基于矩形编码的抖动半调图像无损压缩算法

结合有序抖动图像具有周期性块状纹理的特性,提出一种基于矩形编码的抖动半调图像无损压缩算法.针对半调图像黑自像素交替频繁的现象,根据抖动模板的大小等间隔抽取对应图像块上的像素进行下采样,使采样后的子图具有成片的黑白区域.对黑白子图进行行异或运算,通过矩形划分的编码方法实现无损压缩.实验结果表明,该算法的压缩效率较高.     

基于窗口Hough变换与阈值分割的矩形识别算法

提出一种基于窗口霍夫变换与阈值分割自动识别图像中的矩形策略： 通过图像窗口霍夫变换,提取霍夫图像的峰值（对应原始图像的线段）,当四个峰值满足某些几何条件时,则检测出矩形;对图像进行阈值分割,将分割结果与霍夫变换的矩形做拟合修正.对不同成像背景和光照环境下图像的集成测试结果表明,本策略能够很好地抑制在多种自然光照不均和拍摄角度造成的干扰.且采用了缩略图计算,降低了逐像素运算的时间复杂度,可满足实时性要求.该技术可运用在实时准确裁剪银行票据目标等各个需要快速识别矩形的工程领域.     

保持二值图像连通性的缩小算法

针对二值图像进行大因子缩小时容易产生连通性丢失的问题,提出一种保持连通性的缩小算法.将二值图像划分成互不相交的矩形区域,对光滑区域的像素根据人眼视觉系统进行处理,对边缘区域的像素根据人眼视觉系统和局部邻域的连通性进行处理,并通过保持连通性来保持图像的拓扑结构,得到拓扑结构较好的缩小图像.实验结果表明,与已有算法相比,文中算法能够在保持形状的情况下兼顾图像的拓扑结构.     

可重叠矩形多值图像表示及其上的几何矩生成

为了支持快速的多值图像运算,提出了一种无损多值图像表示方法,称为可重叠矩形多值图像表示(Over-lapping Rectangle Multi-valued Image Relpresentation,ORMIR).CIRM采用递归方式将一幅多值图像分割为具有不同基础颜色的可重叠矩形,并使用孩子兄弟树来组织这些矩形,通过弱化二值图像块表示中同一矩形所覆盖的所有像素必须具有相同颜色的约束,ORMIR能够使用较少的矩形无损地表示一幅多值图像,因而基于ORMIR的多值图像运算能够被快速实现.基于ORMIR,提出了一个多值图像几何矩生成算法,该算法首先生成多个仅包含一个矩形区域的二值图像的几何矩,然后将这些几何矩加权求和得到原始多值图像的几何矩.试验结果表明,基于ORMIR的几何矩生成算法能够以每秒50帧以上的速度计算8比特位深的512×512的灰度图像直到3 3阶的几何矩,从而满足实时应用的需要.     

结合Canny和距离变换的矩形模式特征提取方法

提出了一种图像矩形模式特征提取算法。首先利用Canny算子对图像纹理敏感特性求取图像的Canny边缘;对Canny边缘结果计算其距离变换图,可有效减小纹理复杂区域对后续矩形模式特征提取的影响;然后对距离变换图进行掩膜卷积,对其结果进行聚类,获得矩形模式特征的中心;最后利用几何约束求解出矩形模式特征的四个顶点。实验证明了该算法有效可行,特征定位精度在真实图像上可达1.3像素。     

一种基于方向能量聚集的立体匹配算法

本文提出了一种新的局部立体匹配算法.该方法首先将参考图像中的像素分为同质和异质像素;然后对异质像素进行N个方向的能量聚集,利用WTA(Winner Take All)方法选取所有方向上的最优视差,并把统计量最多的视差设为当前点的最终视差,对同质像素利用可移动矩形窗口聚集更多的像素进行匹配;最后,对得到的视差图采用一种快速有效的后处理去除视差图的噪声点.通过实验表明,本文算法在保持高效的同时,能够取得较高的视差准确性,尤其在视差不连续区域和无纹理区域.     

