学位论文 > 优秀研究生学位论文题录展示

基于Gouraud阴影法和多子模式的NAM图像表示方法研究

作　者: 郑运平
导　师: 陈传波
学　校: 华中科技大学
专　业: 计算机应用技术
关键词: 图像表示 Gouraud阴影法多子模式非对称逆布局模型空间数据结构 S-树矩计算图像处理
分类号: TP391.41
类　型: 博士论文
年　份: 2008年
下　载: 119次
引　用: 0次
阅　读: 论文下载

内容摘要

图像表示是计算机图形学、计算机视觉、机器人、图像处理和模式识别等领域里的一个重要问题。有效的图像表示方法不仅能节省存储空间,而且还能提高图像处理的速度。随着数字化信息时代的到来和多媒体计算机技术的发展,使得人们所面对的各种图像数据量剧增,由于图像信息所具有的大量性,其快速、实时传输的要求得不到满足已成为制约Interact发展的一个难题。因此,图像表示方法的研究就变得非常重要,它是目前最活跃的研究领域之一。非对称逆布局模型(NAM)适用于图像模式、语音模式、文本模式、视频模式的表示,是一个通用型的模式表示模型。针对图像的有损表示,扩展了著名的Gouraud阴影法,研究了一种基于Gouraud阴影法的NAM图像表示方法,简称NAMC表示方法,并与目前流行的STC表示方法进行了比较。具体给出了灰度图像的NAMC表示算法,该算法编解码部分的时间复杂度分别为O(n log n)和O(n),其中n为灰度图像的像素数。以图像处理领域里惯用的标准’Lena’灰度图像作为典型测试对象,理论分析和实验结果均表明:在保持图像质量的前提下,与STC表示方法和目前已经商业化了的JPEG方法相比,NAMC表示方法具有更低的比特率和更少的块数,从而具有更高的表示效率和更快的处理速度,是图像模式的一种更优的有损表示方法。NAMC图像表示方法有两重目的,一是体现在数据量上的优越性,二是体现在图像处理上的优越性。图像处理中的一些原子操作和运算(如:寻找近邻、搜索、计算区域的面积、集合操作等)在复杂算法中是经常用到的。具体研究了NAMC表示方法在图像处理中应用的一个例子,即:基于NAMC表示的快速矩计算算法。该算法的时间复杂度为O(N),其中N为灰度图像用NAMC表示时的同类块的总数。以图像处理领域里惯用的标准’Lena’、’F16’和’Peppers’等灰度图像作为典型测试对象,理论分析和实验结果均表明:与流行的基于STC表示的矩计算算法相比,基于NAMC表示的矩计算算法具有更快的计算速度。针对图像的无损表示,研究了一种基于多子模式的NAM图像表示方法和一种基于光栅扫描的NAM编码优化策略。通过对典型多子模式(三角形和矩形)进行分析,给出了一种基于三角形和矩形的NAM图像表示方法,简称为NAMTR表示方法,并与经典的线性四元树(LQT)表示方法从理论上进行了比较。具体研究了基于NAMTR的二值、灰度和彩色图像表示算法,且对算法的存储结构、数据量以及时间和空间复杂度进行了详细分析。给出了2种多值图像(灰度和彩色图像)的NAMTR表示方法,即直接方法和间接方法,且对这2种方法进行了比较,其中间接方法是一种位平面分解方法,能够有效降低原图像模式的复杂度,从而提高图像模式的表示效率。直接方法和间接方法表示的数据量和压缩比都与图像的复杂度有关,图像复杂度越低,则NAMTR表示的效率就越高。以图像处理领域里惯用的标准’Lena’、’F16’和’Peppers’等图像作为典型测试对象,理论分析和实验结果均表明:与经典的LQT表示方法、目前新提出的矩形NAM图像表示方法及流行的紧凑四元树(CQT)表示方法相比,NAMTR表示方法在子模式(节点数)和数据存储空间上具有明显的优势,是图像模式的一种更优的无损表示方法。NAMTR图像表示方法同样有两重目的,一是体现在数据量上的优越性,二是体现在图像处理上的优越性。作为NAMTR图像表示方法在图像处理中应用的一个例子,研究了一种基于NAMTR表示的二值图像的快速面积计算算法。该算法的时间复杂度为O(N),其中N为二值图像用NAMTR表示时的子模式总数。以图像处理领域里惯用的标准’Lena’、’F16’和’Peppers’等二值图像作为典型测试对象,理论分析和实验结果均表明:与流行的基于CQT表示的面积计算算法相比,基于NAMTR表示的面积计算算法具有更快的计算速度。总之,NAMC和NAMTR表示方法可以应用于图像表示和图像处理的各个方面,在降低存储空间、加快传输速度、提高模式匹配效率等方面具有良好的理论参考意义和实际应用价值。

