改进的NAMK彩色图像表示算法

利用格雷码可以扩展或保持二值图像块状性的特点,提出一种改进的NAMK彩色图像表示算法NAMKG,给出算法的形式化描述及其存储结构,对其总数据量进行分析。理论分析和实验结果表明,相比NAMK算法和线性四元树算法,NAMKG可以有效减少子模式数,减小存储空间。     

一种改进的基于NAM的彩色图像表示算法

图像表示在机器人、图像处理、模式识别等领域里是一个非常重要的研究内容之一.尽管基于NAM的彩色图像表示方法是彩色图像模式的一种良好表示方法,但是该方法是建立在单类型子模式(矩形)基础之上,因而还有更进一步的优化空间.通过对多子模式类型的组合(矩形和三角形)逆布局作进一步的研究,提出了一种改进的基于NAM的彩色图像表示算法,并给出了该算法的存储结构和数据量分析.理论分析和实验结果表明:与基于NAM的彩色图像表示算法和流行的基于线性四元树的彩色图像表示方法相比,改进的基于NAM的彩色图像表示方法能更有效地减少子模式数(节点数)和数据存储空间,是彩色图像模式表示的一种更优的表示算法,为逐步逼近彩色图像模式的最优化表示提供了一种重要的研究途径.     

TSNAM彩色图像的格雷码表示

为了提高彩色图像模式的表示效率,借助于三角形和正方形布局问题的思想,将格雷码和位平面分解方法应用到彩色图像的三角形和正方形NAM表示方法（TSNAM）中,提出了一种基于格雷码的TSNAM彩色图像表示方法（GTSNAM）.给出了GTSNAM表示算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了分析.理论分析和实验结果表明,与最新提出的TSNAM表示方法和经典的线性四元树（LQT）表示方法相比,GTSNAM表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,因而是一种有效的彩色图像表示方法.     

基于格雷码的NAM彩色图像表示方法

提出了一个重要定理,即所有格雷码(Cray Codc)位面图的复杂性之和小于所有二值位面图的复杂性之和,并将格雷码应用到基于NAM的彩色图像表示方法中,提出了一种基于格雷码的NAM彩色图像表示方法(简称为GNAM表示方法)。给出了GNAM表示算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析。理论分析和实验结果均表明,与无格雷码的NAM表示方法和经典的线性四元树表示方法相比,GNAM表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是一种有效的彩色图像表示方法。     

一种新的灰度图像表示算法研究

图像表示是计算机图形学、计算机视觉、图像处理和模式识别等领域里的一个重要问题.文中扩展了著名的Gouraud阴影法,并通过使用矩形非对称逆布局模型(RNAM)和扩展的Gouraud阴影法,提出了一种新的灰度图像表示算法.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.实验结果表明:与流行的STC和SDCT灰度图像表示算法相比,在保持图像质量的前提下,文中提出的灰度图像表示算法具有更高的压缩比和更少的块数,因而能够更有效地减少数据存储空间,是灰度图像表示的一种良好方法.这种表示方法可以应用于灰度图像表示的各个方面,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.     

一种改进的TNAM灰度图像表示算法研究

图像表示在机器人、图像处理、模式识别等领域里是一个非常重要的研究内容之一.以流行的线性四元树表示方法和TNAM表示方法为研究对象,提出一种改进的TNAM灰度图像表示算法,并对算法的存储结构和总数据量进行了分析.理论分析和实验结果均表明:与流行的线性四元树表示方法和TNAM表示方法相比.改进的TNAM表示方法能更有效地减少数据存储空间,是灰度图像模式表示的一种良好表示方法.     

