一、基于相关系数的快速分形图像压缩方法（论文文献综述）
包馨[1]（2021）在《“分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法》文中研究指明纹理数据是构建城市真三维模型过程中的重要组成部分,通常会占用大量内存,导致三维模型难以实现流畅稳定的动态可视化,因此,对纹理数据进行有效组织与调度已成为目前国际地理信息科学领域的重要和热点研究内容之一。本文针对目前国内外三维模型可视化中纹理数据及其组织的研究现状,提出了“分形视距”（FVD）纹理压缩与彩色多边形纹理集成的三维模型可视化方法。该方法能够用较少纹理数据表示出建筑物的视觉特征,极大提高了大场景三维模型可视化的渲染效率和速率,具有较大的研究价值。本文提出的“分形视距”（FVD）纹理压缩与彩色多边形纹理集成的三维模型可视化方法主要工作有以下几个方面:首先,本文针对目前国内外纹理压缩和数据管理现状,对FVD模型理论及数学基础进行介绍,重点分析了现有基本分形编码算法及其优缺点,阐述本文根据三维模型可视化中视点位置和距离进行纹理压缩的必要性。其次,根据视距及目标立面的可见性情况提出了“分形视距”纹理压缩及彩色多边形纹理组织方法。当视距满足纹理调用条件且目标立面可见时,对纹理数据进行动态迭代解压,并确定纹理重采样次数以创建多分辨率纹理数据;当视距不满足纹理调用条件但目标立面可见时,利用纹理分割算法创建颜色纹理树,通过合并节点生成彩色多边形来表示建筑立面纹理。基于三维模型数据的构成,以及对比总结现有空间数据存储结构的优缺点,本文利用关系数据库实现对建筑物纹理数据的高效存储和快速调用。然后,介绍了三维模型的纹理映射算法,并基于AABB包围盒的视锥裁剪方法,提出了FVD纹理动态调度方案。该方法根据最初视点位置和视线方向加载场景数据,当视点不断变化时,进行条件判断并调用相应的纹理数据,若三维建筑模型在视椎体外部,则不需要渲染该模型数据;若目标建筑立面不可见,则需要剔除此建筑立面,再根据视角和距离调用相应分辨率纹理或者彩色多边形纹理,完成三维建筑模型的动态可视化。最后,针对本研究提出的方法,利用两个研究区建筑纹理数据进行了实验。并且分别使用3ds Max、Sketch Up和本文提出的方法对实验结果从内存占用和帧速率两方面进行对比分析。实验结果显示,本方法和3ds Max、Sketch Up Pro相比,在研究区1中分别减少了约33.1%和37.2%的内存占用,帧速率分别提高了约8.4%和11.1%;在研究区2中分别减少了约36.5%和30.9%的内存占用,帧速率分别提高了约7%和10.9%。
颜心如[2]（2020）在《基于图像的编码技术分析研究》文中提出近年来,随着信息网络技术的不断发展,各种类型的多媒体网络和移动应用终端迅速推广普及,各种类型多媒体网络视频直播内容在网络社交与多媒体、医疗、调查以及休闲娱乐等各个领域随处可见。为了解决图像传输和存储问题,研究者们提出了多种图像编码算法。然而,现有的图像编码和图片后处理编码算法工作效率有待提高,仍具备较大的技术改进空间。如何有效控制压缩图像存储数据量,并且保证图像质量不明显降低是当前图像压缩领域亟待解决的重要问题。图像编码压缩技术通过有效消除原始编码图像压缩信号内的空间冗余来压缩原始图像中的数据。通常,图像的压缩率越高,质量上的损失就越大。高效的图像编码压缩算法要求保持高压缩率的同时,可以拥有高质量的压缩编码图像。本文关注于研究图像编码相关技术,总结了现有高效图像编码的主要方法,并在此基础上,对图像压缩算法进行了创新,研究内容主要包括:（1）基于相关系数的分形图像编码算法。