1) Coding image
编码图像
2) image code
图像编码
1.
In this paper,after impoving the fuzzy cluster approach (FC),we propose a new fuzzy vector quantization Algorithm(FVQ)which is fitting for image code.
本文通过对模糊聚类(FC)的分析和改进,提出了一种适合图像编码的模糊矢量量化的方法(FVQ),该方法在聚类过程中未对矢量间的模糊关系进行扩张,而是构造更为合理的关系,从而在计算复杂度降低的情况下能得到更好的聚类,最后利用LBG局部寻优能力对聚类结果进一步优化,所得码书较传统LBG算法有大幅提高。
3) image coding
图像编码
1.
Fast fractal image coding algorithm based on ratio-of-horizontal-and-vertical-variances;
基于横、纵向方差比值的快速分形图像编码算法
2.
Hyperspectral image coding based on three-dimensional integer wavelet transform;
基于三维整数小波变换的高光谱图像编码方法
3.
Construction of 7/5 biorthogonal wavelet and its application to image coding;
7/5双正交小波的构造及图像编码应用
4) image encoding
图像编码
1.
Fast fractal image encoding based on mean deviation;
基于平均偏差的快速分形图像编码
2.
In this paper, the three components are analyzed and assessed, and several wavelet image encodings are compared.
小波图像编码由于其高压缩效率而得到广泛关注 ,其主要由小波、量化以及编码技术组成 。
5) picture coding
图像编码
1.
The paper introduces desktop picture coding by further comparing and analyzing different kinds of picture coding methods in application and then proposes a kind of comprehensive coding method through detailed analysis to picture features.
文章首先简单介绍了几种常见桌面图像编码算法,提出了一种综合编码方法:对桌面图像进行分析然后依次分离出连续色调区域、纯色区域和离散色调区域,再对分类后的子块分别进行压缩编码。
6) image compression
图像编码
1.
This paper presents an adaptive algorithm for image compression based on Human Visual System(HVS).
讨论了一种基于人类视觉特性的自适应图像编码算法，该算法在ＪＰＥＧ基础上采用视觉门限编码、自适应扫描技术。
2.
The characters of spectral satellite images are analyzed and a new spectral satellite image compression method based on region-enhanced wavelet transform and set partitioning in hierarchical tree (SPIHT) coding is presented which offered a satisfied compressing result by enhancing the wavelet coefficients of the serious image data area.
用该方法对多幅干涉多光谱图像进行了测试 ,测试结果表明 :该方法性能优于其他多光谱卫星遥感图像编码方法 ,并有利于在实时图像编码系统中得到应用。
3.
We have known that the goal of image compression is toimprove the compression ratio as efficiently as possible given the certainquality requirements of image.
具体工作如下:(1)本文首先对图像压缩编码的发展、图像编码的主要方法、图像编码性能的评价标准进行了研究,并对小波变换理论进行了比较全面的阐述,在此基础上探讨了小波变换实现图像数据压缩时的一般步骤。
补充资料：图像编码
传输图像信息的代码形式。它在接收端可重现图像。在图像信息传输过程中，例如把卫星拍摄的空间探测图片传输到地面上来，必须保持合理的保真度和最大限度地压缩传输的数据量，这就需要对图像信息进行合理的编码。最基本的图像编码方法是脉冲码调制，简称 PCM（见调制技术）。这是一种点处理技术的数字编码方法：首先对连续的视频信号采样和量化，然后赋予每一量化值一组固定字长的比特代码，称为码字。为了避免重建图像上量化分级之间出现光亮度跳变现象（灰度轮廓效应），被传输图像的灰度等级要取64～256级,即每个像素需要6～8个二进制数位。如果一幅图像包含有1024×1024像素，灰度等级为64级,则所需总位数为6×220。彩色图像的每个像素有3个灰度值（红、绿、蓝）,其总位数是黑白图像的3倍。代码比特数越大,图像传输时间就越长、存储量也越大。图像编码的一个重要指标是每个像素所用的平均位数，称为平均比特数。图像编码的任务在于：①在保证一定图像保真度的情况下尽可能地减少平均比特数。图像的最优编码就是在不丢失图像信息的条件下，平均比特数为最小的编码。②用接收的代码所恢复的图像是唯一的。为了减少代码位数，又不致产生严重的灰度轮廓效应,对通常的PCM编码量化方法可作些改进,如伪噪声量化、改良灰度量化、粗细量化等,它们都能在位数较少的情况下有效地减少一些灰度轮廓效应，但也伴随着图像的某些退化现象。还有一些其他方式的编码方法，如适合于图像的、边缘和灰级都较少的行程编码方法，用像素灰级预测值和实际值的差值进行量化的微分脉冲码调制(DPCM)的编码方法，以及属于一种最优统计编码的霍夫曼编码方法。在某些图像数据很大的情况下,也可以考虑适当地丢失一些图像信息(有些为肉眼所不能分辨的),以换取更小的平均比特数。这里涉及畸变的度量方法和图像的统计描述问题，是正在研究中的一个课题。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条