基于转动惯量的快速分形图像编码算法

针对基本分形编码方法编码时间过长的问题,基于新定义的图像块的转动惯量特征的概念提出一种基于转动惯量的快速算法.算法对码本按转动惯量大小赋序,再对每个需要匹配的Range块在赋序码本中寻找与它的转动惯量最接近的码块,即只在这个码块的邻域内搜索Range块的最佳匹配块.实验结果表明,较之基本分形编码算法,该算法编码时间大大缩短,图像质量没有受到太大影响并且优于形态特征的特征算法.     

基于Krawtchouk矩的自适应门限四叉树分形编码

编码时间过长是分形图像压缩存在的主要问题,同时固定匹配门限影响着编码效率.本文首次将Krawtchouk矩引入到自适应分形编码中,提出了基于Krawtchouk矩的自适应门限四叉树分形编码方法.该方法计算图像块的12个Krawtchouk矩不变量,将这些矩不变量构成特征向量,并用这样的特征向量取代Range块和Domain块的灰度值矩阵进行匹配计算.文中给出了实验结果,并与基于四叉树的自适应门限分形图像IFS压缩方法进行了比较.结果表明,本文方法不仅大幅度减少了编码时间,而且同时也能提高图像恢复质量.     

基于Krawtchouk矩不变量和核模糊聚类的快速分形编码

针对基于分类的快速分形编码方法存在着编码速度与解码质量间的矛盾,鉴于Krawtchouk矩不变量具有在仿射变换下保持不变的特性和核模糊聚类在处理非线性问题上的突出优势,本文首次将这两者引入到分形编码中,提出了基于Krawtchouk矩不变量和核模糊聚类的自适应分类快速分形编码方法。首先根据Domain块的方差将其粗分类,再根据Domain块的Krawtchouk矩不变量利用核模糊聚类对Domain块细分类。实验结果表明,与其他基于分类的快速分形编码方法相比,在解码图像质量提高的同时,大大加快了分形编码的速度。     

基于平方加权质心特征的快速分形图像压缩编码

分形图像压缩利用自身图像具有的相似性,结合压缩仿射变换减少图像数据的冗余来实现图像数据的压缩,具有压缩比高、恢复简单的特点。然而,分形图像压缩编码也具有编码时间长、计算复杂的缺点。为了解决上述的缺点,提出了基于平方加权质心特征的快速分形图像压缩编码算法,利用平方加权质心特征可以将基本分形图像压缩编码过程中的全局搜索转化为局部搜索,限定搜索范围,减少码本数量,在巨大图像信息量传输和存储过程中,在一定程度上缩短了编码时间。将平方加权质心特征快速分形图像压缩编码算法和双交叉和算法、改进叉迹算法、规范五点和算法进行比较,仿真结果表明,所提算法在恢复质量可接受情况下,编码时间具有巨大优势。     

通用码本语音矢量编码算法研究

基于预测编码、SOM自主神经网络矢量编码和Huffman编码的联合编码算法(PV算法)压缩效果虽然较好,但它在对每段语音编码时,都需要利用该段语音信号,通过SOM自主神经网络训练得到码本,算法复杂、耗时。为此文中提出从具有一般特征的多段语音信号中通过SOM自主神经网络训练提取码本,所有的语音信号段PV编码都统一用该码本,不需要对每一段语音信号编码都做一次提取码本的运算,这样不仅节省了每段语音PV编码时用于训练码本的时间,也节省了需要编码的专用码本的信息,减小了码率。实验结果显示,通用码本的PV编码算法在保证一定语音质量的条件下,是可行的。文中提出的编码算法在语言压缩编码方面具有较高的研究价值和很好的应用前景。     

自组织特征映射神经网络的聚类特性在语音矢量量化快速搜索中的应用

本文讨论了自组织特征映射人工神经网络在语音矢量量化中应用时所涉及的两个重要问题,即码本训练和码本搜索的问题。根据语音反射系数的特点,提出了训练中初始码本的选择原则和实用训练算法。利用特征映射网络的聚类特性和语音相邻帧间的相关性,提出了码本搜索的两种快速算法——子域搜索法和邻域搜索法。大量实验结果表明,这两种快速搜索方法相结合,搜索时间减少为常用的LBG全搜索算法的1/4或1/10,同时保持精度不下降。本文提出的方法已在一种极低数据率的声码器中得到成功应用。     

一种改进的分形图像压缩算法

为了提高分形图像压缩编码的速度,针对在基本分形图像压缩算法中值域块编码匹配搜索时需要对变换后的定义域块一一对应,导致编码时间较长的缺点,提出了一种基于菱形搜索算法的分形图像压缩编码新算法.菱形搜索算法是一种运动估计的快速搜索算法,主要过程是在所有的候选块中搜索当前块的最优匹配块.通过运用菱形搜索算法中的大小菱形模板进行匹配搜索,实验证明文中算法在提高编码速度和降低编码复杂度是有效的.     