本文提出一种基于相关系数的分形编码算法,通过相关系数来优化分形理论中压缩时间过长的问题。结合实验结果的分析表明,在保证一定图像编码质量的前提下,减少图像编码所需时间,即降低了编码过程的计算量。（2）基于移动最小二乘法的图像恢复算法。该算法总结了变换域编码的优缺点,应用了一种新的图像恢复算法,并运用在图像的下采样编码方案中,实现图像信号的有效恢复。仿真实验表明,该编码可以有效减少高压缩率下的图像失真现象,是一种高效的图像编码方法。（3）新型误差补偿量化算法。该算法旨在减少RGB彩色图像的高度失真。将彩色图像的整个RGB空间像素通过一种量化转换算法进行转换,表示为YCb Cr空间,减少了整个YCb Cr空间中每个像素的平均值和误差,从而提高彩色图像的整体图像质量。该压缩算法能够保证主体图像不会因为经过滤波器而自动产生新的图像失真。经实验验证,通过该压缩算法优化处理后的图像可以具有较好的主客观图像质量。
郑运平,李祥鹏[3]（2020）在《基于迭代控制搜索策略的分形图像压缩算法》文中进行了进一步梳理针对分形图像压缩算法编码时间较长的问题,提出了一种基于迭代控制搜索策略的快速分形图像压缩（ICSS）算法.当值域块寻找匹配的定义域块时,通过分形码的迭代更新次数来控制搜索过程,设置搜索终止条件,去除搜索过程中的低效搜索和无效搜索;同时计算图像块相似度时采用等距采样图像进行降维处理,进一步降低计算复杂度.实验结果表明:与经典算法文献算法相比,本文算法在保持图像压缩比不变的情况下,能获得更好的重建图像质量,且编码速度显着提升.
李祥鹏[4]（2019）在《基于分形理论的快速图像压缩算法》文中认为图像压缩是实现图像高效存储和传输的关键技术。基于分形理论的图像压缩算法因其压缩比高、重构图像质量好以及解码与图像分辨率无关的特性而受到广泛关注。然而,分形图像压缩算法在编码过程中为值域块搜索最优匹配块的过程会消耗大量时间,这阻碍了分形编码技术的现实应用。本论文基于分形理论,提出两个改进的分形图像压缩算法,有效提高分形图像压缩算法的速度。第一个分形编码算法是基于迭代控制搜索策略的分形图像编码算法。现有的分形编码算法存在因定义域块的特征空间分布不均匀而导致的低效搜索或无效搜索问题。此外,它们采用的固定质量允许误差控制搜索策略,会导致图像解码质量上限受限的问题。针对这些问题,本文提出控制分形编码搜索过程中迭代函数系统的更新次数,提前结束匹配过程中的低效搜索部分。同时结合了使用特征标准差对值域块进行平滑块与粗糙块的划分技术、对定义域块自适应扩张的码本缩减技术,并在计算图像块相似度时提出等距采样图像降维操作进一步降低计算复杂度,有效加快编码进程。从实践来看,本文所提出的基于迭代控制搜索策略的分形图像编码算法是在损失一定图像解码质量的情况下所能达到的较佳编码加速方案。第二个分形编码算法是基于自适应阈值四叉树分块的分形图像编码算法。针对基本分形编码中固定分块尺寸的设置以及传统四叉树分块中固定阈值的设置,没有考虑不同输入图像的自身特性不同以及同一图像的不同区域特性不同的客观差异,本文提出了自适应阈值的四叉树分块方法,根据图像子块的均值和标准差,动态计算出图像子块的特有阈值,根据特有阈值判断是否对当前图像块进行分割。从实践来看,本文所提的基于自适应阈值的四叉树分块的分形图像编码算法在稍微增加编码时间的前提下有效地提高了解码质量,实现了编码时间和解码质量间更好的平衡。为验证本文所提出的新方法,本文对8幅512*512的常用标准灰度图像进行测试,通过计算编码时间（ET）和图像解码质量（PSNR）进行算法的性能评估。结果表明,对比现有的分形图像编码算法,在解码图像质量损失一定的前提下,本文算法具有更高效的编码速度和获得良好的图像解码质量。
