分形图像编码研究的进展

 分形图像编码是近几年发展起来的一种新的图像编码方法,目前对其研究较为广泛.本文介绍了分形图像压缩编码的数学原理、基本特性,着重介绍了当今这一领域的发展成果,比较了各种方案的优缺点,分析了目前编码方案所存在的缺点、原因及未来的发展方向.     

基于分形理论的图像边缘提取方法

提出了一种基于分形理论的图像边缘提取的方法。简述了分形理论的图像处理的应用原理,讨论了分形编码的特点,采用分形理论的方法,进行图像边缘的检测。实验表明：此方法对图像的提取的应用,不仅速度快,效果好,而且抗干扰性强。     

基于近距自相似模型的分形图像图像编码方法

为了克服分形图像编码方法速度低的弱点，提出了根据图像模型研究相应算法的思想。基于ρ＾│ｒ│图像模型，导出了与之相应的近距自相似模型，提供了一种适合于该模型的分形图像编码方法。实验结果表明，这种方法大大提高了编码速度，而且能有效地压缩图像数据。     

基于亚取样分形插值预测的混合图像编码方法

提出了一种基于亚取样分形插值预测的混合图像编码方法。将原始图像在水平方向和垂直方向皆作１／２抽取得到一幅“亚抽图像”，对亚抽图像进行分形编码得到亚抽图像的分形码，采用分形插值方法由亚抽图像的分形码解码得到原始图像的分形预测图像，然后对预测误差图像进行基于ＤＣＴ的自适应补偿编码。实验表明，这种方法的编码速度有了很大提高，而且恢复图像的质量具有较高的保真度。     

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.     

基于分形理论的边缘检测算法

图像边缘检测在图像分析以及图像理解中是十分关键性的一项技能,采取多种分形方式来提取图像边缘,并对几种分形方式进行对比。得出依赖于分形编码的边缘检测算法复杂且检测时间过长,而利用图像的分形特征以及统计特征来进行测度,并选择多种测度方式,可提高图像边缘区域的精细程度,得到更多的图像信息资源。     

基于近距自相似模型的分形图像编码方法

为了克服分形图像编码方法速度低的弱点，提出了根据图像模型研究相应算法的思想。基于ρ｜ｒ｜图像模型，导出了与之相应的近距自相似模型，提供了一种适合于该模型的分形图像编码方法。实验结果表明，这种方法大大提高了编码速度，而且能有效地压缩图像数据     

基于金字塔正交小波分解的快速分形图像编码

本文提出一种基于小波分解的快速分形图像编码方法。     

分形图像编码的原理及其发展趋势

介绍了分形图像编码的原理及分形图像压缩的编码方法，提出了分形图像压缩编码的改进方法及其发展趋势。     

基于多重分形分析的图像边缘检测算法

本文提出了一种基于多重分形分析的边缘检测算法。该算法通过定义在图像灰度级上的测度,计算图像中每一个象素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息。经试验表明,该算法具有良好的边缘检测效果,并能突出主要的图像边缘细节信息。     

ADVANCES IN FRACTAL IMAGE AND VIDEO CODING

Fraotal coding is a very promising technique for image compression. However, it has not been widely used because of its high computational complexity, In this paper, techniques for reducing computational complexity of fractal coding are presented. Fractal coding is very effective for images containing sharp edges and smooth textures of large objects but not for small objects and fine details. In this paper, methods to improve overall image quality are presented. Also in this paper, approaches for applying fractal coding to very low bit-rate video as well as VLSI implementations for real-time applications are discussed.     

基于分形和神经网络理论的多尺度图象分割方法

特征空间聚类分割方法存在的关键问题是有效的特征参数提取和聚类方法的构造。针对这两个问题,本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果。     

小波方向子树的分形量化与零树量化相结合

本文通过对标准图像内在相关性的统计分析得出了自然图像具有方向自仿射性的结论,并首次提出了小波方向子树量化的概念。对分别属于水平、垂直和对角方向的尺度压缩因子是相互独立的情况采用小波方向子树量化进行了编/解码分析,同时深入研究了零树小波量化与小波方向子树量化之间的相互关系。实验证明,采用小波方向子树量化与零树量化的混合编码算法可使编码质量有较大的改善。     

角膜细胞轮廓抽取

角膜细胞图旬轮廓提取的关键是分隔出细胞区域与背影,生成二值图像。由于角膜细胞图像光照不均匀,采用传统的单一域值法无法兼顾亮区与暗区,不能正确地提取出角膜细胞区域。为此本文提出了一种基于动态域值选择和细化算法的角膜细胞轮廓抽取算法。首先对被处理图像进行灰度平均和中值滤波平滑处理,消除细胞内部的不均匀性并保持细胞之间的边界;然后应用动态域值选择算法分割出细胞和背景;最后采用细化算法得到角膜细胞的粗轮廓     

分形插值和分形图象压缩编码相结合进行图象数据压缩

本文首先研究了分形图象压缩编码和分形插值图象压缩方法。这两种方法在压缩比很高时图象效果均不是很理想,为此我们提出了综合利用分形插值和分形图象编码方法进行图象数据高效压缩的思想。实验结果验证了这种思想的正确性和可行性。新的方法在恢复图象信噪比为28.5dB时,压缩倍数可高达76倍,速度也大大提高。     

二值图象平滑算法和细胞神经网络实现

本文利用细胞神经网络(CNN)的基本处理单元一细胞的分段线性饱和输出特性和相平面分析法实现了线性可分和线性不可分布尔函数。并利用这一原则实现了二值图象的多种CNN平滑算法。     

基于方向性零树小波的分形图像编码

该文阐述了分形图像方块编码在小波变换域内实现的原理,将零树概念扩展后与小波域的分形仿射变换相结合,提出一种基于方向性零树小波的分形图像编码方法。计算机模拟实验表明,在高压缩比时,其编码性能优于典型的基于四叉树分割的分形图像编码性能,接近于嵌入式零树小波编码(EZW)的性能。     

一种新的分形图象压缩编码方法

本文首先研究了一般分形图象压缩方法存在的缺陷,然后对它进行了改进.最后在DCT域进行进一步改进。实验结果表明,与原来方法相比较,改进后的方法具有明显的优越性。     

用B—P神经网络实现多波段遥感图像的监督分类

提出敢用Ｂ－Ｐ神经网络实现多波段遥感图像监督分类的方法，给出了用Ｂ－Ｐ神经网络对４种农作物的４波段遥感图监督分类实例。结果表明；与传统的分类法相比，在特征提取相对较少情况下，仍可获得符合实况的多波面遥感图像分类。     

多光谱遥感图像BP网分类器学习样本选取法的研究

通过分析多光谱遥感图像学习样本在光谱空间不同位置对BP神经网络分类器分类精度的影响,提出基于x2 分布的学习样本选取方法,并应用于TM 图像分类.对6 种地物应用不同样本选取法训练的BP网分类器和Bayes分类器的分类结果比较表明:本方法分类精度明显高于Bayes分类器和其它样本选取法得到的BP网分类器,并具有学习样本数量少等特点