进化策略在最佳邻域匹配差错补偿中的应用

文中改进了BNM的搜索机制 ,提出结合进化策略 (ES)的ES BNM的差错补偿算法 ,比较实验证明 ,该算法在结果接近BNM算法的同时 ,大大减少了计算时间 ,提高了计算效率。ES BNM算法也再一次证明了进化算法是一种高效的优化搜索方法。

针对高清彩色图像的最佳邻域匹配算法并行化研究

最佳邻域匹配算法是一种优秀的差错掩盖算法,能得到很高的图像恢复质量。但是,该算法计算量大,已很难满足目前图像处理的要求。本文主要针对高清彩色图像,将BNM算法推广到彩色图像,并将该算法并行化。实验表明,在一个4结点的机群系统上,破坏率为15%的条件下,该并行算法的加速比达到7.52,大大提高了原串行BNM算法的效率,并且图像恢复质量没有下降。

基于形态特征的快速分形图像编码

现有的快速分形编码算法多数是在降低图像质量的前提下实现的。针对这个问题,提出了一个快速分形编码算法,它基于新定义的图像块的形态特征的概念。这种算法先把码本按形态特征大小赋序,然后对于每个输入Range块,在赋序码本中寻找与它的形态特征最接近的码块,进而在这个码块的邻域内搜索Range块的最佳匹配块。实验结果显示,对于256×256的Lena图像,与基本分形算法比较,其依赖于搜索邻域大小,该算法既能在峰值信噪比(PSNR)相同的情况下编码速度加快4.4倍,也能在主观质量略有下降的情况下编码速度加快约140倍。