《基于区域分割的图象压缩算法研究与应用》由会员分享，可在线阅读，更多相关《基于区域分割的图象压缩算法研究与应用（58页珍藏版）》请在金锄头文库上搜索。
1、浙江大学硕士学位论文摘要瑰2 3 s 3本文通过对图象区域分割理论的研究，提出一种基于区域分割的图象压缩算法，并给出该算法在基于图象内容检索方面的应用。该图象压缩算法主要是通过利用图象的分割对图象空间结构的认识，提高图象空间预测器的预测效率，从而达到提高图象压缩效率的目的。另外，对图象进行分割不仅仅给图象压缩带来了好处，也为进行基于内容的图象检索打下了基础。本文充分利用这点，将图象压缩和内容检索两者统起来，使得图象的区域化信息达到最大化的利用，从而提高单位数据的信息含量。f 在本文中，图象的区域分割不仅是图象压缩算法的基础，也是图象内容检索应用得以实现的基础，本文第二章将专门对图象区域分割的各
2、种算法进行介绍。利用适当的图象区域分割算法，可以总结出图象的空间分布规律，从而能够采用更方便、更有效的图象压缩算法对图象进行压缩。采用这种方式对图象进行压缩以后，图象可以分成一系列的图象区域块，每个区域块具有自己的压缩特征参数，这些特征参数可以作为图象检索的关键字，这大大提高了图象内容检索的效率。另外，图象进行区域化压缩以后，用户可以选择解压哪个特定区域，这样用户可以通过观察区域的情况来判断整个图象是否符合查询要求，而不必传输整个图象数据。本文在第三章中将给出基于区域分割的图象压缩算法模型，并给出该模型需要注意的一些问题；在第四章给出图象进行区域化压缩以后应该如何进行组织，从而实现图象的内容检
3、索及提高检索的效率；第五章给出一些图象区域分割和图象压缩的试验结果，另外，对图象内容检索进行预测性分析。本文的算法的思想比较新颖，综合了多个图象领域的要素来考虑问题，问题的思考模式不是单纯的问题一解决方法模式，而是问题一解决方法一面向解决方法的应用，如此将加深对问题解决方法的选择考虑，使得算法更加有效，更加具有实际意义。孓上、。 关键字：图象分割、图象压缩、图象洳容检索浙江大学硕士学位论文A b s t r a c tB a s e do nr e s e a r c h i n go fi m a g es e g m e n t a t i o nt h e o r y , a ne f
4、f i c i e n ti m a g ec o m p r e s sa l g o r i t h mi sp r e s e n t e di nt h i sp a p e r M o r e o v e ro n ei m p o r t a n ta p p l i c a t i o na b o u tt h i sa l g o r i t h mi sd i s c u s s e d ，a n dt h i sm e t h o di so f t e nu s e di ni m a g ei n d e xb a s e do nc o n t e x tM o r
5、 es p a t i a ls t r u c t u r ei n f o r m a t i o ni ni m a g e s ，t h ei m a g es p a t i a lp r e d i c t o r sa r em o r ee f f i c i e n tI m a g es e g m e n t a t i o nt h e o r yj l i s tg i v e sac h a n c et Oa c h i e v et h es p a t i a ls t r u c t u r ei n f o r m a t i o no fi m a g
6、e sI na d d i h o n ，t h i sc o m p r e s sa l g o r i t h mb a s e do ni m a g es e g m e n t a t i o nb n n g ss o m ea d v a n t a g e si ni m a g ei n d e xI nt h i sp a p e Li m a g ec o m p r e s sa l g o r i t h ma n di m a g ei n d e xb a s e do nc o n t e x ta r eu n i f i e db yi m a g es
7、e g m e n t a t i o nt h e o r y ,a n dt h i sw o u l dm a x i m i z et h eu t i l i t yo fi n f o r m a t i o nd a t a ，I m a g es e g m e n t a t i o np l a y sav e r yi m p o r t a n tr o l ei nt h ea l g o r i t h mN o to n l yi m a g ec o m p r e s sa l g o r i t h mi sb a s e dO ni t ，b u ta t
8、 s oi m a g ei n d e xb a s e do nc o n t e x ti sr e a l i z e dt h r o u g hi tI m a g ec a nb es e g m e n t e dt os o m er e g i o n sa f t e rc o m p r e s s e d b yt h ea l g o r i t h mb a s e do ni m a g es e g m e n t a t i o nA n de a c hr e g i o nh a si t sc o m p r e s sp a r a m e t e
