基于邻近像素的低复杂度预测矢量量化图像压缩编码算法

针对传统低复杂度预测矢量量化图像编码算法预测准确性的不足 ,通过分析像素距离对相关性的影响 ,提出了数种改进的基于邻近像素的预测方案 ,并提出了一种具有边缘走向自适应性的预测方案 .仿真实验表明 ,采用这些预测方案的预测矢量量化算法能够在保持低计算复杂度的同时 ,显著提高矢量预测准确度 ,改善图像编码性能 .

一种新的基于邻近像素点的图像修复算法

图像修复的基本方法主要有两类:纹理合成的方法和基于偏微分方程的方法,但这些修复算法较难理解和实现。该文通过定义修复区域内像素点的优先度,提出了一种基于图像邻近像素的图像修复算法;该算法不需要大量的纹理匹配计算和复杂的偏微分方程求解,易于理解和实现。

基于快速行进法的快速图像修复算法

为克服一些传统图像修复算法速度慢,不能保持强边缘等缺点,提出了一种快速算法。应用快速行进法将待修复区域的边界往里逐步推进,推进的同时利用待修复像素与其周围邻近像素的相关性来修复边界上的各个离散像素点,直到修复完整个待修复区域为止。实验结果表明,该算法能较好地保持强边缘,基本恢复了图像原有的视觉效果,与整体变分法(TV)相比,无论是修复速度还是视觉效果都具有明显的优势。

简化的快速图像修复方法

针对小尺度缺损图像修复算法中修复速度较低的问题,提出了一种适用于缺损区域与原图灰度等级差异明显情况下的简化的快速图像修复算法。该算法利用缺损区域像素与其邻近已知点像素的相关性,待修复区域像素点用4邻域中已知点的像素值进行填充,多次遍历直到修复完整个缺损区域。理论分析及实验结果表明,与快速行进修复算法相比,该简化算法在修复速度方面有明显提高的同时,保持了修复效果。

基于插值的图像修复算法

目前,针对小区域缺损的图像修复算法中,大多采用基于迭代的修复算法,然而这些效果较好的图像修复算法,其时间复杂度一般都比较大.本文通过插值的方法,利用破损区域与周边邻域的有效信息之间的相关性,提出改进的基于FMM(快速行进)的图像修复算法;调用仅适用于被检测到的高局部活跃的像素,提出基于LMMSE(线性最小均方误差估计)插值的图像修复算法.实验结果表明,提出的两种算法分别与FMM算法和TV(整体变分法)算法相比,在整体上其修复效果和效率都具有明显的优势.

基于预测矢量量化的图像压缩研究

针对预测器与矢量量化器的联合设计问题,通过分析常用的开环法与闭环法的设计特点,给出了结合二者优点的半闭环设计法并通过仿真验证了其有效性.实验结果显示,该方法设计的预测矢量量化器具有更灵活的设计方式和较好图像重建质量.

图像缩放算法中常见插值方法比较

本文综合介绍了图像缩放算法中常用的几种插值方法,并对几种算法的基本原理和优缺点进行描述。最后通过实际的原始图像使用不同的图像缩放差值算法得到的输出结果,对比并阐述其不同的效果。

中分辨率成像光谱仪的海冰密集度遥感反演

海冰信息在船舶运输、天气预报和全球气候预测等领域都起着重要作用。一直以来微波遥感是卫星监测海冰密集度的主要手段,目前基于可见光遥感的中分辨率海冰密集度产品还较少,其中只有NOAA发布了相关业务化产品,但其所采用的算法对低密集度海冰反演准确性仍存在提升空间。本文在Liu提出的算法基础上进行改进,提出了最邻近像素法确定纯冰典型反射率的改进算法,使用MODIS数据作为数据源计算海冰密集度,并使用30 m空间分辨率的Landsat 8 OLI数据作为验证数据进行对比验证。结果表明改进算法可以提高低密集度海冰的反演准确性,改善Liu算法存在过高估计的不足,在海冰密集度0—50%的情况下,Liu算法的平均偏差为13%,标准偏差为38%,改进算法的平均偏差为5%,标准偏差为32%;在海冰密集度0—100%的情况下,Liu算法的平均偏差为4%,标准偏差为32%,改进算法的平均偏差为-3%,标准偏差为28%。针对冰水过渡、碎冰覆盖等低密集度海冰区域,改进算法准确性更高。