邵豪[5]（2017）在《基于分形法水声图像压缩编码研究》文中研究说明随着水声技术的广泛应用,由各类水下探测设备直接或间接生成的水声图像数据量急速膨胀,由于水声信道带宽有限,数据传输速率不高,因此,必须对水声图像进行压缩才能满足水下实际需求。传统的图像压缩编码方法主要基于Shannon信息论,通过去除图像中的信息冗余实现压缩,由于受熵的限制,压缩比普遍不高。分形理论的出现为图像压缩开辟了一条全新的思路,分形压缩以图像中普遍存在的自相似性为基础,以去除图像中的结构冗余为基本思想,通过使用较少的压缩仿射参数来表示原图像,从而实现图像高倍压缩,而分形解码过程只需通过几次迭代运算即可完成。分形压缩因其思想新颖、压缩比高、解码速度快、解码图像分辨率无关等特性吸引了众多研究者的目光,成为当今最活跃最有前途的图像压缩编码之一。自Jacquin提出基本分形编码以来,各类改进算法不断涌现,然而目前依然没有一个获得普遍认可的理想算法,分形编码在迈向实用化的路上还有许多问题需要解决。本文在基本分形算法的基础上结合水声图像的特点,对如何进一步加快分形编码速度、提高分形编码对水声图像的适用性等问题进行研究,主要内容如下:（1）介绍了水声图像压缩的意义、传统图像压缩和分形图像压缩的发展过程及特点。（2）研究了基本分形编码算法的实现过程,通过实验分析了不同因素对编码性能的影响,从分类匹配、缩减码本、优化搜索范围、改变值域块分割方式等不同方向研究了当前主流的分形编码改进策略,提出基于方差和相关系数缩减码本改进算法。（3）根据水声图像的特点,提出基于感兴趣区域分形编码算法。按图像中不同区域的重要程度将图像分割为不同尺寸的子块,并分别进行编码,在提高压缩比的同时又保留了图像中感兴趣区域的细节信息。（4）为简化分形编解码过程、提高编码速度,提出基于字典分形编码改进算法。对字典的生成、扩充和分类等过程进行详细分析并提出改进方案,增加字典的多样性和适用性,提高字典编码算法性能。（5）为充分利用以上两种算法的优势,提出基于字典和感兴趣区域综合算法,通过实验验证该算法在水声图像压缩中的有效性和可行性。
刘建军[6]（2016）在《基于分形的图像压缩编码技术研究》文中指出近年来,基于分形的图像压缩编码方法倍受国内外研究者的关注。分形编码是利用图像自相似性,通过消除图像数据信息的冗余度实现数据信息的压缩。而编码时间过长、计算复杂度高等一直是分形图像编码的缺点。针对这些缺点,本文将基本分形法做出改进,并提出了分形与DCT变换相结合的编码方法,具体工作如下:（1）在基本分形法图像压缩基础上,提出了一种基于相关系数的快速匹配算法的改进算法。该算法将在码本中搜索值域块的最佳匹配块问题转化为搜索与值域块有最大相关系数的定义域块的问题。为了提高编码速度,文中只计算定义域块和值域块的主次对角线上元素之间的相关系数。实验结果显示,在保证一定的图像质量前提下,编码时间大大减少。（2）提出了一种基于离散余弦变换（DCT）编码的改进算法。该算法保留了变换后频域内所有左上角系数及剩下的大于给定阈值的高能量系数,从而降低了图像的信息损失。实验结果显示,图像的恢复质量得到提高。（3）提出了一种基于分形和DCT变换编码相结合的图像压缩算法。该算法利用分形的整体与部分相似的思想,通过较大图像块来补偿较小图像块间的不连续性。实验结果显示,该算法提高了图像的恢复质量,降低了“块效应”现象。
