资源描述：
《模糊图像变换编码》由会员上传分享，免费在线阅读，更多相关内容在教育资源-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：王来雄2003年12月第十章模糊图像变换编码1图像编码的目的2图像压缩编码的方法3模糊图像变换编码1图像编码的目的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。而图像内数据之间存在大量冗余,使得图像压缩编码成为可能。2图像压缩编码的方法2图像压缩编码的方法（1）预测编码是利用相邻像素的相关性进行预测.预测编码通常不是直接对信号编码,而是对预测误差编码.当预测比较准确,误差较小时,可达到编码压缩的目的.这种编码被称为差分脉冲编码(DPCM).2图像压缩编码的方法（
2、2）正交变换编码由三部分组成,即图像输入与变换,编码,逆变换.在变换阶段,系统将原图分成若干子块,对每个子块进行某种正交变换.通过变换,降低或消除相邻象素之间或相邻扫描行之间的相关性,提供了用于编码压缩的变换系数矩阵.编码过程实现图像信息的压缩.统计表明,在变换域中,图像信号的绝大部分集中在低频部分,编码中如果略去那些能量很小的高频成分,或者给那些高频成分分配较少的比特数,就可以大幅减少图像传输或存储的数据量.常见的正交变换有K-L变换,DFT变换,Walsh-Hadamard变换及DCT等.2图像压缩编码的方法（3)统计编码是根据信
3、源的概率分布特性,分配可变长的码字(其具有唯一可译性)进行编码.常见的统计编码有Huffman编码,算术编码等.JPEG先经DCT，然后作Huffman编码。(4)矢量量化编码是将K个(K>=2)样值形成一个K维空间中的一个矢量,然后对此矢量进行一次量化,只传输或存储矢量的地址.因此能大大地提高压缩比.矢量量化总是优于标量量化,这是因为矢量量化有效地利用了矢量中各分量间地四种相关性(线性依赖性,非线性依赖性,概率密度函数的形状和矢量维数)来去除多余度.矢量量化是标量量化的多维扩展.2图像压缩编码的方法(5)小波变换编码的本质是多分辨率
4、或多尺度地分析信号,适合人眼视觉分辨率的不均匀性.小波变换的优点是分辨率高,无方块效应.JPEG2000采用了LeGall5/3和Daubechies9/7小波。由Shapiro提出的EZW(embeddedzero-treewavelet)算法,不仅具有较高的编码效率,而且在不损失编码效率的前提下能够产生嵌入式码流,支持多码率解码.彭进业提出了一种改进型的自适应嵌入式零树小波图像编码方法,利用自适应的小波系数,增加了编码过程中的零树个数,提高了编码效率.2图像压缩编码的方法(6)分形编码利用了自然物体(比如云,森林远景等)结构上的自
5、相似性,而这种自相似性是图像整体与局部相关性的表现.首先对图像进行分块,然后再寻找各块之间的相关性,相关性的描述主要是依靠仿射变换来确定,一旦找到了每块的仿射变换,就保存下此放仿射变换的系数,由于仿射变换的系数量远小于每块的数据量,因而图像得以大幅度的压缩.但分形编码一般只适用于自然物体.罗强提出一种基于分形几何形状比例可变的分形图像编码方法,以分形几何比例分别为2:1和3:2的最佳父块逼近子块程度的实验为例,得出父块越大,父块逼近子块程度越差的结论.表明,分形几何比例可变的混合分形编码方法与其它单一几何比例分形编码方法相比,图像的压
6、缩率和峰值信噪比均有提高,编码时间也有所减少.2图像压缩编码的方法(7)模型基编码的基本思想:构造一个用二维图像编码序列表达三维被视景物的模型,用该模型去分析/合成图像.这种编码是建立在对图像信息的理解之上的,其编码过程是对图像的分析过程,而其解码过程是对图像信息的合成过程.3模糊图像变换编码Xx1DCTSubimageClassifictionCodingchannelDecoding自适应DCT编码框图3模糊图像变换编码(1)将Lena图像划分为16x16的子图像,并分别对各子图像进行离散余弦变换(DCT):其中c(0)=1/2,
7、c(k)=1fork=1,2….N-13模糊图像变换编码(2)计算各子图的AC能量T及AC的低频能量L:DC对应于图像的主要能量AC对应于图像的边缘和噪声对于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。3模糊图像变换编码(3)采用微分竞争学习(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:ifthejthneuronwinsifthejthneuronloses3模糊图像变换编码其中的向量，即每个训练样本，由(T,L,B)组成，这些数据来自于陈系统.T代表整个AC的能量,分
8、为4个等级：BG，MD，SL和VSL代表AC的低频能量,分为2个等级：SM和LG输出变量为B，分为4个等级：BG，MD，SL和VSFigure10.2Fuzzy-setvaluesoffuzzyvariablesT，L，
