三角形和矩形NAM表示的快速面积计算算法

提出一种基于三角形和矩形NAM表示的快速面积计算算法,给出算法的形式化描述,并分析其复杂度.以图像处理领域里惯用的标准Lena、F16和Peppers等二值图像作为典型测试对象,理论分析和实验结果表明:与经典的基于紧凑四元树表示的面积计算算法相比,基于三角形和矩形NAM表示的面积计算算法具有更少的子模式数(节点数),从而计算速度更快.     

一种改进的基于NAM的彩色图像表示算法

图像表示在机器人、图像处理、模式识别等领域里是一个非常重要的研究内容之一.尽管基于NAM的彩色图像表示方法是彩色图像模式的一种良好表示方法,但是该方法是建立在单类型子模式(矩形)基础之上,因而还有更进一步的优化空间.通过对多子模式类型的组合(矩形和三角形)逆布局作进一步的研究,提出了一种改进的基于NAM的彩色图像表示算法,并给出了该算法的存储结构和数据量分析.理论分析和实验结果表明:与基于NAM的彩色图像表示算法和流行的基于线性四元树的彩色图像表示方法相比,改进的基于NAM的彩色图像表示方法能更有效地减少子模式数(节点数)和数据存储空间,是彩色图像模式表示的一种更优的表示算法,为逐步逼近彩色图像模式的最优化表示提供了一种重要的研究途径.     

一种新的TRNAM彩色图像表示算法

非对称逆布局模型(NAM)适用于图像模式、语音模式、文本模式、视频模式的表示,是一个通用型的模式表示模型.借助于格雷码表示图像像素的思想,提出了一种新的三角形和矩形NAM彩色图像表示算法(简称NTRNAM算法).给出了算法的原理及形式化描述,并对其存储结构、总数据量和时空复杂性进行了分析.理论分析和实验结果表明:NTRNAM算法能够显著降低子模式数和存储空间,是一种有效的彩色图像表示算法.     

基于位平面分解的三角形NAM图像表示

位平面分解是一种能够有效地降低图像的复杂性的方法,而三角形Packing 问题是一类特殊的Packing 问题,在许多领域里得到了广泛的应用,有着巨大理论价值和实际意义.因此,借助于位平面分解和三角形Packing问题的思想,以提高多值图像的表示效率为目标,提出了一种基于位平面分解的的三角形NAM(非对称逆布局模式表示模型)的图像表示方法.给出并实现了基于位平面分解的三角形NAM的图像表示算法,理论分析和实验结果表明:与流行的线性四元树表示方法相比,基于位平面分解的三角形NAM表示方法能更有效地减少数据存储空间,是多值图像模式的一种良好的表示方法.     

改进的矩形NAM图像表示算法

为了提高图像的表示效率,提出了一种改进的矩形非对称逆布局模式表示模型(NAM)图像编码算法IRNAM。该算法采用双矩形子模式对灰度图像进行表示,结合位平面优化策略,并顺序存储各子模式的数据,使得子模式数目大幅减少。实验结果表明：与矩形NAM算法和其他改进的NAM算法相比, IRNAM算法使表示图像的子模式数明显减少了,从而有效地节省了数据存储空间,是一种高效的图像表示方法。     

多值图像的直接NAM表示模型

尽管基于分层数据结构的图像表示有许多优点,但是它们过于强调分割的对称性,因此不是最优的表示方法.借助于布局问题的思想,提出一个基于非对称逆布局模型(NAM)的模式表示方法.通过描述NAM模型,给出多值图像直接NAM表示方法的编码和解码算法,并对算法的复杂性和存储的数据量进行了分析.理论分析和实验结果均表明:与传统的四元树和行程码等图像表示方法相比,直接NAM表示方法在图像数据压缩和重建质量等方面具有明显的优势,是多值图像模式表示的一种良好方法.     

改进的三角形和矩形NAM的二值图像表示方法

图像表示是计算机图形学、计算机视觉、机器人、图像处理和模式识别等领域里的一个重要问题.提出一种改进的三角形和矩形NAM的二值图像(NAMTR)表示方法,简称INAMTR表示方法.给出了算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析.以图像处理领域里惯用的标准′Lena′、′Baboon′和′Peppers′等二值图像作为典型测试对象,理论分析和实验结果均表明:与目前新提出的NAMTR表示方法和经典的线性四元树表示方法相比,INAMTR表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是二值图像模式的一种更优的表示方法.     

基于三角形和正方形的NAM灰度图像表示方法研究

非对称逆布局模型(NAM)适用于图像模式、语音模式、文本模式、视频模式的表示,是一个通用的模式表示模型。图像表示是计算机图形学、计算机视觉、机器人、图像处理和模式识别等领域里的一个重要问题。借助于三角形和正方形Packing问题的思想,本文提出了一种基于三角形和正方形的NAM灰度图像表示方法,简称NAMTS表示方法。给出了灰度图像的NAMTS表示算法,并对其存储结构和总数据量进行了详细分析。理论分析和实验结果表明:与经典的基于线性四元树的表示方法相比,基于三角形和正方形的NAM灰度图像表示方法能更有效地减少子模式数和数据存储空间,是灰度图像的一种良好的表示方法。     

基于多子模式的NAM图像表示方法

基于多子模式的非对称逆布局模式表示可以作为一种无损图像表示方法,本文以包括点、直线、矩形和三角形的典型多子模式为研究对象,提出了一种基于多种子模式的NAM图像表示方法.其中,三角形典型子模式包括四种走向的非等腰直角三角形,因此在子模式抽取时需要对三角形进行不等腰处理.本文给出了MNAM的表示思想,对其在计算机内的存储结...     

一种基于NAMPD的快速图像分割

非对称逆布局模式表示模型(Non-symmetry and Anti-packing pattern representation Model,NAM)借助布局问题的思想,使用一个子模式集合来表示原模式。基于NAM模型,提出了一种灰度图像表示方法,非对称逆布局平面分解模式表示模型(NAM-structrued Plane Decomposition,NAMPD)。在NAMPD中,每一个子模式都对应于图像中的一个矩形区域,该区域的亮度函数由一个斜面模型逼近。图像分割是图像分析中的一种关键方法。传统的图像分割算法大多是基于点阵表示的,运算效率不高。基于NAMPD,提出了一种快速图像分割算法。因为NAMPD将图像块而不是像素作为最小操作单位,所以基于NAMPD的图像处理操作效率更高。实验结果表明,基于NAMPD的图像分割算法的速度较之经典算法更快。