一种有效的虹膜定位及睫毛检测方法

提出一种有效的虹膜定位及睫毛检测方法。通过把眼睛图像中分割成小的矩形区域,利用找到的这些矩形区域像素平均最小值把眼睛图像进行二值化,找到虹膜区域的内边界;以瞳孔的质心为参考点,在其左右的扇形区域内分别使用修改后的Daugman的检测算子,找到像素值变换大的位置,进而定位出虹膜的外界;使用Gobor滤波器和窗口移动法对睫毛进行有效的检测。通过对大量虹膜图像的实验表明,该方法取得了非常好的结果。     

基于超像素形状特征的图像复制粘贴篡改检测算法

针对传统图像复制粘贴篡改检测方法中划分子块的数目过大导致算法时间复杂度过高且抵抗几何变换能力较弱的问题,提出一种基于超像素形状特征的图像复制粘贴篡改检测算法.首先提出基于小波对比度自适应划分超像素的方法分割图像并提取稳定的特征点;然后提出新颖的形状编码方式提取超像素形状特征,并与特征点融合,估计可疑伪造区域;最后对可疑伪造区域进行二次超像素分割和匹配,精确定位篡改区域.实验结果表明,提出的算法具有抵抗几何变换、噪声、模糊和JPEG压缩的能力.     

一种矩形编码与行程编码相结合的图像压缩方法

论述的矩形编码与行程编码相结合的图像压缩方法,是针对矩形编码中处理较小区域时空间浪费以及失真和行程编码中最大行程编码受限制等缺点而提出的。该方法处理复杂图像比矩形编码好,在图像不复杂时比行程编码好,具有很好的压缩效率。     

汉字方向分解网格特征的改进

在现有的汉字方向分解网格特征基础上，对其分析和改进，提出了一套新的汉字特征方案：首先对原汉字进行轮廓提取，在轮廓汉字上进行有重叠的矩形弹性网格划分，然后对原汉字用边缘检测算子做边缘梯度方向角分解，得到横、竖、撇、撩4个方向的子图像，再把网格应用到这4个方向的子图像上，统计每个网格中的黑像素占这个子图像总像素的比例，4个子图像的所有网格的比例值构成的矢量就是汉字的特征。使用不依耪干分类器的特征标准比较了新旧方案，表明新方案优于旧方案。     

一种数字图像的栅格矢量混合文件格式

基于数字图像的自适应非均匀矩形剖分,定义了一种数字图像的栅格矢量混合的文件格式,称之为RV文件格式,它是在给定剖分精度下,对图像的不同剖分层次自适应地采用不同的储存方式,层次高的以栅格方式储存,层次低的以矢量方式储存。其优势表现在可以节省空间,对数字图像有压缩效果。特别是对巨幅图像的存储,空间节省优势更为显著。对巨幅logo图像进行了压缩性能评价实验,结果表明数字图像的RV文件对大面积连续灰度的图像有显著的压缩效果。     

基于矩形NAM和偏微分方程的灰度图像压缩方法

借助矩形NAM图像表示方法和偏微分方程技术,提出一种新的灰度图像压缩方法.该方法在编码端把原始图像逆布局为若干矩形子块,并采用坐标压缩方法存储每个子块的位置、大小.在解码端,采用偏微分方程进行图像修复,有效消除解码图像中的方块效应.该方法的时间复杂度为 ,其中n为灰度图像像素数.实验表明:在保持图像质量的前提下,该方法具有更高的压缩比和更少的块数,具有较高实用价值.     

一种基于可重叠RNAM 的灰度图像表示算法

借助于二值图像的可重叠矩形区域编码的思想,通过使用可重叠矩形非对称逆布局的模式表示模型(RNAM)和扩展的Gouraud阴影法,给出了可重叠同类块逆布局的4个准则,提出了一种基于可重叠RNAM的灰度图像表示算法,简称为ORNAMC表示算法.在ORNAMC表示算法中,通过使用3个用于标识顶点类型的水平矩阵H、垂直矩阵V和单点矩阵I代替混合矩阵R,解决了灰度图像的可重叠RNAM表示中矩阵R的不可解码性问题;同时,通过将顶点类型及码字进行重新定义,提出了一种对矩阵H,V和I中所有非零元素坐标进行编码的坐标数据压缩算法.以图像处理领域里惯用的标准灰度图像等作为典型测试对象,实验结果表明,与已提出的非重叠RNAMC和流行的STC,SDCT等灰度图像表示方法相比,在保持图像质量的前提下,ORNAMC表示方法具有更高的压缩比和更少的块数,因而是灰度图像表示的一种更好的方法.     

