半叉迹特征的快速分形图像编码

传统的分形图像编码时间过长,限制了它的应用。为了加快编码速度,提出基于半叉迹特征的快速分形编码算法,该算法主要包括：定义子块半叉迹特征,导出子块的均方根误差与子块半叉迹特征之间的关系。实验结果表明：该算法较基本分析编码算法,在解码图像PSNR平均提高约0.63 dB的情况下,平均加快编码速度55倍;较文献[10]提出的主对角和算法和文献[11]提出的叉迹算法,在编码时间不变的情况下,改善了编码性能,提高了解码图像质量;基于子块特征的快速编码算法,其编码性能与图像的复杂程度有关,细节信息越丰富的图像,编码性能越差。     

基于规范块半范数的快速分形编码算法

分形图像编码通常需要较长的时间,编码时间主要花费在一个海量码本中搜索每个输入子块的最佳匹配块。在提出的叉迹算法的基础上,提出一种快速编码算法。它主要利用一种新定义的特征——规范块半范数,把搜索范围限制在初始匹配块（在半范数意义下与输入子块最接近的码块）的邻域内。实验显示,与叉迹算法比较,该算法在编码时间和图像质量方面都取得了更好的效果。     

改进分形图像编码的叉迹算法

分形图像编码具有好的视觉质量和高压缩比,然而,固有的编码耗时限制了它的应用范围.编码时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块.针对这个问题,提出了一个限制搜索空间的算法,改进了原叉迹算法.具体说,它把子块叉迹的定义修改为其规范子块主次对角元绝对值之和,并利用新叉迹把搜索范围限制在初始匹配块的邻域内;同时,引入误差阈值来控制以初始匹配块为中心的搜索邻域大小.实验显示,与叉迹算法比较,改进算法在编码时间和图像质量方面获得了更好的效果.     

基于规范子块五点和的快速分形图像编码

分形图像编码通常需要较长的时间,编码时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块.针对这个问题,提出一个限制搜索空间的算法.它主要基于图像块的一种新特征——五点和,把搜索范围限制在初始匹配块(五点和意义下与输入R块最接近的D块)的邻域内.实验表明:该算法能够大大减少子块匹配比较的数量,与基于叉迹的快速分形算法比较,在相同的搜索邻域内,在编码时间、图像质量和压缩比方面都更优.     

基于图像块叉迹的快速分形图像编码算法

摘要分形图像编码能够在高压缩比下高质量地重构图像,但需要较长的编码时间．因此,迫切需要各种快速编码算法以扩大其应用领域．分形编码的时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块．针对这个问题,该文提出一种快速分形编码算法,它基于图像块的一种新特征——叉迹,能够在较小的搜索范围内完成输入子块的最佳匹配．实验显示,该算法能够大大缩短编码时间,同时实现和全搜索分形编码算法相同或更好的图像质量．     

基于标准差的快速分形图像编码

由于基本分形图像编码过程非常耗时,本文提出了一种基于标准差的快速分形编码方法.先将子、父块按标准差分为平滑块和非平滑块.码本由所有非平滑父块构成,并按标准差赋序.若子块为平滑块,直接存储其均值,否则在赋序码本中寻找其在标准差意义下的最近邻父块,进而在该父块的邻域内进一步搜索最佳匹配父块,搜索时需对父块进行8种等距变换,同时引进误差阈值来控制子块搜索的邻域范围.实验证明,该算法编码速度大大提高,并且该算法在相近编码时间前提下的解码图像质量及在相近峰值信噪比（PSNR）情况下的编码速度均优于基于图像块叉迹的快速算法.     

