第十章模糊图像变换编码.ppt

《第十章模糊图像变换编码.ppt》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第十章模糊图像变换编码指导教师：高新波学生：霍菲菲二零零四年十二月第十章模糊图像变换编码图像编码的意义图像编码的分类图像的变换编码自适应余弦编码自适应FAM编码实验仿真总结与展望参考文献2004.12.8一、图像编码的意义图像编码的必要性图像编码是为了压缩数据量巨大的图像信息，以利于图像的传输、存储、处理和交换。例如:High-definitiontelevision(HDTV)systemhavereinvigoratedtheimage-codingfield.图像编码的可能性图像内数据之间存在

2、大量冗余，使得图像压缩编码成为可能。2004.12.8二、图像编码的分类像素编码预测编码变换编码统计编码矢量量化编码2004.12.8二、图像编码的分类像素编码：指在编码时对每个像素单独处理，不考虑像素之间的相关性。常用的方法：脉冲编码调制（PulseCodeModulation，简称PCM）、熵编码（EntropyCoding）、游程编码（RunLengthCoding）、位平面编码（BitPlaneCoding）。2004.12.8二、图像编码的分类预测编码：利用相邻像素的相关性进行预测，只对新

3、的信息(预测误差)进行编码，从而去掉相邻像素之间的相关性和冗余性。常用的方法：增量调制（DeltaModulation，简称DM）、差分脉冲编码调制（DifferentialPulseCodeModulation，简称DPCM）。2004.12.8二、图像编码的分类变换编码：指将给定的图像变换到另一个数据域（如频域）上，使得大量的信息能用较少的数据来表示。常用的方法：离散傅立叶变换（DFT）、离散余弦变换（DCT）、离散小波变换（DWT）。2004.12.8二、图像编码的分类其他常见的编码方法：统计

4、编码矢量量化（VectorQuantize，简称VQ）编码分形（Fractal）编码基于对象（Object-Based）的算法基于模型（Model-Based）的算法……2004.12.8三、图像的变换编码1、图像的自适应余弦变换编码DCTCodingDecodingSubimageClassificationchannelXBlockdiagramofadaptivecosinetransformcoding2004.12.81、自适应余弦变换编码步骤：(1)将大小为256x256的原始图像划分为

5、16x16的子图像,共得到256个子图像，分别对各子图像进行离散余弦变换(DCT):二维离散余弦变换对的定义式为：其中c(0)=1/,c(k)=1fork=1,2….N-12004.12.81、自适应余弦变换编码步骤：(2)计算各子图的DC能量、AC能量：DCenergy=ACenergy=DC对应于子图像的主要能量AC对应于子图像的边缘和噪声所以，对于AC能量大的子图像我们分配较多的比特数，反之，分配较少的比特数，从而达到压缩的目的。2004.12.81、自适应余弦变换编码步骤：(3)对256个子

6、图像进行分类自适应余弦变换编码根据各子图像的AC能量，将它们分成四类，每一类包含64个子图像。对于AC能量大的子图像我们分配较多的比特数，反之，分配较少的比特数，从而达到压缩的目的。2004.12.8三、图像的变换编码2、图像的自适应FAM编码(1)将大小为256x256的原始图像划分为16x16的子图像,共得到256个子图像，分别对各子图像进行离散余弦变换(DCT):(2)计算各子图的AC总功率T及AC的低频功率L:2004.12.82、图像的自适应FAM编码(3)自适应FAM系统通过训练由自适应

7、余弦变换编码系统产生的数据来估计FAM规则。输入变量有两个：T和LT代表AC的总功率，并且分为4个等级：BG，MD，SL和VS。L代表AC的低频功率，分为2个等级：SM和LG。输出变量为B:分为4个等级：HI，MH，ML和LO。2004.12.8通过下面的式子来计算每一类AC的功率的算术平均，并以此来确定隶属度函数的区间。Fuzzy-setvaluesoffuzzyvariablesT,L,andB.2004.12.8在输入输出的积空间中，采用竞争学习的积空间聚类可以自适应的量化聚类模式。采用微分

8、竞争学习(DCL)的神经网络,对输入输出积空间的向量聚类,从而估计FAM规则:在第四章中我们知道，微分竞争学习的法则：只有在竞争获胜时才改变其权值：为离散化，使用作为随机差分方程的DCL算法：ifthethneuronwinsifthethneuronloses，2004.12.8积空间聚类，估计FAM规则对于由自适应余弦变换编码系统所产生的256个输入输出向量，经过基于DCL的积空间聚类，我们可以估计出5条FAM规则（1，2，6，7和8），根据经验补上其中的3，4，