基于不规则区域分割及灰度排序分类的分形压缩算法

基本分形压缩分类算法多以单一特征分类且需要庞大的匹配搜索运算。首次将PCNN分割引入分形压缩,提出一种基于不规则区域分割及图像灰度排序分类的分形压缩算法。算法首先对原图像进行不规则区域分割,然后利用所得二值图像的灰度值与原图像的灰度值两个特征对图像块进行联合分类,以缩小搜索匹配的范围,提高压缩速度。实验结果表明,所提算法在保证解码质量的前提下,大幅度减少了编码时间。     

一种基于区域分割的图像检索方法

提出了一种基于区域分割的图像检索方法:首先用改进的基于一致性分析的空间分割算法对图像进行区域分割,然后提取各区域的视觉特征,再对查询图像和目标图像中各区域的视觉特征进行多对多的匹配,采用最小平均准则和高斯归一化加权求和得到图像间的相似度.通过与基于全局特征的检索结果比较表明,该方法可以产生比较满意的结果.     

应用分形技术进行不规则曲线模拟

在自然界及工程技术领域,有大量的不规则曲线需要进行研究,而传统的研究方法无法形象地逼真其不规则的自然形状。文章首先简要介绍了对不规则曲线的研究意义及分形的基本知识,详细分析了应用分形技术对不规则曲线进行模拟的思路、原理及方法等,最后试图归纳出应用分形技术对不规则曲线进行模拟的基本规律及步骤。     

基于对比度因子调节的快速分形解码算法

通过对搜寻码本设置门限的方法来调节对比度因子,提出了基于对比度因子调节的快速分形解码算法.实验结果表明,该算法获得了较基本分形算法质量高的第一次迭代后图像,在图像质量降质较小的情况下比基本分形解码明显地加快了收敛速度,从而可较好地满足需要超高速图像解码的应用场合(如实时视频传输).     

基于Hough变换和数学形态学算子的对不规则直线的提取

提出了一种提取并定位不规则直线的方法.将Hough算法和数学形态学结合在一起,利用Hough算法对直线敏感的优点及数学形态学运算简单准确的特点,避免了Hough算法不能准确定位直线的位置,同时不能判断间断直线和微小弯曲直线的缺点.减少了提取的盲目性和计算的复杂度,加深了对图像的理解.     

基于自适应门限的快速分形编码方法

利用图像子块的自身统计特性，并结合父块变换过程中方差不变的特性来减少匹配库中候选块的数目，依据匹配门限可以由子块的方差来确定的原理，提出了一种基于自适应门限的分形图像编码算法的改进算法．实验表明，该算法在保持压缩比基本不变的情况下，在还原图像PSNR方面有所提高，缩短了图像的编码时间．     

基于机载激光雷达数据快速建立多分辨率不规则三角网

文中运用虚拟三角网将机载激光雷达数据进行虚拟分割,并与逐点插入法相结合,实现了快速构建多分辨率不规则三角网,既节省了建网的时间,又保留了数据的原始信息,使地面信息达到了更好的表达。     

数据压缩字典与快速图像分形映射压缩算法

针对分形编码压缩时间太长、以至于该算法很难达到实用的缺点,提出了对图像进行分级预处理,即根据被压缩图像的实际情况建立一个数据压缩字典,使得被压缩图像的匹配块仅在数据压缩字典指定的块中进行,从而大大减少图像压缩过程中的搜索范围和压缩时间·此外,给出了建立数据压缩字典的理论基础,并根据此思想给出了一个新的实现分形编码算法·实验表明,在提高压缩比的同时,运算时间也大大缩短     

基于横、纵向方差比值的快速分形图像编码算法

针对分形图像编码速度慢的问题,提出一种快速分形图像编码算法,该算法利用图像块的横向与纵向方差比值将传统的8种等距变换减少为4种,并依据值域块的横、纵向方差比值在码本中限定一个较小的搜索窗口,以加速编码过程.实验结果表明,同基本算法相比,该算法编码速度大幅提高,而峰值信噪比和压缩比下降很少;同基于方差的加速算法相比,在适当大小的窗口下,编码速度提高1倍左右,且峰值信噪比和压缩比均有改善.     

