基于多子模式的NAM图像表示方法

基于多子模式的非对称逆布局模式表示可以作为一种无损图像表示方法,本文以包括点、直线、矩形和三角形的典型多子模式为研究对象,提出了一种基于多种子模式的NAM图像表示方法。其中,三角形典型子模式包括四种走向的非等腰直角三角形,因此在子模式抽取时需要对三角形进行不等腰处理。本文给出了MNAM的表示思想,对其在计算机内的存储结构进行了分析,给出相关编码和解码算法并分析算法的时空复杂度。实验结果表明,用MNAM方法对图像进行表示时,在图像压缩比和重建图像质量方面都有很好的表现。

基于非对称逆布局模式的数字水印算法

提出了一种基于非对称逆布局模式表示的彩色图像表示方法.该方法采用彩色图像的二进制位平面分解方法,把彩色图像变成具有非对称逆布局模式的二值图像.在此基础上,根据二值图像的特性,设计了一种新的利用奇异值分解的嵌入水印算法,解决了二值图像的水印嵌入数量小,容易被检测的难题.实验表明:该算法操作简单,存储空间小,能有效地抵抗各种攻击,同时具备较强的理论基础和适用性.

基于灰度插值的MNAM图像表示方法

针对多子模式非对称逆布局模式表示模型,引入灰度插值的方法,对原有的点、直线、矩形和三角形四种模式重新进行了定义,一个三角形插值块可以通过三个顶点的位置和灰度值按照线性插值的方法生成块内任意一点的灰度值.理论分析和实验结果表明在引入插值方法以后,与MNAM方法相比,算法的复杂度会增加,图像的压缩比可能略有降低,但是图像的重建质量则会得到明显的提高.

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.

改进的NAMK彩色图像表示算法

利用格雷码可以扩展或保持二值图像块状性的特点,提出一种改进的NAMK彩色图像表示算法NAMKG,给出算法的形式化描述及其存储结构,对其总数据量进行分析。理论分析和实验结果表明,相比NAMK算法和线性四元树算法,NAMKG可以有效减少子模式数,减小存储空间。

基于重叠矩形图像表示方法的贝塞尔-傅里叶矩快速计算

贝塞尔-傅里叶矩作为一种图像特征在计算机视觉、图像处理等领域得到了广泛的应用。提出一种基于重叠矩形图像表示方法的贝塞尔-傅里叶矩快速算法。该算法利用重叠矩形图像表示方法,将灰度图像的贝塞尔-傅立叶矩的计算转化为对一系列仅包含单个矩形区域的二值图像的贝塞尔-傅立叶矩的和,使得最耗时间的积分运算与具体图像无关,从而可以利用查表法提前完成大量的运算,提高算法的执行效率。实验结果表示,新算法比贝塞尔-傅里叶直接生成算法在速度上有较明显的提高。

基于光栅扫描的NAM优化策略

借助于Packing问题的优化思想,提出了一种基于光栅扫描的NAM优化策略.以矩形子模式的NAM表示方法为研究对象,进行了理论分析与实验验证.NAM优化策略的最终目标是不断地逼近模式的最优化表示,NAM优化问题在降低存储空间、提高传输速度、加快处理过程、模式匹配等方面具有较高的理论参考和实际应用价值.结果表明:基于光栅扫描的NAM优化策略是行之有效的,对NAM的优化具有一定的指导意义.

基于位平面分解的NAM优化策略

在研究非对称逆布局模式表示模型（NAM）的基础上，针对多值图像表示中子模式的数虽优化问题，提出一种基于位平面分解的优化策略，利用位面间的相关性，改变位面内的扫描算法，进一步减少数据冗余，实现更高的压缩率，并进行理论分析和实验验证。结果表明，该优化策略可以大幅减少子模式数量，优化后的子模式个数减少7．1％～27．1％。

