一种基于可重叠RNAM 的灰度图像表示算法

借助于二值图像的可重叠矩形区域编码的思想,通过使用可重叠矩形非对称逆布局的模式表示模型(RNAM)和扩展的Gouraud阴影法,给出了可重叠同类块逆布局的4个准则,提出了一种基于可重叠RNAM的灰度图像表示算法,简称为ORNAMC表示算法.在ORNAMC表示算法中,通过使用3个用于标识顶点类型的水平矩阵H、垂直矩阵V和单点矩阵I代替混合矩阵R,解决了灰度图像的可重叠RNAM表示中矩阵R的不可解码性问题;同时,通过将顶点类型及码字进行重新定义,提出了一种对矩阵H,V和I中所有非零元素坐标进行编码的坐标数据压缩算法.以图像处理领域里惯用的标准灰度图像等作为典型测试对象,实验结果表明,与已提出的非重叠RNAMC和流行的STC,SDCT等灰度图像表示方法相比,在保持图像质量的前提下,ORNAMC表示方法具有更高的压缩比和更少的块数,因而是灰度图像表示的一种更好的方法.     

一种改进的TNAM灰度图像表示算法研究

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.以流行的线性四元树表示方法和TNAM表示方法为研究对象,提出一种改进的TNAM灰度图像表示算法,并对算法的存储结构和总数据量进行了分析.理论分析和实验结果均表明:与流行的线性四元树表示方法和TNAM表示方法相比.改进的TNAM表示方法能更有效地减少数据存储空间,是灰度图像模式表示的一种良好表示方法.     

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。     

基于灰度插值的MNAM图像表示方法

针对多子模式非对称逆布局模式表示模型,引入灰度插值的方法,对原有的点、直线、矩形和三角形四种模式重新进行了定义,一个三角形插值块可以通过三个顶点的位置和灰度值按照线性插值的方法生成块内任意一点的灰度值.理论分析和实验结果表明在引入插值方法以后,与MNAM方法相比,算法的复杂度会增加,图像的压缩比可能略有降低,但是图像的重建质量则会得到明显的提高.     

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。     

基于矩形NAM和偏微分方程的灰度图像压缩方法

借助矩形NAM图像表示方法和偏微分方程技术,提出一种新的灰度图像压缩方法.该方法在编码端把原始图像逆布局为若干矩形子块,并采用坐标压缩方法存储每个子块的位置、大小.在解码端,采用偏微分方程进行图像修复,有效消除解码图像中的方块效应.该方法的时间复杂度为 ,其中n为灰度图像像素数.实验表明:在保持图像质量的前提下,该方法具有更高的压缩比和更少的块数,具有较高实用价值.     

一种快速的积分投影变换算法

积分投影变换是图像分析中的一种基本方法.传统的积分投影变换是基于点阵表示的,数据冗余量大,运算效率不高,基于非对称逆布局模式表示模型(Non-Symmetry and Anti-Packing Pattern Representation Model,NAM),提出了一种快速积分投影变换算法.因为NAM模型将图像块而不是像素作为最小操作单位,所以基于NAM的图像处理操作效率更高.理论分析和实验结果均表明,在任何投影方向上该方法相对于基于点阵表示的算法运算效率都更高.     

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.     

基于Gray变换的图像置乱改进新算法

文章提出了一种基于Gray变换的图像置乱改进新算法,首先对原始图像进行Gray变换,然后对变换后的图像进行Zig-Zag扫描,再对每个像素值和它前面相邻的像素值进行按位异或运算,同时对运算的结果进行像素值的交叉换位,提高抵抗破译攻击的能力。实验结果表明,该算法与传统的图像置乱算法相比,置乱后的图像不仅直方图发生了显著改变,而且置乱图像的统计特征更像白噪声,更加适用于图像文件的加密传输和秘密图像信息置乱预处理。     

基于图像灰度的目标快速检测算法的研究

在高速、宽幅的纸病视觉表面缺陷检测系统中,必须快速有效的检测出可疑目标,以满足大数据量的实时检测要求.在分析传统的差影减法实现目标检测算法的的基础上,基于灰度数学形态学原理,采用Top-Hat运算去除图像噪声并完成纸病图像的可疑目标的快速检测.实验表明,基于图像灰度的目标检测算法快速、健壮,抗噪性能好,实现了可疑目标的快速检出.     

基于格雷码的NAM彩色图像表示方法

提出了一个重要定理,即所有格雷码(Cray Codc)位面图的复杂性之和小于所有二值位面图的复杂性之和,并将格雷码应用到基于NAM的彩色图像表示方法中,提出了一种基于格雷码的NAM彩色图像表示方法(简称为GNAM表示方法)。给出了GNAM表示算法的形式化描述,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。理论分析和实验结果均表明,与无格雷码的NAM表示方法和经典的线性四元树表示方法相比,GNAM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,是一种有效的彩色图像表示方法。     

图像加密中灰级混合算法的研究

分析了图像加密中的灰级混合算法应具有的属性,讨论了在灰级混合算法中引入参数的必要性以及加入扩散机制和引入随机量的方法,提出了一种同时具有扩散机制和随机变量的灰级混合新算法,仿真研究表明,该方法具有混合特性好、安全性高的特点.     

灰度图像增强算法的改进与实现研究

分析了传统灰度图像直方图均衡化算法的不足,讨论并实现了一种改进的直方图均衡化图像增强算法。该算法与传统的算法相比,给出了合适的映射关系,运算效果有很大改善,减少了图像信息的丢失,特别是对于质量较差的原始图像,采用该算法进行图像增强处理时,也可以取得较好的效果。     

灰度共生矩阵检索纹理图像的算法研究

图像的特征提取和匹配是基于内容的图像检索技术的基础.针对典型纹理图像的检索问题,给出了共生矩阵特征统计量的合理提取方法.在此基础上,结合特征匹配技术实现了基于共生矩阵的纹理图像检索系统.测试了不同度量函数以及不同的特征统计组合对检索结果的影响.研究表明,提取共生矩阵的四参数,用加权街区距离进行图像匹配,可获得相对较好的检索效果.     

灰度不变的图象插值算法

现有的图象插值算法会改变局部平均灰度，导致图象对比度下降。本文提出了一种新的保持平均灰度不变的图象插值算法。此算法的关键不同点在于不是让算法结果在采样点的值等于原采样值，而是在一个象素大小的单位面积上得到的平均值等于原采样值。插值结果C1连续，视觉上的平滑性接近于样条插值。将该方法用于图象几何变换可以避免灰度的损失。