分形仿射变换框架下引入两类约束的图像修补算法

为了得到更好的图像修补结果,提出了一种在分形仿射变换框架下引入两类约束的图像修补算法。分形仿射变换包含几何、同构和亮度3种变换。首先,对选取的定义域块进行前两种分形仿射变换,利用所得的数据块构造码本,并将其作为新的搜索匹配范围。其次,采用改进的双边滤波器,抽取待修补图像的细节图,继而构造权值图。然后,在亮度变换过程中,为待修复块与码本块之间的误差能量函数引入两类约束条件,并通过最小化约束能量函数,导出新的亮度变换参数。引入的两类约束,一是待修复块与码本块在已知像素点上的加权一致性约束,权重为从权值图上获取的权值块;二是待修复块的邻域块与码本块在丢失像素点上的相似性约束。最后,采用约束能量最小的估计块来填补待修复块。实验结果表明,与已有的同类算法相比,本文方法能更好地保留结构特征的连续性,新填充区域与源区域过渡更加自然,修补结果的主观质量和客观评价指标都得到了显著提高。     

四线和特征的快速分形图像编码

分形图像编码具有压缩比高、解码速度快、重构图像质量高等特点,但因这种算法在编码时定义域的搜索量十分巨大,导致其计算复杂度高、编码时间过长,阻碍了它的实用性和普遍应用.为解决此问题,文中提出一种基于四线和特征值编码算法,该算法根据匹配均方根误差与四线和特征间的关系,将全局搜索转化为局部搜索(近邻搜索),限定搜索空间,减少定义域块的搜索,从而提高编码速度.仿真实验结果表明:该算法解码图像质量在客观上优于1 -范数特征算法;与基本分形编码算法相比,基于四线和特征算法在主观上不改变重构图像质量,但在编码速度上却得到极大提高.     

基于小波与分形相结合的图像压缩优化算法

提出了一种基于小波与分形相结合的图像压缩优化算法.首先将图像进行小波分解后,对低频子带单独编码;在分形编码时,根据不同方向子图的纹理特征不同,采用不同形状的块进行分形预测;同时对高频子带使用二次匹配编码,并且匹配运算只在同一方向上进行.实验证明,这种优化算法能够大大缩短分形编码的时间,并取得较高的压缩比.     

基于FPGA的EBNNS矢量量化码字搜索算法的电路设计

等和值块扩展最近邻搜索算法(EBNNS)是一种快速矢量量化码字搜索算法,该算法首先将码书按和值大小排序分块,编码时查找与输入矢量和值距离最近的码书块中间码字,并将它作为初始匹配码字.然后在该码字附近上下扩展搜索相邻码字中距输入矢量最近的码字,最后将搜索到的最匹配码字在码书中的地址输出.同时本文对该算法进行了FPGA设计.设计时采用串并结合和流水线结构,折中考虑了硬件面积和速度.结果表明针对所用FPGA器件Xilinx xc2v1000,整个系统最大时钟频率可达88.36MHz,图像处理速度约为2.2 MPixel/s.     

Combining IFS and VQ in Fractal Image Coding

1 Introduction Since the landmark paper by A. Jacquin on image coding with iterated function systems (IFS) in 1992, many authors have studied IFS (or "fractal") and proposed many improvements to Jacquin's algorithm. While IFS has been viewed as a promisi…     

Combining IFS and VQ in Fractal Image Coding

A novel paradigm for fractal coding selectively corrects the fractal code for selected domain blocks with an image-adaptive VQ codebook. The codebook is generated from the initial uncorrected fractal code and is, therefore, available at the decoder. An efficient trade-off is generated between incremental performance and bit rate.     

