分形编码加速及基于样图的图像修复方法研究

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，质量只有1．48db的损失；与均匀划分相比，该方法使压缩比增加了0．56倍； 3．考虑到采用正方形划分忽略了图像的灰阶均匀性，而矩形划分计算量相当巨大的问题。在充分分析均匀分类和自适应分类优缺点的基础上，我们提出了一种混合分类法，并将其应用于质心特征，得到了一种基于矩形划分的快速分形编码方法。实验表明，该方法相对于全局搜索，在压缩比和解码质量略有下降的基础上，能极大地提高分形编码速度，当分类数目为166时，其编码时间由原来的64．32s降低为3．33s，而解码图像质量只有1．16dB的损失：与均匀分类方法相比，混和分类法可以在编码时间基本相同的前提下取得更好的解码质量，在解码质量基本相同的前提下取得更快的编码速度，并可以在一定的条件下取得压缩比优势； 4．为了使分类后的定义域块库更容易找到最优匹配块，我们提出了一种基于二维特征向量的自适应分类方法。利用“分割-合并，再分割-再合并”的过程对定义域块库进行分类。实验表明，经过此分类方法后的定义域块库更利于值域块找到最优匹配块，而且由于各区间定义域块数目分布更加均匀，也会使得值域块找到最优匹配块的搜索量大大减少。使用基于二维特征向量的自适应分类方法，并把图像的1、2阶矩不变量作为图像的主副特征给出了一种能够较好地保证图像解码质量的快速分形编码方法，当分类数为100时，该方法相对于均匀分类法，编码时间减少了0.202s，同时解码图像质量提高了0.24db，与自适应分类法相比，该方法编码时间虽然增加了0.332s，但是解码质量却提高了0.16db。针对图像修复本文主要作了以下工作： 1.提出了一种基于像素的纹理标准性系数，用来衡量待修复图像块纹理性的强弱。将其用于图像修复，对于纹理性强的边缘面片直接利用颜色寻找最优匹配块；对于结构性强的边缘面片，利用改进相似度匹配准则和优先级的Criminisi方法进行修复，得到了一种新的图像修复方法。实验表明，与改进相似度匹配准则和优先级的Criminisi方法相比，对于含有大量纹理性信息的待修复图像块，本方法能够在修复效果令人满意的基础上，大大加快了图像修复的速度。

目录

文摘

英文文摘

第一章绪论

1.1分形图像压缩的发展及研究现状

1.2图像修复的发展及研究现状

1.3本文的内容安排

第二章分形图像压缩概述

2.1分形几何理论的发展概况

2.2分形图像压缩的基本过程

2.3改进的分形图像压缩方法

第三章基于自适应分类的快速分形编码方法

3.1引言

3.2基于自适应分类的快速分形编码方法

3.3数值实验及结果分析

3.4基于自适应分类和四叉树划分的快速分形编码方法

3.5小结

第四章基于混合分类和矩形划分的快速分形编码方法

4.1引言

4.2基于矩形划分的分形编码方法

4.3基于混合分类和矩形划分的分形编码方法

4.4数值实验及结果分析

4.5小结

第五章基于二维特征向量的快速分形编码方法

5.1引言

5.2图像的矩不变量

5.3基于二维特征向量的快速分形编码方法

5.4数值实验及结果分析

5.5小结

第六章基于纹理标准性系数的图像修复方法

6.1图像修复技术的理论基础

6.2图像修复技术的历史和现状

6.3基于纹理标准性系数的图像修复方法

6.4数值实验及结果分析

6.5小结

结论与展望

参考文献

致谢

在校期间完成的学术论文及参加的科研项目

西北工业大学学位论文知识产权声明书及原创性声明