| 【中文题名】 | 分形编码加速及基于样图的图像修复方法研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-23 |
| 【中关键词】 | 分形图像压缩,自适应分类,混和分类,纹理标准性系数,图像修复, |
| 【英关键词】 | ractal image compression,adaptive classification,Hybrid classification,Texture Standard Property,Image inpainting, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 | 本文研究的问题包含两方面的内容：分形编码加速方法和图像修复。这两个方面都是目前图像处理领域的研究热点。
针对分形编码加速方法本文主要作了以下工作：
1．提出了一种衡量分类方法性能优劣的指标体系，并提出了一种基于定义域块数目的自适应分类方法。结合满意匹配和质心特征给出了一种快速分形编码方法。实验表明，该方法相对于全局搜索，在解码质量略有下降的基础上，能极大地提高分形编码速度，当均匀度阈值取为120时，其编码时间由原来的131.84s降低为3.56s，解码图像质量只有1.42dB的损失；与均匀分类方法相比，在取得相同压缩比的前提下，该方法可进一步提高分形编码的速度和改善解码图像质量，当均匀度阈值取为20时，自适应分类使编码时间减少了约0.1s，而质量则提高了0.27dB；
2．为提高压缩比，我们提出了变门限方法，并结合自适应分类法和满意匹配，给出了一种基于四叉树的快速分形编码方法；实验表明，与全局搜索相比，自适应分类变门限满意搜索可以在基本保证解码质量的前提下，极大的提高分形编码速度，当阈值取为110时，与全局搜索相比，该方法将编码时间由122.75秒降低为2.478秒，... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
ABSTRACT |
5-7 |
|
目录 |
7-9 |
|
第一章 绪论 |
9-14 |
|
1.1 分形图像压缩的研究及发展现状 |
9-10 |
|
1.2 图像修复的研究及发展现状 |
10-13 |
|
1.3 本文的内容安排 |
13-14 |
|
第二章 分形图像压缩概述 |
14-27 |
|
2.1 分形几何理论的发展概况 |
14-16 |
|
2.2 分形图像压缩的基本过程 |
16-18 |
|
2.3 改进的分形图像压缩方法 |
18-27 |
|
第三章 基于自适应分类的快速分形编码方法 |
27-37 |
|
3.1 引言 |
27 |
|
3.2 基于自适应分类的快速分形编码方法 |
27-31 |
|
3.3 数值实验及结果分析 |
31-33 |
|
3.4 基于自适应分类和四叉树划分的快速分形编码方法 |
33-36 |
|
3.5 小结 |
36-37 |
|
第四章 基于混合分类和矩形划分的快速分形编码方法 |
37-42 |
|
4.1 引言 |
37 |
|
4.2 基于矩形划分的分形编码方法 |
37-38 |
|
4.3 基于混合分类和矩形划分的分形编码方法 |
38-40 |
|
4.4 数值实验及结果分析 |
40-41 |
|
4.5 小结 |
41-42 |
|
第五章 基于二维特征向量的快速分形编码方法 |
42-48 |
|
5.1 引言 |
42 |
|
5.2 图像的矩不变量 |
42-45 |
|
5.3 基于二维特征向量的快速分形编码方法 |
45-46 |
|
5.4 数值实验及结果分析 |
46-47 |
|
5.5 小结 |
47-48 |
|
第六章 基于纹理标准性系数的图像修复方法 |
48-58 |
|
6.1 图像修复的理论基础 |
48-49 |
|
6.2 图像修复的历史和现状 |
49-52 |
|
6.3 基于纹理标准性系数的图像修复方法 |
52-55 |
|
6.4 数值实验及结果分析 |
55-57 |
|
6.5 小结 |
57-58 |
|
结论与展望 |
58-59 |
|
参考文献 |
59-65 |
|
致谢 |
65-66 |
|
在校期间完成的学术论文及参加的科研项目 |
66-67 |
|
论文发表情况 |
66 |
|
参加的科研项目 |
66-67 |
|
| 【DOI】 | LunWen.ID:2.2008.367138 |
