分形图象编码中的快速插索方法研究

在深入研究分形图象编码原理的基础上，提出了一种基于“区域块与简单变换后的范围块之间有差关系的快速搜索方法－－Ｒ－Ｄ搜索方法。与ＪＦＢ搜索方法相比，在重建图象质量的条件下，Ｒ－Ｄ搜索方法使编码速度大约提高２倍。     

H.263中基于全零块发现的运动搜索方法

Ｈ．３２４系统中,Ｈ．２６３图象编码速度一直是影响系统实时性能的瓶颈,而运动搜索和ＤＣＴ等模块又是其中运算量最大的模块,为了进一步降低图象编码的运算量,提出了一种基于零块发现的运动搜索方法。该方法在对活动图象进行运动搜索时,应用了一种基于发现全零块的中止准则,使得Ｈ．２６３中占用运行时间最多的ＩＮＴＥＲ块的运动搜索,收敛得更快,它尤其提高了对背景图象或者变化较小的图象部分的编码效率,同时也较大幅度也减少了ＤＣＴ等模块所占用的计算时间。该算法在提高速度的同时,仍保持了Ｈ．２６３原有压缩算法的效率和图象质量。     

快速分形图象编码

提出了一种新的快速分形图象编码方法。该方法通过自适应的图象分块,相似块集的矩分类,相似块和图象块的正交分解以及象素递增的动态搜索等４个步骤来加快分形图象编码的过程。实验结果表明,提出的方法和缩短编码时间方面确有其效,特别是对于细节丰富的图象,效果尤为明显。     

基于预测模型的分形图象缩编码方法

给出了一个基于ρ图象模型的预测模型，用来预测分形图象编码中图象子块编码匹配成功的可能性以及匹配搜索空间的有效范围，并以此模型为根据提出了一种基于预测模型的分形图象压缩编码方案，大大减少了分形图象编码中不必要的尝试匹配搜索计算，实验结果表明该方案能够提高分形图象的编码速度，具有很高的实用价值。     

结合小波变换的零搜索分形图象编码

为提高分形图象编码的质量,缩短编码时间,针对Monro在文献[1]中提出的零搜索分形图象编码方法,其恢复图象在存在的块效应的问题,提出了一种结合小波变换的多项式近似快速分形图象编码方法,该方法是利用各频带间能量分布不均衡的特性,构造一种结合小波分解的分形图象编码算法,首先对图象进行塔式离散正交小波变换,然后再对小波系数进行分形编码,实验结果表明,用该算法对图象进行编码,不仅使恢复图象的质量得到了较大的提高,而且编码时间仅用1．48s。     

基于快速相关矢量量化的图象编码算法

图象编码已经成为当今计算机世界的重要问题,而矢量量化（ＶＱ）又是近年来有损图象压缩的一种重要技术,它的优点是比特率低以及解码简单,但是其穷尽搜索编码计算量较大,为了降低编码时间,已经有多种快速算法出现在一些文献中,然而这些算法往往不能进一步降低比特率,为了解决这一问题,因此提出了一种新颖快速相关矢量量化（ＣＶＱ）图象编码算法,该算法对图象块的编码采用对角顺序,即在编码过程中根据当前图象块（ＣＶＱ）     

基于子块显著不相关检验的快速分形图象编码

图象分形编码中，子块搜索匹配的实质是子块间的相关匹配。基于这一认识，针对分形编码计算量过大、编码时间过长的缺点，本文提出先对子块进行显著不相关检验，再进行子块匹配的分形编码方法。其编码速度比基于子块分类的分形编码方法快５～２０倍（对测试图象Ｌｅｎｎａ２５６×２５６×８ｐｐｂ而言），而解码图象质量（ＰＳＮＲ）没有明显下降，压缩比还有一定的提高。     

一种保护图象轮廓细节的自适应亚抽样和插值方法

为在图象编码时减少原始图象数据,以提高压缩比和编码速度,提出了一种新的自适应亚抽样与插值的方法及可应用于多类分块图象编码的算法,该方法首先将图象划分成互不重叠的块,然后计算每个块的水平梯度与坚直梯度,再根据图象块的两个方向梯度值,将图象块分为平块、水平轮廊块、竖直轮廊块和高细节块等４类,同时对每类图象块采用不同的亚抽样与插值方法以减少原始图象数据。模拟结果表明：相对于其它的亚抽样与插值方法,该算法能够很好地保护图象中的轮廊及细节信息,从而极大地提高了重建图象的质量,尤其是图象的主观质量。另外,对于细节较多的图象,该算法在保持相当压缩比的同时,ＰＳＮＲ也提高了３．９ｄＢ;而对于细节较少的图象,压缩比与ＰＳＮＲ都略有提高。     

基于可视电话系统的向量预测效率分析

ＩＴＵＨ．２６３作为可视电话图象编码标准,要求对图象实时地进行编码和解码。运动向量预测器是Ｈ．２６３的重要部件之一,它的搜索效率对实时传送图象具有重要的意义。本将从可视电话图象的特性分析开始,讨论不同的块匹配搜索方法的时间复杂度和对图象信噪比（ＳＮＲ）的影响,并提出一种具有好的综合性能的改进ＯＴＳ算法。     

基于预测码矢的快速搜索新算法

在ｋ维欧氏空间Ｒｋ中，给定一个有限子集Ｗ及一个向量ｘ，如何搜索Ｗ中与ｘ距离最近的向量，具有重要的实际应用价值，尤其在图象的矢量量化编码、神经网络模式识别［１］等问题中，快速搜索起决定性的作用。在分析已有快速搜索算法的基础上，给出一种新的快速搜索算法，该算法利用图象相邻块的码书地址，作为当前块的预测值，使搜索空间缩小更快。     

