自适应量化方法.pptVIP

自适应量化方法 标量量化比较实验结果 小波分解与非均匀量化 小波分解与非均匀量化 索引色转换压缩方法 当图像分辨率比较高，即图像的像素点比较多的时候，尽量不降低图像的空间分辨率是保证图像效果的手段。但是，因为每幅图像都有需要描述的主题，所以一般情况下，24bit的数据量存在相当大的冗余，为此，本文借鉴位图的“索引色”模式的概念进行压缩处理。 彩色图像的索引色转换压缩 最佳索引色的选择方法 为了最大限度地提高压缩效率，采用索引色的方式，就需要减少索引色的颜色个数，这样可以降低索引值矩阵的数据量。 本文采用了自组织特征影射神经元网络（SOFM）来实现在确定颜色个数的情况下，最佳索引色的选择。 最佳索引色的选择 索引色转换压缩 BP SOFM 设采用颜色特征向量为Uk =[R，G，B] 。首先，计算各个颜色分量的均值，得到均值特征向量为，之后计算各颜色分量的方差，为 BP聚类结果 SOFM与BP结合 * * : : 原图像X SOFMNN 输出图像Y 基于SOFMNN的自适应量化示意图 (a) 32灰度级均匀量化 (b) 20灰度级经典非均匀量化 (c) 18灰度级自适应量化 (d) 8灰度级均匀量化 (e) 8灰度级经典非均匀量化 (f) 8灰度级自适应量化 g(x,y) 原图 量化 解压图 f(x,y) 1/0 1/0 1/0 8bit 图a 一次小波变换分解及重构示意图 g(x,y) 原图 量化 解压图 f(x,y) 图b 二次小波变换分解及重构示意图 1/0 1/0 1/0 2/1 1/0 2/1 8bit 小波变换 小波逆变换 小波变换 小波逆变换 1/0 1/0 1/0 2/1 1/0 3/2 1/0 2/1 3/2 8bit 1/0 1/0 1/0 2/1 1/0 3/2 1/0 4/3 1/0 2/1 3/2 4/3 8bit 图c 三次小波变换分解 及重构示意图 图d 四次小波变换分解 及重构示意图 (a) 原图 (b) 压缩效果图 图 a 一次小波变换编码的实验结果 (a) 原图 (b) 压缩效果图 图 b 二次小波变换编码的实验结果 (a) 原图 (b) 压缩效果图 图 c 三次小波变换编码的实验结果 图 d 四次小波变换编码的实验结果 (a) 原图 (b) 压缩效果图 索引色图像的描述方式示意图 索引矩阵 调色板 非最佳索引色(8色) (a) 原图 (b) PHOTOSHOP的索引色 (c) 本文的索引色 真彩图转换成16色的索引色图的比较实验结果 (s) 原图4 (t) 16色 (u) 12色 (v) 8色 (w) 6色 (x) 4色 不同景物不同颜色数下的索引色转换压缩比较实验结果 再获得一个判别烧蚀区域的颜色特征 的置信范围如下： C=1.5,2.0,2.5的聚类结果