一种改进的分形图像的压缩方法及其软件实现

为了提高分形图像压缩方法的效果,采用分割迭代函数系统方法,融合进化算法和四叉树方法,并使用C／C^ 语言,实现了分形图像压缩程序．程序运行结果表明,该方法能够提高图像压缩的质量和速度．     

一种基于多分辨分析的简化的分裂-合并图像分割算法

为了减少分裂-合并算法的计算复杂性,提出了一种基于多分辨率分析的分裂-合并简化算法.首先,将原始图像用多分辨的形式分层表示,对最低层分辨率的图像用简化的分裂-合并算法进行图像分割,同时用该层的边缘信息对分割结果进行优化,得到该层的分割图像;然后,用直接影射的方法将低分辨率的分割图像映射到高分辨率空间中,并用相应的边缘信息进行优化,直到在原始分辨率空间完成上述工作,得到最终的分割结果.试验证明,所提算法简单有效,较好地解决了分裂-合并算法计算复杂的问题.     

分形理论在图像压缩中的应用

在图像压缩中运用分形理论是一种基于自然图像局部自相似性的有效压缩技术。文章重点介绍分形图像压缩技术理论基础——迭代函数系统,再介绍分形图像压缩编码和解码的方法,最后简单介绍分形编码的改进方法。     

一种新的基于区域合并的图像分割算法

提出了一种新的彩色图像分割算法,以区域合并为基础并使用联合彩色纹理直方图.利用彩色直方图与最大相似性的区域合并算法已成功地应用在彩色图像分割,在某些情况下,只使用彩色直方图信息并不能充分且有效地达到优越的分割.所提出的方法将彩色直方图和纹理直方图的信息用于测量不同地区的相似性,从而引导区域合并的进程.此外,为了获取纹理信息,采用局部二进制模式(LBP),以便嵌入主要的统一LBP模式来测量不同地区的相似性.实验结果表明,与基于经典图像分割方法的区域合并相比,该算法取得了很大的进步.此外,与其他类似的方法相比,该算法更加健全和精确.     

基于小波变换与改进分形结合的图像压缩算法研究

针对传统的分形图像压缩编码时间长的缺点,提出了改进的分形编码方法,并将小波变换与改进的分形编码结合.在MATLAB软件中进行测试实验,实验结果表明,与传统的分形编码算法相比,在保证图像压缩质量基本不变的情况下,新算法编码时间大大缩短了,并且提高了压缩比,具有较高的应用价值.     

三种优化分形图片压缩算法比较分析

分形图像压缩(FIC)是基于局部迭代函数系统(PIFS)的图像压缩算法,即用自然景物的自相似性来进行数据压缩;但是巨大的耗时量限制了其实际应用;FIC的耗时量主要体现在以下几方面:每一个值域块的最优匹配块的搜索都要在所有的定义域块中进行,需要花费大量的时间;计算、量化、存储所有的仿射变换参数;图像分割过程;为了克服FIC计算成本高的缺点,采用了遗传算法、蚁群算法和粒子群算法减少寻找相似定义域块的搜索空间,加快编码速度;实验结果表明:优化后的FIC能有效地减少编码时间同时保持峰值信噪比。     

分形图像压缩技术研究

分形图像压缩技术具有高压缩比、高信噪比和良好视觉效果等特点,已成为数字图像领域的研究热点,但由于需要人工干预、压缩时间长,一直没有取得广泛的应用。本文在分析分形图像压缩理论和压缩过程的基础上,采用分形技术与其它压缩技术相结合的方法,给出了一种小波变换和分形技术相结合的算法,利用小波变换后同方向多级子频带的相似性进行分形压缩,可以有效缩短压缩时间,提高自动化处理程度,很好解决了放大过程中的失真问题,取得良好压缩效果。     

基于相似类合并FCM在图像分割中的应用

传统的基于模糊C均值聚类的图像分割算法分割结果中类内数据空间分布离散,无法准确分割出目标物体.针对这一问题,提出一种基于相似类合并模糊C均值聚类算法,并将其应用到图像分割中.首先,提出一种全局空间相似性度量标准和全局灰度相似性度量标准,并将其引入到一种新颖的节点间距离度量公式中来计算图像中任意一点与聚类中心点的差异.其次,算法选取彩色直方图作为区域描述算子,采用巴氏距离计算聚类过程中得到的任意两类间的相似性.最后,应用最大相似类合并策略得到最终的分割结果.实验结果表明,与传统模糊C均值聚类算法和空间约束核模糊C均值聚类算法相比,该算法获得更加精确的图像分割结果.     

一种基于图的彩色图像分割算法

为了解决图像分割中容易出现的过分割问题,提出了一种基于图的彩色图像分割算法.该算法在区域合并的基础上,首先用Mean shift方法进行预处理,得到初始过分割区域后对其构造邻接图,然后计算邻接区域的颜色、纹理及边缘特征相似性以判断区域是否需要合并直到所有满足条件的区域都被合并.为了保持图像的全局属性,文中通过查找最优合并成本的方式进行区域合并.实验结果表明:即使在图像目标和背景区域颜色比较相似时,文中算法也能较好地实现对目标区域的完整分割;与其他4种算法相比,文中算法具有更好的分割性能.     

基于分裂合并法和Ncut法的图像分割

当灰度图像较大,图像中像素较多时,利用Normalized Cut(Ncut)方法分割生成图的节点数目多,从而给算法求解带来困难,所以提出了利用分裂合并法和Ncut法相结合进行图像分割.用分裂合并法将灰度分割成多个区域,结合区域间的灰度和位置信息,再利用Normalized Cut方法在区域间进行划分,完成图像的分割。实验结果证明该方法有效。