1) analog processing of image coding
图像编码模拟处理
2) analog image processing
模拟像处理
3) model-based image coding
模型基图像编码
5) the image processing for the barcode
条形码图像处理
6) 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。
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