9、r s ，w h i c hc o u l db eu s e da sk e yw o r d sf o ri m a g ei n d e xA sar e s u l t ，t h ee f f i c i e n to fi m a g ei n d e xi si m p r o v e dM o r e o v e r , au s e rc o u l dc h o o s es o m er e g i o nt ob ed e c o m p r e s s e di ft h i si m a g ei sc o m p r e s s e db yt h ea l g o
10、 r i t h t 仉a n dh ec o u l da l s oe x a m i n es o m er e g i o nt od e c i d ew h e t h e rt h i si m a g ei sr e q u i r e di n s t e a do fe x a m i n et h ew h o l ei m a g eW h e nt h i sa l g o r i t h mi su s e di nan e tf o ri m a g ei n d e x ，t h ei m a g ed a t an e e d e dt Ob et r a n
11、 s f e r r e dc o u l db er e d u c e d T h i sa l g o r i t h mh a ss y n t h e s i z e daf e wi m p o r t a n tf a c t o r si nt h ef i e l do fi m a g e ，a n di ti n t r o d u c e sav e r yn o v e l t ym e t h o dK e y w o r d ：i m a g es e g m e n t a t i o n 、c o m p r e s s 、i n d e x2；，浙江大学硕士
12、学位论文第一章绪论1 1图象分割与识别的发展及应用展望图象的分割与检测( 识别) 实际上足一项非常困难的工作。很难说清楚为什么图象应该分割成这样而不是那样。人类的视觉系统是非常优越的，它不仅包含了双眼，还包括了大脑，可以从很复杂的景物中分开并识别每个物体，甚至可以毫不费力的跟上每秒好几十帧变化的图象。举两个例子来说明一下人类视觉系统的优越性：弋卜t LJj图1 1 单词T H E图1 2 看不见的三角图1 1 是单词T H E ，这一点很容易看出来，但仔细观察一下，就会发现，图中少了很多线条。在我们人类看来很简单的一件事，让计算机来做就很困难了。图l 一2 中尽管没有任何线条，但我们还是可以很
13、容易的看出中间存在着一个白色三角形。计算机却很难发现。由于人类在观察图象中应用了大量的知识，所以没有任何一台计算机在分割和检测真实图象时，能达到人类视觉系统的水平。正因为如此，对于大部分图象应用来说，自动分割与检测还是一个将来时，目前只有少数的几个领域( 如印刷体识别O C R ) 自动识别达到了实用的水平。图象识别是随着计算机的发展而兴起的一门新学科。狭义地讲，模式就是图象。图象有两种类型：一种是直观视觉图象，如照片、图案、文字等；另一种是间接转换图象，如语言、声音、心率、地震波等等。在各种图象中，最重要的是通过人们视觉所摄取的客观世界的灰度、彩色、形状及空间等信息，并经过大脑高度综合加工而
14、形成的各种图象形式，即视觉图象。例如，人看到一个景物，能回答出它是什么，看到一个数字，能说出它是几，这是人对物体的识别。随着计算机科学的发展，现在完全有可能通过计算机控制系统来模拟人的识别能力，这就是当前图象识别的研究范围。图象的种类及图象识别共分成文字识别、图形处理、图象处理、物体( 三维)识别和声音识别五个领域，联结它们的是模式识别理论( 如统计决定理沦、信息浙江大学硕士学位论文理论、句法结构识别理论等) 。为了进行识别，还有各种判别方法，如逻辑判定法、线性预测法，付里叶解析等等。目前，模式识别理论还不够完善，l F 处于不断地探索与开发中。图象识别的发展大致经历了三个阶段：文字识别、图象
15、处理和识别及物体识别。文字识别的研究是从1 9 5 0 年开始的，一般是识别字母、数字和符号，从印刷文字识别到手写文字识别，应用非常广泛，并且己经研制了许多专用设备，例如，邮政读号机就是- S 十专用文字识别设备。在信封上写上3 位或5 位数字，用机器读取分区。还有银行支票、购货帐单的识别、语言翻译等。在我国汉字识别的研究也已取得了许多成果。图象处理和识别的研究，是从1 9 6 5 年开始的。过左人们主要是对照相技术、光学技术的研究，而现在则是利用计算技术，通过计算机米完成。计算机图象处理不但可以消除图象的失真、噪声，同时还可以进行图象的增强与复原，然后进行图象的判读、解桥与识别，如航空照片的
16、解析、遥感图象的处理与识别等，其用途之广，不胜枚举。物体识别也就是对三维世界的认识，它是和机器人的研究有着密切关系的一个领域，在图象处理上没有特殊的难点，但必须知道距离信息，并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天，尽管机器人的研究非常盛行，但还只限于视觉能够观察到的场景( s c e n e ) 。进入8 0 年代，随着计算机和信息科学的发展，计算机视觉、人工智能的研究已成为新的动向。我们可以慷憬这样种应用：基丁内容的搜索。在一场足球比赛的录像中，用户j T 以输入命令，由计算机自动搜索出所有射门的镜头并显示在屏幕上。目前，我们能从一幅图象中获得的信息只是每个象素的颜色或灰度值，除此以外别无其它，完成上述功能实在是太困难了。所以说解决图象分割和检测最根本的方法是在编码( 成像) 时就给予考虑，这也i E 是M P E G 4 及未来的视频压缩编码标准的主更 i 作。1 2 图象处理及图象识别的研究方法图象处理就是对给定的图象进行某些变换，从而得到清晰陶象的过程。对于有噪声的图象，要除去噪声、滤去干扰，提
