论文部分内容阅读
本文所研究的问题包含两方面的内容:分形图像编码加速和纹理分割。这两方面都是目前图像处理领域的研究热点。 分形图像编码技术以其压缩比高、解码速度快且解码与分辨率无关等优点,近年来一直是图像编码领域里的研究热点。但是分形编码技术的运算量却十分巨大,主要原因是图像中的编码值域块与大量的图像定义域块进行匹配运算,这使得分形编码的速度受到的极大的限制。为了提高分形编码的速度,本文提出了一种细节信息分类(Detail Information Classification,简称DIC)与结构相似(Structure Similarity,简称SSIM)指标相结合的快速分形编码方法。本文提出的DIC方法是一种新的分类方法,将图像块的内部灰度细节信息的分布状况作为分类标准对定义域块库进行分类,这样可以达到较好的分类效果从而保证了解码图像的质量。SSIM指标最初是用在图像质量度量领域的,将该指标引入分形编码中是因为与传统分形编码过程相比SSIM不但考虑图像块之间的亮度和对比度的关系,而且还将图像块的结构信息作为一个重要的匹配参数,同时SSIM的匹配运算时间只有传统匹配方式的一半。SSIM指标比传统分形编码的匹配运算过程速度快、匹配精度高。试验表明,将DIC和SSIM相结合不但可以极大地缩短分形编码运算时间,而且保持较高的解码质量。当分类数为30和ε=0.8(SSIM指标的阈值)时分形编码的速度比传统分形编码提高了68.48倍,解码质量为32.14db,比传统编码方法低0.95db。在不考虑旋转反射变换的情况下,速度提高了505.54倍,解码质量为29.86db,质量损失3.23db。 纹理分割是图像分割的一部分,在图像处理领域一直是研究的热点。不同的纹理有各自不同的特征,所以纹理分割的关键就是有效的提取不同纹理的特征,进一步将各种纹理准确的区分开。本文引入多尺度自回归滑动平均(Multiscale Autoregressive Moving Average,简称MARMA)模型,用该模型的参数作为纹理的特征。对图像进行多尺度分析,可以有效地提取图像在不同尺度上的信息。对原始图像进行Haar小波变换,可以得到一系列不同尺度的图像序列,进一步对变换后的图像序列建立MARMA模型,并用小生境遗传算法对