基于计算动词的图像压缩的研究.pptVIP

基于计算动词的图像压缩的研究 答辩人：江小君 指导老师：杨涛 廖英豪 论文简介 研究目的：介绍计算动词的概念及其在图像压缩领域的应用。 研究内容：在计算动词图像压缩方法的基础上，引入聚类方法，改进了计算动词图像压缩在标准动词提取上的不足，建立了一个规范的提取标准动词的方法。 理想计算动词选择(线性) 计算动词相似度 其中 ，作为调节因子， 聚类算法 聚类的目标是将数据聚集成类，使得类间的相似性尽量小，而类内的相似性尽量大。设是数据集，即 定义 的 聚类，将 分割成 个集合（聚类） 使其满足下面三个条件： K-MEANS算法 K-MEANS算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足： (1).同一聚类中的对象相似度较高； (2).不同聚类中的对象相似度较小。 计算动词聚类的实现过程 获得历史数据后，首先对原始数据做归一化处理。使其与标准动词匹配于[-1,1]的区间。 假设设计的理想动词的个数为3个， , , （可以设定其个数，本次研究分别采用3个和15个）。对于每一个观察到的采样波形数据，归一化处理后构造其进化函数，计算其分别与三个标准动词之间的相似度，得到三维的相似度矩阵： 三个理想动词的图像压缩 实验思路 相似度矩阵 其中 使用Kmeans聚类在属性空间做三维聚类，Ctrs为3维的8个聚类中心构成的矩阵。 Ctrs = 0.4694 0.9155 0.4755 0.2698 0.5737 0.6766 0.3907 0.6207 0.3916 0.4802 0.8207 0.4414 0.4482 0.7350 0.4257 0.3678 0.7463 0.5527 0.6344 0.6325 0.2954 0.4122 0.6743 0.4098 用MATLAB画出的三维图像 标准计算动词的计算 标准计算动词为重构图像所使用的标准模板。标准计算动词定义为相似度矩阵元素到聚类中心矩阵相应元素的最小距离。得到以下式子： 1×4采样窗口，8个标准动词 1×4采样窗口，8个标准动词图像 2×2采样窗口，8个标准动词 2×2采样窗口，8个标准动词 1×4采样窗口，16个标准动词 1×4采样窗口，16个标准动词 数据压缩效果的评估 压缩方法的质量经常使用峰值信噪比（PSNR）来衡量，它是原图像与处理图像之间均方误差信号最大值的平方的对数值。n是每个采样值的比特数，它的单位是dB。 四种情况的压缩比和峰值信噪比 窗口大小对图像的画质的影响 标准动词个数对图形画质的影响 对图片Lenna不同采样标准下PSNR值的归纳 Lenna的压缩比和峰值信噪比 图片Mandrill 对图片Mandrill不同采样标准下PSNR值的归纳 Lenna和Mandrill的PSNR对比（单位DB） 小结 从图片Lenna来看，PSNR值一开始有上升的趋势，直到采用采样窗口1*4，32个标准动词时达到最大值，之后又呈现下降的趋势。对图片Mandrill来说，PSNR值也是呈现先升后降得趋势，达到最大值为采用采样窗口为1*4，16个标准动词时，之后两个数据虽然有略小的波动，但是整体依然是呈下降的趋势。 综上可知，对不同的图片进行压缩和重构得到的PSNR值不同，且达到最大值的采样窗口大小和标准动词个数也不同。同时在实验中，即使是同一张图片，每次运行程序得到的PSNR值也不相同，但相差在很小的范围之内（＜0.1000），而且多次试验所有得到的PSNR值均未超过32。 15个理想动词图像压缩的尝试 实验思路 4×4采样窗口的计算动词相似度的计算 1×4的采样窗口相似度的计算 4×4采样窗口的计算动词相似度的计算 15个理想动词模板 理想动词1为template1 = [0.3 0.3 0.7 0.7; 0.3 0.3 0.7 0.7; 0.3 0.3 0.3