一种基于可重叠RNAM的灰度图像表示算法

借助于二值图像的可重叠矩形区域编码的思想,通过使用可重叠矩形非对称逆布局的模式表示模型(RNAM)和扩展的Gouraud阴影法,给出了可重叠同类块逆布局的4个准则,提出了一种基于可重叠RNAM的灰度图像表示算法,简称为ORNAMC表示算法.在ORNAMC表示算法中,通过使用3个用于标识顶点类型的水平矩阵H、垂直矩阵V和单点矩阵I代替混合矩阵R,解决了灰度图像的可重叠RNAM表示中矩阵R的不可解码性问题;同时,通过将顶点类型及码字进行重新定义,提出了一种对矩阵H,V和I中所有非零元素坐标进行编码的坐标数据压缩算法.以图像处理领域里惯用的标准灰度图像等作为典型测试对象,实验结果表明,与已提出的非重叠RNAMC和流行的STC,SDCT等灰度图像表示方法相比,在保持图像质量的前提下,ORNAMC表示方法具有更高的压缩比和更少的块数,因而是灰度图像表示的一种更好的方法.

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 decornposition,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、提高传榆速度、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.

基于阴影法和对角优先的RNAM图像表示

研究了基于对角优先的矩形子模式搜索策略,即在矩形子模式的扫描过程中首先令横坐标和纵坐标不断同时加1,直到其为非同类块为止;然后再令横坐标(或纵坐标)不断增加,直到其再次为非同类块时停止搜索.通过使用扩展的Gouraud阴影法和对角优先的子模式搜索策略,提出了一种基于Gouraud阴影法和对角优先的RNAM(矩形非对称逆布局的模式表示模型)的图像表示方法(简称为DRNAMC表示方法).标准灰度图像作为典型测试对象,实验结果表明:与流行的STC灰度图像表示方法相比,在保持图像质量的前提下,DRNAMC表示方法具有更高的压缩比和更少的块数.