基于三角形和正方形的NAM灰度图像表示方法研究

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,是一个通用的模式表示模型。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。借助于三角形和正方形Packing问题的思想,本文提出了一种基于三角形和正方形的NAM灰度图像表示方法,简称NAMTS表示方法。给出了灰度图像的NAMTS表示算法,并对其存储结构和总数据量进行了详细分析。理论分析和实验结果表明:与经典的基于线性四元树的表示方法相比,基于三角形和正方形的NAM灰度图像表示方法能更有效地减少子模式数和数据存储空间,是灰度图像的一种良好的表示方法。     

一种基于非对称逆布局模型的彩色图像表示方法

借助于Packing问题的思想,提出了一种基于非对称逆布局的模式表示模型(non-symmetry and anti- packing pattern representation model,简称NAM)的彩色图像表示方法.通过描述NAM和彩色图像的二进制位平面分解(binary-bit plane decomposition,简称BPD)方法,给出了一种全新的基于NAM的彩色图像表示算法,并对算法的总数据量进行了分析.理论分析和实验结果均表明,与流行的基于分层结构的线性四元树的彩色图像表示方法相比,基于NAM的表示方法能够更有效地减少数据存储空间,是彩色图像模式表示的一种良好方法.这种方法可以应用于彩色图像模式表示的各个方面,在降低存储空间、提高传输速度、加快处理过程、模式匹配等方面具有良好的理论参考意义和实际应用价值.     

改进的三角形和矩形NAM的二值图像表示方法

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.提出一种改进的三角形和矩形NAM的二值图像(NAMTR)表示方法,简称INAMTR表示方法.给出了算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析.以图像处理领域里惯用的标准′Lena′、′Baboon′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:与目前新提出的NAMTR表示方法和经典的线性四元树表示方法相比,INAMTR表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是二值图像模式的一种更优的表示方法.     

三角形和矩形NAM表示的快速面积计算算法

提出一种基于三角形和矩形NAM表示的快速面积计算算法,给出算法的形式化描述,并分析其复杂度.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表明:与经典的基于紧凑四元树表示的面积计算算法相比,基于三角形和矩形NAM表示的面积计算算法具有更少的子模式数(节点数),从而计算速度更快.     

An improved algorithm for gray image representation using non-symmetry and anti-packing model with triangles and rectangles

Although the triangle non-symmetry and anti-packing model (TNAM) representation for gray images is an effective image representation method, there is still much space left for optimization. In this paper, inspired by the optimization idea of the packing problem, we proposed an improved algorithm for gray image representation using the non-symmetry and anti-packing model with triangles and rectangles (NAMTR). By comparing the representation algorithm of the NAMTR with those of the TNAM and the popular linear quadtree, theoretical and experimental results presented in this paper show that the former can greatly reduce the number of sub-patterns or nodes and simultaneously save the data storage much more effectively than the latter, and therefore it is a better method to represent gray images. Representation method of the NAMTR, as envisaged in this paper, shows a very strong promise, and it is valuable for further theoretical research and potential business foreground, such as reducing storage space, increasing transmission speed and improving pattern match efficiency.     

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.     

A novel binary image representation algorithm by using NAM and coordinate encoding procedure and its application to area calculation

We propose a novel binary image representation algorithm using the non-symmetry and anti-packing model and the coordinate encoding procedure (NAMCEP). By taking some idiomatic standard binary images in the field of image processing as typical test objects, and by comparing our proposed NAMCEP representation with linear quadtree (LQT), binary tree (Bintree), non-symmetry and anti-packing model (NAM) with K-lines (NAMK), and NAM representations, we show that NAMCEP can not only reduce the average node, but also simultaneously improve the average compression. We also present a novel NAMCEP-based algorithm for area calculation and show experimentally that our algorithm offers significant improvements.     

改进的TNAM二值图像表示方法

提出了一种改进的TNAM二值图像表示方法,简称ITNAM表示方法。给出了ITNAM算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析。以图像处理领域里惯用的标准‘Lena’,‘Baboon’和‘Peppers’等二值图像作为典型测试对象,对其进行了理论分析和实验,结果表明,与新提出的TNAM方法和经典的线性四元树表示方法相比,ITNAM表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是二值图像模式的一种更优的表示方法。     

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.