圖像壓縮是信息處理領域重要的研究課題。分形圖像壓縮充分利用圖像冗余和自相似的特性,在保證高的壓縮比的同時能夠獲得較好的重構圖像質量。然而,基本分形壓縮編碼在進行圖像子塊間匹配時需要從海量的虛擬碼本中進行選擇,使得其編碼的耗時較長,也阻礙了其在實際生活中的運用。本文針對分形圖像壓縮過程中,編碼時間長的問題,綜合對于重構圖像質量的考量開展研究。主要工作如下:（1）提出了基于叉塊和的分形圖像壓縮算法,在保證重構圖像質量的同時,解決了搜索匹配時間長的問題。首先定義叉塊和特征,證明了圖像塊匹配誤差和叉塊和特征匹配之間的關系。然后結合圖像閾值分類后的虛擬碼本,將全局搜索變?yōu)榛诓鎵K和特征的近鄰搜索,并用二分法進行圖像塊之間的搜索匹配。實驗表明,對比基本分形圖像壓縮算法,新算法在重構圖像PSNR僅下降0.93d B時,速度提高了20倍;對比1-范數(shù)算法和雙交叉和算法,本章算法在重構圖像質量和編碼時間上都有一定的提高。（2）提出了基于叉塊和特征與壓縮感知相結合的分形圖像壓縮算法,解決了編碼時間長的問題,并提高了重構圖像的質量。首先對圖像進行小波變換,然后對低頻子帶進行基于叉塊和的分形圖像壓縮重構。將低... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

D和R的分割示意圖

南京郵電大學碩士研究生學位論文第三章基于叉塊和特征的快速分形圖像壓縮編碼20由表（3.2）關于圖像Goldhill的測試中可以看出，在相同l內，叉塊和對比1-范數(shù)在重構質量上稍有優(yōu)勢，且在處理時間上略有下降。當l=2時，其PSNR已經(jīng)超過1-范數(shù)算法在l=10時的PSNR。也就是說，雖然在同樣的l下，叉塊和的處理時間沒有太大的優(yōu)勢，可在相當質量的前提下，叉塊和算法無需提高自己的搜索范圍，即可達到與1-范數(shù)算法相同的效果。對比l=10時叉塊和算法和l=50時1-范數(shù)算法的結果，可以看出，叉塊和算法的PSNR雖然僅高出0.04，但在速度上卻提升了3倍。圖3.2叉塊和算法、1-范數(shù)算法曲線擬合將表（3.2）中的數(shù)據(jù)進行曲線擬合。從圖（3.2）中可以看出，叉塊和的曲線整體在1-范數(shù)曲線上面，曲線更為平緩，穩(wěn)定性較好。與1-范數(shù)曲線對比也驗證了上述觀點：即在同樣的PSNR下，叉塊和算法運行時間更短。也可以說，當運行時間控制在相同范圍內時，叉塊和算法可以得到質量更優(yōu)的重構圖像。表3.3叉塊和算法、雙交叉和算法實驗結果對比Womanl叉塊和雙交叉和PSNRtPSNRt133.880.7131.550.80234.450.8132.180.88535.271.1732.351.231035.621.8134.201.872536.033.3535.323.465036.185.5235.755.5410036.269.1536.219.46

南京郵電大學碩士研究生學位論文第三章基于叉塊和特征的快速分形圖像壓縮編碼21進一步測試圖像Woman，并和雙交叉和算法進行比較。同樣對兩種算法進行相同的曲線擬合。所得結果也符合上述分析。根據(jù)數(shù)據(jù)圖表分析可以看出，在對重構圖像質量要求不是很高的情況下，叉塊和算法可以在保證一定重構效果的同時，通過盡可能地減少l，來縮短處理時間，從而提升編碼性能。換言之，在叉塊和算法一般的使用過程中，無需設置過高的l。由圖（3.3）可以看出，在l=10以后，PSNR增速放緩。此時即便大幅提升l，PSNR也不會有很大的變化。圖3.3叉塊和算法、雙交叉和算法曲線擬合表3.4叉塊和算法、1-范數(shù)算法雙交叉和算法實驗結果對比picture叉塊和1-范數(shù)雙交叉和PSNRtPSNRtPSNRtelain30.752.6329.992.8729.692.73plane27.431.8725.581.9925.541.92boat27.262.1526.602.3325.972.30在l=10時對另外幾幅圖像測試后，也得到類似的情況。綜上所述，叉塊和算法在綜合性能上優(yōu)于1-范數(shù)算法和雙交叉和算法。圖3.4為效果展示原圖叉塊和1-范數(shù)雙交叉

【參考文獻】：
期刊論文
[1]基于小波變換的分形圖像編碼壓縮算法[J]. 趙蓉,王輝,張愛華.  計算機應用與軟件. 2019(11)
[2]基于小波與分形相結合的圖像壓縮編碼[J]. 張晶晶,張愛華,紀海峰.  計算機科學. 2019(08)
[3]仿半叉跡特征的快速分形圖像編碼[J]. 趙敏,張愛華,紀海峰.  小型微型計算機系統(tǒng). 2019(04)
[4]子塊均點特征分形快速圖像壓縮編碼[J]. 牛天嬋,張愛華,紀海峰.  電訊技術. 2019(03)
[5]基于主成分特征的快速分形圖像壓縮算法[J]. 張愛華,唐婷婷,汪瑋瑋,張璟.  計算機技術與發(fā)展. 2018(05)
[6]四線和特征的快速分形圖像編碼[J]. 牛天嬋,張愛華,紀海峰.  電視技術. 2018(02)
[7]分段正交匹配追蹤（StOMP）算法改進研究[J]. 汪浩然,夏克文,牛文佳.  計算機工程與應用. 2017(16)
[8]基于雙交叉和特征的快速分形圖像編碼研究[J]. 張璟,張愛華,汪瑋瑋,唐婷婷.  計算機技術與發(fā)展. 2017(03)
[9]基于SNAMG分割的分形圖像壓縮方法[J]. 賀杰,郭慧,李琳.  湘潭大學自然科學學報. 2015(03)
[10]半叉跡特征的快速分形圖像編碼[J]. 袁宗文,魯業(yè)頻,楊漢生.  計算機工程與應用. 2016(03)

博士論文
[1]壓縮感知理論在雷達成像中的應用研究[D]. 謝曉春.中國科學院研究生院（空間科學與應用研究中心） 2010

碩士論文
[1]壓縮感知在穿墻雷達成像中的應用[D]. 吳慧穎.南京郵電大學 2019
[2]融合壓縮感知技術和分形理論的圖像編碼方法研究[D]. 賴宇.暨南大學 2018
[3]基于壓縮感知的核磁共振圖像重建技術研究[D]. 韓亞楠.華北理工大學 2018
[4]基于梯度優(yōu)化的CS重構算法研究[D]. 劉艷.南京郵電大學 2017
[5]基于壓縮感知的人臉識別算法研究[D]. 李偉.南京航空航天大學 2017
[6]基于小波與分形理論的圖像壓縮編碼算法[D]. 何雨虹.南京郵電大學 2016
[7]幾種改進的快速分形圖像壓縮算法[D]. 張豆豆.大連理工大學 2015
[8]壓縮感知重建算法及其在語音識別中的應用[D]. 黃海.遼寧大學 2014
[9]壓縮感知重建算法及其在數(shù)字水印中的應用[D]. 林婉娟.北京交通大學 2011



本文編號：3387604