一种新的灰度图像的快速矩计算算法

矩是描述图像特征的一个重要算子,矩计算的效率与图像表示方法直接相关.非对称逆布局的模式表示模型(Non-symmetry and Anti-packing pattern representation Model,NAM)是一个有效的模式表示模型.位平面分解(Binary-bit Plane Decomposition,BPD)是降低灰度或彩色图像复杂度的一种良好方法.鉴于传统图像块表示(Image Block Representation,IBR)的块扫描方法的缺陷,该文提出了一种新的NAM块扫描方法,它是一种"无偏向"的块扫描方法.基于新的NAM块扫描方法,该文提出了二值图像的一种新的NAM表示方法,其贪心准则为:每次寻找一个在当前看来最大的矩形子模式.与IBR表示方法相比,在不改变时间复杂度的情况下,该表示方法能进一步减少矩形子模式的总数量.基于新的NAM表示和BPD方法,通过调整参与矩计算的位平面的参数,该文给出了矩计算的一个重要定理,提出了一种新的灰度图像的快速矩计算算法,并给出了该算法的形式化描述和复杂度分析,该算法不仅能实现矩的精确计算,也能实现矩的近似计算.以惯用的"Lena"、"F16"、"Peppers"标准图像及南加州大学标准纹理库中的纹理图像(http://sipi.usc.edu/database/database.php?volume=textures)、医学图像等为测试对象,实验结果表明:在丢失5个低位位平面情况下,传统矩计算的平均时间分别是Spiliotis算法和该文算法平均时间的35.5182和53.9527倍,也即,该文算法比当前最快的Spiliotis算法还要快28.87%,因而是灰度图像的一种快速矩计算算法.

基于矩形NAM和偏微分方程的灰度图像压缩方法

借助矩形NAM图像表示方法和偏微分方程技术,提出一种新的灰度图像压缩方法.该方法在编码端把原始图像逆布局为若干矩形子块,并采用坐标压缩方法存储每个子块的位置、大小.在解码端,采用偏微分方程进行图像修复,有效消除解码图像中的方块效应.该方法的时间复杂度为,其中n为灰度图像像素数.实验表明:在保持图像质量的前提下,该方法具有更高的压缩比和更少的块数,具有较高实用价值.

一种快速的积分投影变换算法

积分投影变换是图像分析中的一种基本方法.传统的积分投影变换是基于点阵表示的,数据冗余量大,运算效率不高.基于非对称逆布局模式表示模型(Non-Symmetry and Anti-Packing Pattern Representation Model,NAM),提出了一种快速积分投影变换算法.因为NAM模型将图像块而不是像素作为最小操作单位,所以基于NAM的图像处理操作效率更高.理论分析和实验结果均表明,在任何投影方向上该方法相对于基于点阵表示的算法运算效率都更高.

一种快速边缘检测算法

边缘检测是对图像中像素值的不连续性的度量、检测和定位,是图像分析领域中的一个基础问题.基于斜面分解的非对称逆布局图像表示方法(IDNAM)借鉴斜面拟合和逆布局的思想,使用矩形斜面子模式(RIP子模式)实例的集合来表示图像.基于IDNAM,提出一个RIP子模式内的理想边缘模型,将RIP子模式内的边缘分成五种,并给出了每一种边缘的强度和方向的计算公式.为了消除噪声对边缘检测结果的干扰,提出了RIP子模式内边缘存在性判定条件.根据理想边缘模型和判定条件,提出了一种基于IDNAM的边缘检测算法.理论分析和实验结果均表明,基于IDNAM表示的边缘检测算法的处理速度较传统的边缘检测算法更快.

基于NAM的图像集合运算算法及其试验研究

非对称逆布局图像表示模型是一种新的图像表示方法,由于采用了预定义子模式和非对称的分割方法,获得了较高的表示效率。在NAM基础上,提出了一种实现快速的图像集合运算的新方法,即在导航数组辅助下的分裂组合法,实现了基于NAM的图像集合运算算法,并讨论了算法的时空复杂度。试验结果表明,基于NAM的集合运算算法的执行速度是基于紧凑四元树集合运算算法执行速度的1.291到5.368倍。

一种基于NAMPD的快速图像分割

非对称逆布局模式表示模型(Non-symmetry and Anti-packing pattern representation Model,NAM)借助布局问题的思想,使用一个子模式集合来表示原模式。基于NAM模型,提出了一种灰度图像表示方法,非对称逆布局平面分解模式表示模型(NAM-structrued Plane Decomposition,NAMPD)。在NAMPD中,每一个子模式都对应于图像中的一个矩形区域,该区域的亮度函数由一个斜面模型逼近。图像分割是图像分析中的一种关键方法。传统的图像分割算法大多是基于点阵表示的,运算效率不高。基于NAMPD,提出了一种快速图像分割算法。因为NAMPD将图像块而不是像素作为最小操作单位,所以基于NAMPD的图像处理操作效率更高。实验结果表明,基于NAMPD的图像分割算法的速度较之经典算法更快。

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.