一种基于邻域搜索的分形图像编码算法

分形图像编码以其高压缩比,使得它具有广泛的应用前景,但是传统的分形编码方法压缩时间长,这是因为在为每一个值域块寻找合适的定义域块时需要在码本中进行大量的搜索匹配。研究发现,和值域块最匹配的定义域块大多数在值域块的附近。根据这一结论,提出了一种基于邻域的螺旋式搜索方法,并利用图像块间的信息熵差值,缩减了搜索范围。另外对误差图像进行编码,作为解码图像的补充,提高了解码图像质量。实验表明,该方法在不降低图像质量和信噪比的前提下大大加快了编码的速度。     

基于改进Criminisi算法的地基云图修复方法

全天空成像仪（Total sky imager,TSI）对天空进行观测时,设备的结构特点会使采集到的云图信息不完整,对图像的分析造成不利影响。针对Criminisi算法修复地基云图所造成修复顺序发生错误、图像不连续以及匹配块遍历搜索时间复杂度大的问题,本文提出了一种基于改进Criminisi算法的地基云图修复方法。该算法改进了优先权计算公式,引入地基云图独特的红蓝比特征作为置信项,使得含有更多信息的像素块具有更高的优先级,在搜索匹配块的过程中,基于启发信息选择匹配区域的大小,避免了搜索到离待修复块较远的相关性较低的匹配块,也有效缩短了匹配块搜索时间,降低了算法的时间复杂度。实验结果表明,改进后的Criminisi算法具有较好的图像修复效果,且降低了时间复杂度,提高了修复效率。     

小波变换和清晰块搜索结合的图像融合算法

在基于小波变换的多聚焦图像融合中,低频系数选取决定融合图像的轮廓,同时影响融合图像的边缘细节,因此小波变换法是以损失图像的局部清晰来换取整幅图像的平均清晰;而基于空域块选择的融合方法能很好地保留利用聚焦图像的清晰部分,但是图像模糊区域效果不佳。因此提出一种新的融合算法,先对图像进行小波变换融合,之后对原图像进行清晰块搜索,进行基于清晰块选择的图像融合。实验结果表明,该算法融合结果优于单一的小波变换算法。     

基于质心特征和重要敏感区域分类的分形图像压缩算法

图像压缩是数据传输和存储中必不可少的过程,分形图像压缩方法因其压缩方法简单、可任意尺度下重构、解码速度快且压缩比高具有独特优势,但传统分形图像压缩方法存在编码时间过长的缺陷。针对压缩比和恢复效果之间的不平衡问题,在确保图像恢复效果前提下,需要解决编码时间过长的问题。因此,提出了一种基于质心特征和重要敏感区域分类的分形图像压缩算法,通过构造质心特征,将基本分形算法中R块在码本中搜索最小均方误差MSE的问题转换为利用质心特征码本寻找最佳匹配块的问题,简化了块搜索过程,将全局搜索变为局部搜索,同时对重要敏感区域采取全局搜索的方式,以增强恢复图像的视觉效果。实验仿真结果表明,质心特征方法可以有效缩短编码时间,在保证图像恢复效果前提下,本文所提算法相较于基本算法最高可以节省大约64%的编码时间,相较于双交叉和特征方法,可以达到更好的恢复效果。     

结合K均值聚类和KD-Tree搜索的快速分形编码方法

利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码：首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分失真搜索与近似最近邻搜索得到与其距离最近的若干KD-Tree及其上的若干最近邻,而其最优匹配块即由后者产生.实验结果表明,相对于全局搜索,该方法能大幅度地提高编码速度和较大地提高压缩比,而解码质量只有很小的下降;相对于同类方法,在相同压缩比下有更好的加速效果和解码质量.     

基于与中间块比较的快速分形图像编码

针对基本分形图像编码算法时间过长的问题,提出了一种基于与中间块比较的快速分形编码算法。该算法是对基于形态特征的快速分形图像编码算法的改进,将形态特征意义下的最近邻匹配改进为与中间块的误差意义下的最近邻匹配,并且在最近邻的邻域内进一步搜索最优匹配父块时,对各父块进行8种等距变换,而不是在找到最优匹配父块后进行,同时引进误差阈值来控制子块搜索的邻域范围。实验结果表明,该算法编码速度大大提高,并且在相近编码时间的前提下该算法的解码图像质量比基于形态特征的算法好。     

利用相关性的快速块拼贴纹理合成

通过总结已有的纹理合成算法,采用基于样图的纹理合成方式提出了一种快速块拼贴纹理合成算法。该算法基于纹理的相关性,在搜索最佳目标纹理块时,通过相关位置偏移技术在样图中映射出已合成块的地址,适时加入螺旋搜索方法,利用块边界匹配算法将搜索到的地址块进行匹配,直到找到符合误差阈值的纹理块然后进行输出合成。通过实验发现,算法在处理随机性纹理和结构性纹理时都能取得比原先算法更好的合成效果,合成时间也大大加快。     

基于IFS块的快速图象编码算法

文中首先叙述了目前分形块编码研究领域大致情况，然后，提出了一种新的快速编码算法，用Ｌ１距离替换了以往算法所用的Ｌ２距离，把匹配过程转换成类似于矢量量化的搜索过程，因而采纳了许多矢量量化的加速算法，还讨论了以平坦区的处理并提出了新的剖分方法，取得了较好的效果，同其它的分形块编码方法相比，该算法大大缩短了编码时间，改善了压缩图象的质量，特别是它能较大程度地消除块效应，压缩比也有了进一步的提高。