一种快速、高效的分形图像编码方法

文章针对传统分形编码时间过长的缺点,提出了一种高效而快速的基于方差的分形图像编码方法。其基本思路为:首先找到在方差意义下与R块最邻近的D块,在其左右k邻域内搜索与R块匹配的D块,如果没有搜索到满足预定阈值要求的D块,则对当前R块进行4值BTC编码。实验证明,该混合算法与传统的分形编码相比,节约了编码时间,说明该算法具有一定合理性与优越性。     

一种快速小波子带分形图像压缩编码方法

在小波变换相邻子带块预测编码的基础上 ,提出了一种快速小波子带分形图像压缩编码方法 .根据小波子树结构性相似的特点 ,把块预测搜索范围限制在子树附近 ,大幅度减少图像小波子带分形编码时间 ;然后采用在上一级恢复子带的基础上进行分形预测编码、对较低分辨率子带中分形预测误差较大的块直接进行编码等新的编码方法 ,以提高恢复图像质量 .实验结果表明 ,该方法在图像压缩编码时间大幅度缩短的同时 ,恢复图像质量也有所提高     

基于对称分形的虹膜图像压缩算法

利用虹膜图像固有的对称特性,提出了基于对称性的快速分形虹膜图像特征区域的压缩算法;通过虹膜图像特征区域边缘的定位,确定对称轴,然后对于一值域图像块,与其匹配的定义域块被限定在其对称区域中,从而可减少定义域块的搜索范围,加快分形编码速度,最终达到加速虹膜图像压缩目的。     

图像压缩中一种改进的快速编码方法

通过对基于平方欧几米德距离的剔除码字方法的分析研究，提出了一种改进的快速编码方法。该方法采用新的码字搜索方式，以一维矢量替代码字搜索过程中的码书缓存空间，加快了搜索速度，减少了编码过程中的内存占有量。仿真结果表明，经过改进后，存储量不变，编码时间明显减少了，同时保持了与全搜索一致的编码质量。     

A novel fast algorithm of mono transition region determination with gray image

There is a transition region between objects and background in any gray image. Many valuable applications of image segmentation and edge detection based on transition region determination have been developed in recent years. But,the complexity of calculation for determining transition region is too high. It results in the very limitation of applications based on transition region. A new novel fast method for transition region determination is presented in this paper, which will reduce the complexity of calculation dramatically. Many experiments have showed that this algorithm is effective and correct and will lay a good foundation for applications based on transition region.     

一种新的基于破损区域分块划分的图像修复算法

针对破损区域较大、结构信息复杂的图像修复难题,在分析手工修复方法的基础上,提出一种基于破损区域分块划分的图像修复算法。根据边界线破损而断裂的图像,先估算破损区域边缘各断裂边界线的走向;再将同一条边界线的各断裂边界线进行平滑连接,可将破损区域划分成不同的块;然后分别计算各块的优先等级;并利用BSCB算法,按优先级对各块进行修复;最后,将算法与BSCB算法及近年来提出的图像修复算法进行比较。结果表明,所采用的图像修复算法修复结果图像结构信息更清晰、图像边界过渡更自然、更符合视觉感知;并具有更高的峰值信噪比。     

一种新的基于区域生长的彩色图像分割算法

为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法.首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法在运算时间以及分割准确性具有明显优势。     

基于不规则区域块匹配的分形图像压缩

在基本分形图像压缩方法的基础上,结合Fisher方法提出了一种不规则区域块匹配的分形图像压缩方法．该方法根据值域块的几何特性选择不同规则形状的区域块,能有效扩充代码库,选择最匹配的区域块与值域块匹配,提高信噪比．实验表明,该方法在保持图像质量基础上有很好的压缩效果．     

逃逸区间分类法构造广义M-J混沌分形图谱的研究

在对传统的复映射z←zα+c(α∈R)广义M-集计算机算法的研究基础上,分析了几种常用的算法,提出了一种改进的逃逸区间分类法来绘制广义M-集,并给出上述算法生成的图像。通过大量的计算机数学实验,表明采用该算法绘制的混沌分形图谱能够更加直观地描绘出广义M-集对应轨道的收敛区间,为进一步揭开广义M-集的内部形成机理提供了一个新的研究方法。     

基于区域生长和聚类的主动脉CTA图像序列分割算法

针对人体主动脉CTA序列图像的特点,提出了一种基于区域生长和聚类的序列分割新算法.在确定好合适的分割阈值范围后,结合基于区域生长的算法对主动脉的目标区域进行轮廓提取,然后对得到的目标轮廓在基于isodata的算法上进行聚类处理,由于主动脉在空间上的连续性,可以将聚类后得到的目标区域的聚类中心作为下一幅CT图像新的种子点再进行区域生长,从而实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割.实验结果表明,本文算法计算量小,分割精度高,可以完整准确地将主动脉从CT序列图像中分割出来.