一种基于粒子群优化的K-均值彩色图像量化算法

目的利用粒子群优化算法和K-均值方法研究彩色图像的量化问题。方法针对K-均值聚类量化算法对初始值比较敏感,易陷入局部极小值从而使得算法得不到全局最优解,为局部搜索算法,以及粒子群优化算法是一种全局寻优方法的特征,把K-均值聚类方法和粒子群优化算法结合起来,将K-均值聚类方法中的聚类函数作为粒子群优化算法中的粒子适应度函数,对彩色图像进行聚类量化。结果实验表明新算法在峰值信噪比和均方根误差评判准则下可以得到更好的量化结果。结论新方法有效地克服了K-均值聚类方法和粒子群优化算法的不足。

基于核方法的彩色图像量化研究

彩色图像量化是指将一幅具有N种颜色的图像用K(K N)种颜色替换,并使替换后的图像与原图像尽可能接近。文中提出了一种基于核方法的彩色图像量化算法———KCIQ,KCIQ使用核函数将低维输入空间的样本向高维特征空间映射,使得非线性问题变为线性问题。核函数的引入使得不用计算样本在特征空间的具体位置,而只需计算输入空间样本的内积,因而,计算量增加不大。实验表明,该算法对“万绿丛中一点红”这样的特殊图像具有较好的效果,而对普通图像也有和K-均值类似的效果。

基于蚁群聚类算法的彩色图像量化方法

提出了一种新的彩色图像颜色量化算法:蚁群聚类算法.该算法通过模拟蚂蚁对物体的捡起和丢弃行为,得到一种捡起和丢弃像素的概率模型,对RGB彩色空间下的彩色图像进行了聚类.实验结果表明蚁群聚类算法实现起来简单快捷,并且取得了很好的颜色量化效果.

彩色图像量化的一种新型实用算法

该文提出一种新的算法,它成功地结合了八叉树结构和频率序列葬法,在彩色图像量化能达到既保留细节,又尽童减小失真的效果。

基于八叉树结构的色彩量化算法

本文结合八叉树方法和频度序列法，给出一种实现色彩量化的实现算法。本算法耗用空间少，执行时间短。