实验 56-58 5.5 小结 58-59 结论及未来的工作 59-60 参考文献 60-64 致谢 64-65 在读期间完成的学术论文及承担的科研基金项目 65-66 西北工业大学业学位论文知识产权声明书 66 西北工业大学学位论文原创性声明 66
|
相似论文
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于空间—频率域的织物组织识别新技术研究,TS101.923
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 基于小波的雷达视频压缩方法研究,TN957.52
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 一种多数据流聚类异常检测算法,TP311.13
- 基于图像的信息隐藏技术研究,TP309.7
- 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
- 结合DWT的动态数据校正研究及应用,TP274
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 基于离散小波变换的图像水印算法研究,TP309.7
- 脑部CT图像的压缩应用,TP391.41
- 一类工具加工痕迹的检验识别,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|