刘刚[7]（2016）在《基于无线供能的胃肠道视频胶囊内窥镜系统及肿瘤图像识别算法研究》文中研究指明无线胶囊内窥镜（Wireless capsule endoscopy,WCE）系统作为一种安全方便、无创无痛、全消化道检测方法,通过采集人体消化道内壁图像使临床医生获得病灶处最直观的信息。近年来,有关WCE的研究已经成为国内外医疗器械领域的研究热点之一。然而现有WCE系统的图像分辨率、图像传输帧率以及工作时间还无法满足临床使用要求。同时WCE一次检查获取的消化道图像多达几万张,对于临床医生来说,WCE视频的判读是一个费时费力的过程,这也阻碍了WCE在临床上的进一步推广应用。本文在国家和省级多项科研计划项目资助下,开展了基于无线供能的视频胶囊内窥镜系统和肿瘤图像识别算法的研究。分析了人体胃肠道生理特征及其对WCE系统设计的影响,提出两种不同类型的新型视频胶囊内窥镜系统样机:基于NTSC制式的视频胶囊内窥镜系统和基于Raw图像的数字式视频胶囊内窥镜系统。分别对它们内部的各功能模块进行了研究与设计。选择新型CMOS图像传感器,设计与之匹配的针孔镜头和照明模块;选择满足性能要求的微型控制处理器,完成视频胶囊内窥镜控制电路与数据处理模块的设计。结合图像传感器输出的视频图像格式,设计了能量利用率高、信号穿透力强、频带宽的无线视频传输电路;在视频胶囊内窥镜内部空间尺寸的限制下,设计了法向模螺旋发射天线,并建立仿真模型对其参数进行了优化。最后,设计了体外视频图像接收显示系统,在实现视频图像的接收、显示与存储的同时,让医生对视频胶囊内窥镜的工作状态进行监测。为了满足视频胶囊内窥镜系统的能量需求,分析了感应耦合式无线能量传输的基本原理,在安全性和稳定性约束条件下,提出视频胶囊内窥镜无线能量传输系统的模块化设计思想。围绕人体电磁安全性、磁场均匀性和频率稳定性等方面要求,设计了满足要求的能量发射电路和类椭圆螺线管对结构的便携式能量发射线圈。以人体组织电流密度和比吸收率（SAR）为参量分析了人体电磁辐射安全性;根据电磁场基本原理,推导不同能量发射线圈内部磁场分布表达;通过驱动电流的下降程度,分析发射线圈的频率漂移问题。从温升安全性、接收能量的稳定性出发,设计了满足要求的能量接收电路和新型三维空心圆柱接收线圈。通过检测不同线圈的温升情况,讨论了能量接收线圈内阻的安全范围;建立不同的坐标模型,分析了新型接收线圈的姿态稳定性。最后,分析了无线能量传输效率,以利于后续参数的实验优化。为了降低临床医生的工作量,提高诊断率,提出了基于多尺度分析和分形技术的WCE肿瘤图像自动识别算法。在RGB和HSV颜色空间中,首先将离散曲波变换和分形技术相结合,利用离散曲波变换选取合适的尺度重构WCE纹理图像,采用分形技术计算重构图像的局部分形维数,然后通过提取高斯型二阶矩统计特征和非高斯型三阶矩统计特征来区分WCE肿瘤和正常图像。建立基于遗传算法（GA）和支持向量机（SVM）的特征选择及分类识别方法,获取分类效果最优的特征集,降低特征向量维度的同时提高分类效率。采用K-fold交叉验证方法对SVM分类器的参数C和x实现智能优选,并确定最优参数。针对选定的WCE图像数据集,对提出的算法进行测试,最终得到的分类识别灵敏度为97.8%,特异度为96.7%,基本实现了WCE肿瘤图像的初步诊断。在实验研究的基础上,按照功能结构的不同,分别对视频胶囊内窥镜系统进行系统集成以及功能验证。测试了其内部照明电路,图像采集模块,数据压缩模块和无线传输模块的工作性能。通过离体肠道实验,采集到清晰的离体肠道图像,验证了整个功能模块的可行性。在无线能量传输系统的实验中,先后对能量发射和接收线圈进行了实验优化,确定了二者的参数数据,同时验证了新型三维空心圆柱接收线圈的姿态稳定度优于三维正交接收线圈。然后在不同介质中,对无线供能的NTSC视频胶囊内窥镜进行测试,进一步验证了在生物组织影响下,整个视频胶囊内窥镜系统的能量传输性能和通信性能,取得了本课题研究的阶段性成果,为下一步的研究和改进打下了良好的基础。
