分形編碼加速及基于樣圖的圖像修復(fù)方法研究.pdf

1、本文研究的問題包含兩方面的內(nèi)容：分形編碼加速方法和圖像修復(fù)。這兩個方面都是目前圖像處理領(lǐng)域的研究熱點(diǎn)。 針對分形編碼加速方法本文主要作了以下工作： 1．提出了一種衡量分類方法性能優(yōu)劣的指標(biāo)體系，并提出了一種基于定義域塊數(shù)目的自適應(yīng)分類方法。結(jié)合滿意匹配和質(zhì)心特征給出了一種快速分形編碼方法。實(shí)驗(yàn)表明，該方法相對于全局搜索，在解碼質(zhì)量略有下降的基礎(chǔ)上，能極大地提高分形編碼速度，當(dāng)均勻度閾值取為120時，其編碼時間由原來的13

2、1．84s降低為3．56s，解碼圖像質(zhì)量只有1．42dB的損失：與均勻分類方法相比，在取得相同壓縮比的前提下，該方法可進(jìn)一步提高分形編碼的速度和改善解碼圖像質(zhì)量，當(dāng)均勻度閾值取為20時，自適應(yīng)分類使編碼時間減少了約0．1s，而質(zhì)量則提高了0．27dB； 2．為提高壓縮比，我們提出了變門限方法，并結(jié)合自適應(yīng)分類法和滿意匹配，給出了一種基于四叉樹的快速分形編碼方法；實(shí)驗(yàn)表明，與全局搜索相比，自適應(yīng)分類變門限滿意搜索可以在基本保證解碼

3、質(zhì)量的前提下，極大的提高分形編碼速度，當(dāng)閾值取為110時，與全局搜索相比，該方法將編碼時間由122．75秒降低為2．478秒，質(zhì)量只有1．48db的損失；與均勻劃分相比，該方法使壓縮比增加了0．56倍； 3．考慮到采用正方形劃分忽略了圖像的灰階均勻性，而矩形劃分計算量相當(dāng)巨大的問題。在充分分析均勻分類和自適應(yīng)分類優(yōu)缺點(diǎn)的基礎(chǔ)上，我們提出了一種混合分類法，并將其應(yīng)用于質(zhì)心特征，得到了一種基于矩形劃分的快速分形編碼方法。實(shí)驗(yàn)表明，該

4、方法相對于全局搜索，在壓縮比和解碼質(zhì)量略有下降的基礎(chǔ)上，能極大地提高分形編碼速度，當(dāng)分類數(shù)目為166時，其編碼時間由原來的64．32s降低為3．33s，而解碼圖像質(zhì)量只有1．16dB的損失：與均勻分類方法相比，混和分類法可以在編碼時間基本相同的前提下取得更好的解碼質(zhì)量，在解碼質(zhì)量基本相同的前提下取得更快的編碼速度，并可以在一定的條件下取得壓縮比優(yōu)勢； 4．為了使分類后的定義域塊庫更容易找到最優(yōu)匹配塊，我們提出了一種基于二維特征向

5、量的自適應(yīng)分類方法。利用“分割-合并，再分割-再合并”的過程對定義域塊庫進(jìn)行分類。實(shí)驗(yàn)表明，經(jīng)過此分類方法后的定義域塊庫更利于值域塊找到最優(yōu)匹配塊，而且由于各區(qū)間定義域塊數(shù)目分布更加均勻，也會使得值域塊找到最優(yōu)匹配塊的搜索量大大減少。使用基于二維特征向量的自適應(yīng)分類方法，并把圖像的1、2階矩不變量作為圖像的主副特征給出了一種能夠較好地保證圖像解碼質(zhì)量的快速分形編碼方法，當(dāng)分類數(shù)為100時，該方法相對于均勻分類法，編碼時間減少了0.202

6、s，同時解碼圖像質(zhì)量提高了0.24db，與自適應(yīng)分類法相比，該方法編碼時間雖然增加了0.332s，但是解碼質(zhì)量卻提高了0.16db。針對圖像修復(fù)本文主要作了以下工作： 1.提出了一種基于像素的紋理標(biāo)準(zhǔn)性系數(shù)，用來衡量待修復(fù)圖像塊紋理性的強(qiáng)弱。將其用于圖像修復(fù)，對于紋理性強(qiáng)的邊緣面片直接利用顏色尋找最優(yōu)匹配塊；對于結(jié)構(gòu)性強(qiáng)的邊緣面片，利用改進(jìn)相似度匹配準(zhǔn)則和優(yōu)先級的Criminisi方法進(jìn)行修復(fù)，得到了一種新的圖像修復(fù)方法。實(shí)驗(yàn)表