基于结构信息特征的快速分形图像编码

针对分形图像编码时间过长的问题,提出一种基于结构信息特征的快速分形图像编码算法。给出结构信息特征的定义,并以该特征作为特征量对码本进行分类和最近邻搜索。在由搜索结果给出的邻域内进行子块匹配操作,实现编码。实验表明,在相同编码时间的情况下,该算法解码图像质量高于同类快速分形图像编码算法。     

基于形态特征的快速分形图像编码

现有的快速分形编码算法多数是在降低图像质量的前提下实现的。针对这个问题,提出了一个快速分形编码算法,它基于新定义的图像块的形态特征的概念。这种算法先把码本按形态特征大小赋序,然后对于每个输入Range块,在赋序码本中寻找与它的形态特征最接近的码块,进而在这个码块的邻域内搜索Range块的最佳匹配块。实验结果显示,对于256×256的Lena图像,与基本分形算法比较,其依赖于搜索邻域大小,该算法既能在峰值信噪比(PSNR)相同的情况下编码速度加快4.4倍,也能在主观质量略有下降的情况下编码速度加快约140倍。     

基于分数盒维数的快速分形图像编码

分形图像编码是一种很有前途的压缩技术,但编码时间长阻碍了它的广泛应用。分形编码的时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块。针对这个问题,提出了一种快速分形编码算法,它基于图像块的分数盒维数特征,能够在较小的搜索范围内完成输入子块的最佳匹配。实验结果显示,该算法能够大大缩短编码时间,同时实现和全搜索分形编码算法相同或更好的图像质量。     

四分位数特征的快速分形图像编码算法

尽管分形图像编码在高压缩比时具有较好的视觉质量,但其固有的编码耗时限制了它的广泛应用。编码时间主要花费于在一个海量码本中寻找每个range块的最佳匹配domain块。针对这个问题,提出一个限制搜索空间的算法：根据新定义的图像块的四分位数特征与匹配均方根误差间的关系不等式,一个待编码range块只在初始匹配块（即与range块具有最接近四分位数特征的domain块）的邻域内搜索其最佳匹配块,搜索邻域的大小由预先设置的误差阈值来控制。仿真结果表明,三幅测试图像在重建图像质量更优的情况下,全搜索分形编码算法的编码速度平均加快了51倍左右（误差阈值为10）,与新叉迹特征算法相比,可获得更好的编码效果。     

图像子块特征匹配的快速分形编码算法

基于分块迭代函数的全搜索分形图像编码算法,因其编码过程特别耗时而限制了它的诸多应用。为了减少编码时间,通过定义每个range块和domain块的子块特征,根据匹配均方根误差与它的关系,设计出一个限制搜索空间的新算法。一个待编码range块和它的最佳匹配domain块的子块特征应该接近,因此,每个range块的最佳匹配块搜索范围仅限定在与其子块特征接近的domain块邻域内,以达到加快编码过程的目标。14幅图像的仿真结果表明,该算法能够在[PSNR]降低0.73 dB（其结构相似性[SSIM]值仅下降0.002）的情况下,平均加快全搜索分形编码算法的编码速度99倍左右,而且也优于其他特征算法。     

PDVQ图像编码系统的算法研究

PDVQ图像编码系统首先将码书进行方向性分类,把每类方向性码书中的码字按码字和值进行升序排列,并根据EBNNS算法将码书分块。编码时,先根据输入图像块的相关性进行PDVQ编码,然后分析输入图像块的方向性来选择相应的分类子码书,在该子码书中根据输入图像块的和值确定码字搜索范围,最后在确定的搜索范围内搜索最匹配码字。仿真结果表明,该系统集合了动态图像块划分（PDVQ）、基于方向性分类编码和等和值块扩展最近邻码字搜索（EBNNS）三种算法的优点,在保证重建图像质量前提下,缩短了编码时间,并提高了压缩比。     

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵,由此将全局搜索转化为局域搜索来缩减码本;然后,定义一个新的规范块作为新的灰度描述特征,从而简化了块之间的变换过程;最后,引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明,与稀疏分形图像压缩（SFIC）算法相比,所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间;与双交叉和特征算法相比,所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。     

主对角和特征的快速分形图像编码

分形图像编码十余年来在图像处理尤其是图像压缩领域引起了人们的极大兴趣。但编码过程耗时长限制了它的应用范围。为了缩短编码时间,根据匹配均方根误差与新定义的规范块主对角和特征间的关系,提出了一个限制搜索空间的算法：对一个待编码range块,仅在与该range块主对角和特征值最接近的domain块的邻域范围内搜索它的最佳匹配块。同时融入两个措施：一是预先从码书Ω中排除小标准差domain块;二是对小方差range块用其均值块代替。该算法不仅从理论上证明是可行的,而且三幅标准测试图像的仿真实验结果也表明,它确实能够在重建图像质量略好的情况下,平均加快全搜索分形图像编码算法的编码速度30余倍。     