矩形形态滤波器

矩形形态是一种最基本的灰度形态,在图像分析中有着重要的应用．为有效地检测出图像中的矩形形态,提出了一种矩形形态滤波器．首先定义了矩形形态滤波器的结构元素,然后定义了两种滤波模式：序位滤波和序位均值滤波．实验结果表明,矩形形态滤波器可以有效地从二值图像、二值噪声图像和灰度图像中检测出指定大小和方向的矩形形状．     

基于分形集的图像压缩方法

分形图像编码是一种极具发展前途的图像压缩方法,但由于其发展时间较短,还有许多问题尚待解决,其中较为突出的是,在很长的编码时间和较高的压缩比下重构图像质量尚不能令人满意。提出了一种新颖的分形图像压缩算法,即基于Julia集的分形图像压缩方法。该算法采用Julia曲线集合作为压缩编码字典,使用自适应四叉树法实现图像压缩。通过计算机模拟实验结果显示,此算法具有较高的图像压缩比和高质量的重建图像,编码速度提高也很明显。     

端到端优化的图像压缩技术进展

图像压缩是数据压缩技术在数字图像上的应用,其目的是减少图像数据中的冗余,从而用更加高效的格式存储和传输数据。传统的图像压缩方法中,图像压缩分为预测、变换、量化、熵编码等步骤,每一步均采用人工设计的算法分别进行优化。近年来,基于深度神经网络的端到端图像压缩方法在图像压缩中取得了丰硕的成果,相比传统方法,端到端图像压缩可以进行联合优化,能够取得比传统方法更高的压缩效率。文中首先对端到端图像压缩的方法和网络结构进行了介绍;接着对端到端图像压缩中的关键技术进行了阐述,包括量化技术、概率建模和熵编码技术以及编码端码率分配技术;然后介绍了端到端图像压缩的扩展应用研究,包括可伸缩编码、可变码率压缩、面向视觉感知和机器感知的压缩;最后通过实验对端到端图像压缩方法目前可达到的压缩效率与传统方法进行了对比,展示了其压缩性能。实验结果表明,目前最新的端到端图像压缩方法的压缩效率远高于JPEG,JPEG2000,HEVC intra等传统图像编码方法,相比目前最先进的编码标准VVC intra,在同样的MS-SSIM上节省了高达48.40%的编码码率。     

嵌入式应用中加速图像投影变换的Cache包围盒方法

本文提出Cache包围盒方法,用于提高嵌入式应用中图像投影变换的速度。该方法首先对目标图像分块,分别计算各块目标图像在原始图像上对应的像素点集合,进而找到能包围这些像素点的最小矩形包围盒(称为Cache包围盒)。然后,在投影变换时,通过直接存储器访问(DMA)方式依次将目标图像块及其在原始图像上的Cache包围盒图像块放入快速片内存储器中,避免直接从慢速的片外存储器读写图像数据,以提高投影变换速度。实验表明,采用Cache包围盒方法比不采用该方法可提高三倍的图像投影变换速度。Cache包围盒方法的思想同样适用于其他嵌入式应用中对非线性、不连续地址但又具有较好曲线相邻特性的大数据量读写场合,具有良好的可推广性。     

引入视觉注意机制可变分辨率的遥感图像压缩

图像压缩是遥感图像处理的重要研究领域,现有的压缩方法要么丢失重要的细节信息,无法满足实际的应用需要,要么压缩率过低,难以达到实时处理的要求。将视觉注意机制引入到遥感图像压缩中,对不同的显著性区域采用不同的压缩率,这样不仅可以对整个遥感图像达到一个高的压缩率,而且还可以保持重要区域的高分辨率,实现了可变分辨率的图像压缩。实验结果表明在前几个显著性区域中,该方法得到的图像压缩性能指标优于传统压缩方法得到的性能指标。