分形圖像編碼加速和紋理分割方法的研究.pdf

1、本文所研究的問(wèn)題包含兩方面的內(nèi)容：分形圖像編碼加速和紋理分割。這兩方面都是目前圖像處理領(lǐng)域的研究熱點(diǎn)。 為了提高分形編碼的速度，本文提出了一種細(xì)節(jié)信息分類(DetailInformationClassification，簡(jiǎn)稱DIC)與結(jié)構(gòu)相似(StructureSimilarity，簡(jiǎn)稱SSIM)指標(biāo)相結(jié)合的快速分形編碼方法。本文提出的DIC方法是一種新的分類方法，將圖像塊的內(nèi)部灰度細(xì)節(jié)信息的分布狀況作為分類標(biāo)準(zhǔn)對(duì)定義域塊庫(kù)進(jìn)行

2、分類，這樣可以達(dá)到較好的分類效果從而保證了解碼圖像的質(zhì)量。SSIM指標(biāo)最初是用在圖像質(zhì)量度量領(lǐng)域的，將該指標(biāo)引入分形編碼中是因?yàn)榕c傳統(tǒng)分形編碼過(guò)程相比SSIM不但考慮圖像塊之間的亮度和對(duì)比度的關(guān)系，而且還將圖像塊的結(jié)構(gòu)信息作為一個(gè)重要的匹配參數(shù)，同時(shí)SSIM的匹配運(yùn)算時(shí)間只有傳統(tǒng)匹配方式的一半。SSIM指標(biāo)比傳統(tǒng)分形編碼的匹配運(yùn)算過(guò)程速度快、匹配精度高。試驗(yàn)表明，將DIC和SSIM相結(jié)合不但可以極大地縮短分形編碼運(yùn)算時(shí)間，而且保持較高的

3、解碼質(zhì)量。當(dāng)分類數(shù)為30和ε=0.8(SSIM指標(biāo)的閾值)時(shí)分形編碼的速度比傳統(tǒng)分形編碼提高了68.48倍，解碼質(zhì)量為32.14db，比傳統(tǒng)編碼方法低0.95db。在不考慮旋轉(zhuǎn)反射變換的情況下，速度提高了505.54倍，解碼質(zhì)量為29.86db，質(zhì)量損失3.23db。 紋理分割是圖像分割的一部分，在圖像處理領(lǐng)域一直是研究的熱點(diǎn)。不同的紋理有各自不同的特征，所以紋理分割的關(guān)鍵就是有效的提取不同紋理的特征，進(jìn)一步將各種紋理準(zhǔn)確的區(qū)分

4、開。本文引入多尺度自回歸滑動(dòng)平均(MultiscaleAutoregressiveMovingAverage，簡(jiǎn)稱MARMA)模型，用該模型的參數(shù)作為紋理的特征。對(duì)圖像進(jìn)行多尺度分析，可以有效地提取圖像在不同尺度上的信息。對(duì)原始圖像進(jìn)行Haar小波變換，可以得到一系列不同尺度的圖像序列，進(jìn)一步對(duì)變換后的圖像序列建立MARMA模型，并用小生境遺傳算法對(duì)MARMA模型進(jìn)行參數(shù)估計(jì)，由于不同紋理的參數(shù)向量在分布上具有明顯的可分性，所以可以將得