全文目录

摘要  4-6
Abstract  6-12
1 绪论  12-30
  1.1 课题背景  12-13
  1.2 研究目的和意义  13-15
  1.3 图像表示方法分析  15-28
  1.4 本文主要研究内容  28-30
2 基于Gouraud阴影法的NAM图像表示方法  30-43
  2.1 灰度图像的STC表示方法  30-34
  2.2 灰度图像的NAMC表示方法  34-40
  2.3 实验结果及分析  40-42
  2.4 本章小结  42-43
3 NAMC表示上的快速矩计算算法  43-55
  3.1 NAMC表示在矩计算中的应用  43-44
  3.2 基于NAMC表示的快速矩计算算法  44-48
  3.3 实验结果及分析  48-54
  3.4 本章小结  54-55
4 基于多子模式的NAM图像表示方法  55-63
  4.1 多子模式的NAM图像表示思想  55-57
  4.2 多子模式的NAM图像表示算法  57
  4.3 基于NAMTR的图像表示方法  57-58
  4.4 K码变换规则  58-59
  4.5 彩色图像的BPD方法  59-62
  4.6 本章小结  62-63
5 基于NAMTR的二值图像表示方法  63-72
  5.1 紧凑四元树(CQT)表示方法  63-64
  5.2 基于NAMTR的二值图像表示算法  64-68
  5.3 二值图像NAMTR表示算法的复杂度分析  68-69
  5.4 二值图像NAMTR表示算法的存储结构分析  69-70
  5.5 二值图像NAMTR表示算法的数据量分析  70-71
  5.6 本章小结  71-72
6 基于NAMTR的多值图像表示方法  72-88
  6.1 灰度图像的直接NAMTR表示  72-77
  6.2 灰度图像的间接NAMTR表示  77-83
  6.3 彩色图像的直接NAMTR表示  83-84
  6.4 彩色图像的间接NAMTR表示  84-86
  6.5 本章小结  86-88
7 NAMTR表示方法的实验结果及分析  88-101
  7.1 实验环境  88
  7.2 二值图像的实验结果及其分析  88-91
  7.3 灰度图像的实验结果及其分析  91-95
  7.4 彩色图像的实验结果及其分析  95-100
  7.5 本章小结  100-101
8 NAMTR表示上的快速面积计算算法  101-107
  8.1 NAMTR表示在图像面积计算中的应用  101-102
  8.2 基于NAMTR表示的快速面积计算算法  102-103
  8.3 实验结果及分析  103-106
  8.4 本章小结  106-107
9 结论与展望  107-112
  9.1 主要工作及创新点  107-110
  9.2 研究展望  110-112
致谢  112-114
参考文献  114-129
附录1 攻读博士学位期间发表学术论文目录  129-133
附录2 攻读博士学位期间参加科研项目、申请专利及奖励  133

相似论文

基于CCD图像传感器的温度测量技术研究,TH811
基于FPGA的数字图像处理基本算法研究与实现,TP391.41
基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
机械臂视觉伺服系统的研究,TP242.6
数字图像处理在集装箱检测中的应用研究,TP274.4
半成型结构在休闲女装中的应用,TS941.2
基于视觉的番木瓜外观品质检测技术研究,S667.9
基于机器视觉的光纤几何参数检测研究,TN253
羊绒与羊毛纤维鉴别系统的研究,TS101.921
车牌识别系统中车牌定位算法的研究,TP391.41
基于FPGA高清视频车辆检测系统的设计与实现,TP391.41
数字型仪表自动识读系统研究,TP391.41
智能清分机的管理和应用软件设计,TP391.41
沉积物岩心灰度图像处理技术及其在东海内陆架高分辨沉积记录中的应用,P736.21
车载路面裂缝检测图像处理系统的设计与实现,TP391.41
炉内温度分布及热辐射参数检测的实验研究,TP391.41
基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
基于学习的视频超分辨率重建算法研究及实现,TP391.41
基于图像处理的印制电路板缺陷检测的研究,TN41
基于多线程图像处理机测试系统的研究,TP391.41
基于指纹识别的医院管理信息系统的设计与实现,TP311.52