Improved decoder for transform coding with application to the JPEGbaseline system

Transform coding, a simple yet efficient image coding technique, has been adopted by the Joint Photographic Experts Group (JPEG) as the basis for an emerging coding standard for compression of still images. However, for any given transform encoder, the conventional inverse transform decoder is suboptimal. Better performance can be obtained by a nonlinear interpolative decoder that performs table lookups to reconstruct the image blocks from the code indexes. Each received code index of an image block addresses a particular codebook to fetch a component vector. The image block can be reconstructed as the sum of the component vectors for that block. An iterative algorithm for designing a set of locally optimal codebooks is developed. Computer simulation results demonstrate that this improved decoding technique can be applied in the JPEG baseline system to decode enhanced quality pictures from the bit stream generated by the standard encoding scheme     

基于分形的数字图像修补算法

针对传统图像修复方法中搜索范围局限于待修复图像源区域的问题,提出了一种新的基于分形的数字图像修复算法,首次将分形理论应用于图像修复领域,利用图像的自仿射性(或自相似性)对破损图像进行修复。首先,在图像的源区域中选取定义域块,经仿射变换后建立码本;然后,从码本中查找待修复块的最佳匹配块,同时为了加快查找速度,降低计算复杂度,采用了基于方差和内积的快速搜索算法来提高修复效率;最后,用查找得到的最佳匹配块对待修复块进行填补。提出了一种改进的优先值计算方法,在计算优先值时加大置信度的比重,从而可以加强搜索匹配过程中的约束,使得修复过程总体按照"剥洋葱"的顺序进行,同时兼顾线性结构的延伸。实验结果证明,与传统修复方法相比,本算法不仅提高了修复质量,同时也提高了修复效率。     

基于域块预搜索的快速分形图像编码方法

由于分形图像编码过程非常耗时,本文提出了一种加快编码速度的新方法。通过对分形编码过程中的域块进行分析,首次提出了相似度和最大相似度的概念,并建立了预搜索方法的理论基础,提出了一种基于域块预搜索的快速分形编码方法。实验结果显示,与原始的Jacquin方案相比,在峰值信噪比(PSNR)降低1-3dB时,编码速度可提高400-600倍。     

基于DCT变换的快速分形编码方法

本文提出了一种基于DCT变换加速相似块匹配的分形编码方法.通过图像块与相似块在DCT变换域少数低频系数的比较,来确定匹配的相似块.并根据DCT变换的性质,方便的确定对比度因子和亮度偏移量.并采用将图像块与相似块的DCT变换系数预制成查找表的方法减少重复运算.结果表明,编码时间大幅度减少,而PSNR只是略有下降.     

Combined Kohonen neural networks and discrete cosine transform method for iterated transformation theory

Iterated transformation theory (ITT) coding, also known as fractal coding, in its original form, allows fast decoding but suffers from long encoding times. During the encoding step, a large number of block best-matching searches have to be performed which leads to a computationally expensive process. Because of that, most of the research efforts carried on this field are focused on speeding up the encoding algorithm. Many different methods and algorithms have been proposed, from simple classifying methods to multi-dimensional nearest key search. We present in this paper a new method that significantly reduces the computational load of ITT-based image coding. Both domain and range blocks of the image are transformed into the frequency domain (which has proven to be more appropriate for ITT coding). Domain blocks are then used to train a two-dimensional Kohonen neural network (KNN) forming a codebook similar to vector quantization coding. The property of KNN (and self-organizing feature maps in general) which maintains the input space (transformed domain blocks) topology allows to perform a neighboring search to find the piecewise transformation between domain and range blocks.     

Unified variable-length transform coding and image-adaptive vectorquantization

The authors introduce an image coding method which unifies two image coding techniques: variable-length transform coding (VLTC) and image-adaptive vector quantization (IAVQ). In both VLTC and IAVQ, the image is first decomposed into a set of blocks. VLTC encodes each block in the transform domain very efficiently: however, it ignores the interblock correlation completely. IAVQ addresses the interblock correlation by using a codebook generated from a subset of the blocks to vector-quantize all blocks. Although the resulting codebook represents the input image better than a universal codebook generated from a large number of training images, it has to be transmitted separately as an overhead, therefore degrading the coding performance at high bit rates     

基于方向性小波子树分形图像编码的改进算法

本文在分析混合分形零树小波图像编码算法(FZW)优缺点的基础上，提出一种新的基于方向性小波子树的分形图像编码算法。该算法结合零树小波编码和分形编码，通过在匹配搜索过程中使用方向性range和domain子树，提高匹配精度，改善了传统分形小波图像压缩中的方块效应，更大限度的保留了图像的边缘信息。实验结果表明，该算法在提高压缩比和去除图像的方块效应方面，均取得了良好的效果。