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.     

改进的三角形和矩形NAM的二值图像表示方法

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.提出一种改进的三角形和矩形NAM的二值图像(NAMTR)表示方法,简称INAMTR表示方法.给出了算法的形式化描述,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.以图像处理领域里惯用的标准′Lena′、′Baboon′和′Peppers′等二值图像作为典型测试对象,理论分析和实验结果均表明:与目前新提出的NAMTR表示方法和经典的线性四元树表示方法相比,INAMTR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,是二值图像模式的一种更优的表示方法.     

三角形和矩形NAM的二值图像表示方法

图像表示是图像处理和模式识别领域里的一个重要研究内容.借助于三角形和矩形布局问题的思想,提出一种三角形和矩形NAM(非对称逆布局的模式表示模型)的二值图像表示方法,同时给出编解码算法的形式化描述,并分析了该算法的总数据量.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相比,三角形和矩形NAM表示方法能更有效地减少节点数和数据存储空间,是二值图像模式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.     

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...     

一种新的灰度图像表示算法研究

图像表示是计算机图形学、计算机视觉、图像处理和模式识别等领域里的一个重要问题.文中扩展了著名的Gouraud阴影法,并通过使用矩形非对称逆布局模型(RNAM)和扩展的Gouraud阴影法,提出了一种新的灰度图像表示算法.该算法编解码部分的时间复杂度分别为O(n log n)和O(n),其中n为灰度图像的像素数.实验结果表明:与流行的STC和SDCT灰度图像表示算法相比,在保持图像质量的前提下,文中提出的灰度图像表示算法具有更高的压缩比和更少的块数,因而能够更有效地减少数据存储空间,是灰度图像表示的一种良好方法.这种表示方法可以应用于灰度图像表示的各个方面,在降低存储空间、加快传输速度、提高模式匹配效率等方面具有良好的理论参考意义和实际应用价值.     

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.     

三角形和矩形NAM表示的快速面积计算算法

提出一种基于三角形和矩形NAM表示的快速面积计算算法,给出算法的形式化描述,并分析其复杂度.以图像处理领域里惯用的标准Lena、F16和Peppers等二值图像作为典型测试对象,理论分析和实验结果表明:与经典的基于紧凑四元树表示的面积计算算法相比,基于三角形和矩形NAM表示的面积计算算法具有更少的子模式数(节点数),从而计算速度更快.     

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.     

基于位平面分解的三角形NAM图像表示

位平面分解是一种能够有效地降低图像的复杂性的方法,而三角形Packing 问题是一类特殊的Packing 问题,在许多领域里得到了广泛的应用,有着巨大理论价值和实际意义.因此,借助于位平面分解和三角形Packing问题的思想,以提高多值图像的表示效率为目标,提出了一种基于位平面分解的的三角形NAM(非对称逆布局模式表示模型)的图像表示方法.给出并实现了基于位平面分解的三角形NAM的图像表示算法,理论分析和实验结果表明:与流行的线性四元树表示方法相比,基于位平面分解的三角形NAM表示方法能更有效地减少数据存储空间,是多值图像模式的一种良好的表示方法.     

一种新的基于TNAM的二值图像表示方法

分层数据结构在计算机视觉、机器人、计算机图形学、图像处理、模式识别等领域里是非常重要的区域表示方法,但是这种结构过于强调分割的对称性,因此不是最优的表示方法。借助于三角形Packing问题的思想,提出了一种新的基于TNAM（三角形非对称逆布局的模式表示模型）的二值图像表示方法。通过描述TNAM模型,给出了一个新的基于TNAM的二值图像表示的编解码算法并分析了该算法的总的数据量。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相比,基于TNAM的二值图像表示方法能够更有效地减少数据存储空间,是二值图像的一种较好的表示方法。这种方法可以应用于二值图像模式表示的各个方面,在降低存储空间、提高传输速度、加快处理过程等方面具有良好的理论参考意义和实际应用价值。     

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。     

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.     

一种基于非对称逆布局模型的彩色图像表示方法

借助于Packing问题的思想,提出了一种基于非对称逆布局的模式表示模型(non-symmetry and anti- packing pattern representation model,简称NAM)的彩色图像表示方法.通过描述NAM和彩色图像的二进制位平面分解(binary-bit plane decomposition,简称BPD)方法,给出了一种全新的基于NAM的彩色图像表示算法,并对算法的总数据量进行了分析.理论分析和实验结果均表明,与流行的基于分层结构的线性四元树的彩色图像表示方法相比,基于NAM的表示方法能够更有效地减少数据存储空间,是彩色图像模式表示的一种良好方法.这种方法可以应用于彩色图像模式表示的各个方面,在降低存储空间、提高传输速度、加快处理过程、模式匹配等方面具有良好的理论参考意义和实际应用价值.     

改进的TNAM二值图像表示方法

提出了一种改进的TNAM二值图像表示方法,简称ITNAM表示方法。给出了ITNAM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。以图像处理领域里惯用的标准‘Lena’,‘Baboon’和‘Peppers’等二值图像作为典型测试对象,对其进行了理论分析和实验,结果表明,与新提出的TNAM方法和经典的线性四元树表示方法相比,ITNAM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,是二值图像模式的一种更优的表示方法。     

基于多示例学习的图像表示方法

提出一种基于多示例学习的图像表示方法,将图像作为多示例包,用高斯滤波器将图像滤波并取样为由颜色区域构成的矩阵,使用单颜色及相邻区域(single blob with neighbors)的包生成方法。根据用户选择的实例图像生成正包和负包,使用MIL-SVDD_I和MIL-SVDD_B算法进行实验。实验表明该图像表示方法是可行的。     

A novel binary image representation algorithm by using NAM and coordinate encoding procedure and its application to area calculation

We propose a novel binary image representation algorithm using the non-symmetry and anti-packing model and the coordinate encoding procedure (NAMCEP). By taking some idiomatic standard binary images in the field of image processing as typical test objects, and by comparing our proposed NAMCEP representation with linear quadtree (LQT), binary tree (Bintree), non-symmetry and anti-packing model (NAM) with K-lines (NAMK), and NAM representations, we show that NAMCEP can not only reduce the average node, but also simultaneously improve the average compression. We also present a novel NAMCEP-based algorithm for area calculation and show experimentally that our algorithm offers significant improvements.