学位论文 > 优秀研究生学位论文题录展示

基于聚类的分形图像压缩方法研究

作　者: 吴宝锁
导　师: 须文波
学　校: 江南大学
专　业: 计算机应用技术
关键词: 分形图像压缩基于量子行为粒子群优化算法模糊聚类遗传算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 113次
引　用: 0次
阅　读: 论文下载

内容摘要

21世纪是一个信息时代,人们在工作生活中大量接触图像,并在彼此之间互相传播,为了使图像传送更快捷便利,图像压缩技术研究变得非常迫切。1987年由美国数学家Barnsley和Sloan[1]提出分形图像压缩编码技术,此后Jacquin [2]首先实现了完全自动的分形压缩编码,给分形图象压缩领域带来突破性的进展。分形图象压缩技术是在此算法基础上逐渐发展,成为当今图象压缩的一个新领域。基于分形的图像压缩编码方法是一种全新的编码方法,它利用的是图像的自相似性及比例特性,通过消除图像的几何冗余度来实现图像数据的压缩。在分形编码中,一幅图像由一个使它近似不变的压缩仿射变换表示,重构图像是压缩变换的不动点,压缩仿射变换的参数组成原始图像的分形码。分形解码是一个相对简单的快速迭代过程,解码图像由分形码表示的压缩变换迭代作用于任意初始图像来逼近。分形图像编码近年来在图像压缩领域引起了人们的极大兴趣。众所周知,编码时间长是这项技术的主要缺点,它已成为该方法走向高效能实用化的最主要障碍,因此分形编码加速方法已成为了近些年来分形压缩的一个研究热点。本文尝试着将基于量子行为粒子群优化算法(QPSO)[3][4]、模糊聚类优化算法,遗传算法[5]与四叉树分割方法相结合应用于分形图像压缩。实验结果表明几类算法的应用对分形图像的压缩速度有较大提高。全文共分为六章,首先介绍了图象压缩技术及近十年来图象压缩的研究成果,分形几何学的创立和发展、分形的几何特征以及分形的测量和性质。分形图像压缩的相关理论,包括压缩映射、拼贴定理、迭代函数系统及分形图像压缩编解码过程。文中对提高分形图像压缩速度进行了分析,简要介绍了粒子群算法、基于量子行为粒子群优化算法及模糊聚类算法,自适应分块的分形图像压缩方法,阐述了四叉树分割方法,将遗传算法与四叉树分割方法相结合用于分形图像压缩中,并对算法优缺点进行了对比,并将算法运用于分形图像压缩中,实验结果表明,算法的应用对分形图像压缩速度有一定的提高,结果表明该算法具有一定的现实意义。最后对全文进行了总结和展望,指出了今后研究方向及工作展望。

全文目录

摘要  3-4
Abstract  4-8
第一章绪论  8-12
  1.1 课题研究背景  8-9
  1.2 国内外相关研究现状  9-10
  1.3 本文研究内容  10
  1.4 本文主要工作和组织  10-12
第二章分形几何学  12-20
  2.1 分形几何的诞生与发展  12-15
  2.2 分形的几何特征  15-17
  2.3 分形的测量  17-20
    2.3.1 分维概述  17-18
    2.3.2 常用几种分形维数及性质  18-20
第三章分形压缩理论与实现  20-25
  3.1 压缩映射及不动点定理  20
  3.2 迭代函数系统IFS  20-21
  3.3 拼贴定理  21-22
  3.4 编解码过程的实现  22-25
    3.4.1 编码过程  22-24
    3.4.2 解码过程  24-25
第四章基于QPSO 的分形图像压缩算法  25-39
  4.1 粒子群算法（PSO）  25-28
    4.1.1 算法介绍  25-26
    4.1.2 算法运算过程  26-27
    4.1.3 算法参数设置  27-28
  4.2 基于量子行为粒子群优化算法（QPSO）  28-30
    4.2.1 算法介绍  28-29
    4.2.2 算法运算过程  29
    4.2.3 基于量子行为粒子群优化算法和粒子群算法的比较  29-30
  4.3 基于QPSO 的分形图像压缩算法  30-33
    4.3.1 算法实现  30-31
    4.3.2 实验结果及分析  31-33
  4.4 模糊聚类算法  33-34
    4.4.1 算法数学背景  33
    4.4.2 算法运算过程  33-34
  4.5 模糊聚类与QPSO 相结合的分形图像压缩算法  34-37
    4.5.1 算法实现  34-36
    4.5.2 实验结果及分析  36-37
  4.6 一种快速分形图像压缩算法  37-39
    4.6.1 算法思想及算法描述  37
    4.6.2 实验结果及分析  37-39
第五章基于自适应分块的分形图像压缩算法  39-46
  5.1 自适应的四叉树编码方法  39-40
  5.2 基于遗传算法的分形图像自适应压缩方法  40-44
    5.2.1 遗传算法原理及实现  40-41
    5.2.2 基于遗传算法的分形图像自适应压缩方法  41-42
    5.2.3 实验结果及分析  42-44
  5.3 基于四叉树分割的快速分形图像压缩方法  44-46
    5.3.1 算法思想及实现  44
    5.3.2 实验结果  44-46
第六章总结与展望  46-47
  6.1 论文工作总结  46
  6.2 今后的工作展望  46-47
致谢  47-48
参考文献  48-51
附录：作者在攻读硕士学位期间发表的论文  51

基于聚类的分形图像压缩方法研究

内容摘要

全文目录

相似论文