融合多尺度码本的全局编码图像分类

目的词袋模型在图像分类领域中的分类效果主要受限于局部特征的量化误差。针对这一点,提出一种融合多尺度码本的全局编码图像分类方法,有效减少特征量化误差。方法通过使用多尺度特征密集采样,构建多尺度码本,使码本具备一种层次结构,通过充分利用图像特征的流形结构,计算码本全局信息,实现全局编码。通过本文方法得到的编码系数比较平滑和准确。最后使用多路径方法,分别将不同尺度的特征表示进行级联,得到最终的图像特征表示。这种特征表示具备了一定程度上的尺度不变性。结果在UIUC-8和Caltech-101两个常用的标准图像数据集上进行测试,分类准确率分别达到88.0%和83.2%。结论实验结果表明,相比于基于固定尺度码本的局部编码方法,本文方法在分类识别率方面有了显著提升。     

使用2-范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。     

基于平均偏差排序的快速分形图像编码

分形图像编码是一种很有前途的压缩技术，但由于其编码时间长、计算复杂性高，因而阻碍了它的广泛应用，针对此问题，提出了一种快速的分形编码算法。这种算法是首先将码本按照平均偏差大小进行排序，然后使用二分搜索法寻找给定Range块在平均偏差意义下的最好匹配码块，进而利用一个联系均方根和平均偏差的不等式来在这个最好匹配码块的邻域中搜索Range块在均方根意义下的最佳匹配码块。实验结果显示，在主观质量略有下降的条件下，该算法编码过程显著快于基本分形算法。     

先验权重共享码本下内窥镜图像大肠病变分类

目的 大肠息肉和溃疡性结肠炎（ulcerative colitis,UC）是常见的大肠疾病,发病率高,检测需求大,且容易在临床中被漏诊和误诊。因此研究用于内窥镜大肠病变图像分类的计算机辅助诊断（computer-aided diagnosis,CAD）系统十分重要。局域约束线性编码（locality constrained linear coding,LLC）在图像分类领域展现了优异的性能,能够完成对内窥镜中病变图像的分类。但是由于肠胃内窥镜图像中存在的一些微小息肉等病理征状与肠壁十分相似,LLC在这一场景下的性能有待提高。方法 由于码本的设计对细微差别检测能力影响大,本文通过改进LLC中的码本来实现更精确的大肠病变分类,其中原始码本被改进为带有先验权重影响的共享码本。主要思想是尝试尽可能多地使用代表私有部分的码本。本文方法重新排列了码本的列,将较少使用的原子排列在码本的后面,成为共享码本。并利用原子使用的频率计算权重,通过在线字典学习的方法,获得具有先验权重的共享码本。利用这一新码本对特征进行编码能实现更为高效精确的图像分类。结果 为避免过拟合,将部分Kvasir数据集与部分医院合作数据集合并使用。实验在2 600幅内窥镜图像上进行正常、息肉和UC图像的三分类实验,与压缩感知空间金字塔池化（compressed sensing spatial pyramid pooling,CSSPP）方法、私有共享字典学习算法（category-specific dictionary and shared dictionary learning,CSDL）、环形空间金字塔模型方法（circular inner ring partitioning,CIRP）、显著性和自适应局部约束线性编码（saliency and adaptive locality constrained linear coding,SALLC）和AlexNet迁移学习的网络比较,本文方法的总体分类准确率为93.82%,较对比方法分别高了2.33%、2.21%、1.91%、0.8%、0.07%。结论 本文所提出的先验权重共享码本,综合了词汇袋模型和共享字典的思想,使得对内窥镜图像中相似图片的分类更加精确。     

种混合快速分形图像编码算法*

提出了一种采用两步筛选的混合快速分形编码算法。首先将码本按照矩不变量进行分类,然后寻找给定Range块在所属区间的最好匹配码块,对于匹配误差值大于给定阈值的Range块再进行基于熵值的二次编码。与基于矩不变量的算法比较,该方法在峰值信噪比相同的情况下时间效率提高五倍多,与基于信息熵的算法相比,PSNR值提高近一个分贝。