杜松林[8]（2015）在《分形图像压缩及其改进算法研究》文中进行了进一步梳理视觉是人脑获取信息的最主要方式。现如今,随着图像获取技术和计算机网络技术的成熟与普及,海量的数字图像充斥着我们的生活,图像压缩成了重要的研究方向。以降低图像数据的统计相关性为出发点的第一代图像压缩编码方法已经不能满足人们的需求,而小波编码、神经网络编码、分形压缩编码等第二代图像压缩技术已经开始受到越来越多的重视。分形图像压缩充分利用了自然图像局部与局部或局部与整体之间存在的自相似,通过最大程度地消除图像内部的几何冗余来实现图像压缩。由于可以获得较高的压缩率,分形图像压缩被认为是最有潜力的图像压缩方法之一。本论文对分形图像压缩进行了研究,并针对其存在的不足,提出了两种改进算法。论文的主要工作和创新点包括:1.由于分形图像压缩的解码图像容易出现与人眼视觉感知严重不符的方块效应,本文提出了一种改进的分形图像压缩算法,以提高解码图像质量。具体来说,首先修正了基于人眼视觉特性的特征相似性指标,然后将修正后的特征相似性指标用作搜索最佳匹配块的准则,得到了一种基于人眼视觉特性的分形图像压缩编码算法。仿真实验表明,本文提出的算法可以在一定程度上抑制方块效应,有效提高解码图像质量。2.分形图像压缩的另一个重要缺点是编码的时间复杂度高,原因是编码过程中要为每个图像块搜索其最佳的匹配块。为了提高编码速率,本文在分形图像压缩中用Grover量子搜索算法为每个图像块搜索其最佳的匹配块,使分形图像压缩的编码速率得到了提高。仿真实验表明本文提出的算法可以在基本保持解码图像质量的条件下有效降低分形图像压缩的时间复杂度。
潘章容[9]（2014）在《分形图像压缩中空间映射的研究》文中指出计算机技术的快速发展,信息资源的大量共享以及网络资源的限制,在多媒体服务和数字通信等应用领域,图像压缩/编码成了信息通信传输至关重要的技术。分形图像压缩编码以其新颖的思想、高压缩比、分辨率无关性、解码速度快等优点自提出以来就受到广泛关注,是公认的最有前途的新一代图像编码技术之一。经典的二维灰度变换只将图像的灰度值作为变量进行匹配（相似性）计算,没有考虑图像中像素的位置关系,匹配性能较差；而最初的基于三维的空间映射灰度值变换是对空间映射灰度变换的所有系数同时进行计算、量化后再存储,为保证解码时的收敛性,在量化时对压缩因子进行截断,影响了重构效果,且计算复杂、编码时间较长。针对上述不足,本文提出了一个改进的空间映射灰度变换,该方法将位置与亮度同时纳入到灰度变换中,形成三维空间上曲面模式之间的线性映射,并预先量化空间映射压缩因子,再计算和量化空间映射灰度变换的其他系数,提高range块和（?）domain块成功匹配的可能性。将改进的空间映射灰度变换应用到（?）Fisher四叉树分类的压缩算法中,实验结果表明,该方法在不降低重构图像质量的前提下,减少了编码块数,提高了图像的压缩比,大幅缩短了编码时间。根据大量实验数据分析,找到了改进的空间映射灰度变换系数的分布规律,在此基础上提出一种综合效果较理想的量化、编码方案,该方案分别用6bit、5bit和9bit量化a、b和d值；然后将量化方案运用到实际的编码算法中,实验结果表明,本文的量化方案具有可行性,且相对其他量化方案,能取得压缩比和重构质量较好的综合效果。本文还对压缩因子s进行了讨论,主要分析压缩因子s值的设定对编码时间的影响,实验结果显示,减少对s值的量化编码,使PSNR在一定程度上会下降,但是能大幅地减少编码时间,提高编码效率。
杨培[10]（2013）在《基于分形图像编码的快速搜索方法研究》文中认为当今是信息技术高速发展的时代，以图像为主的多媒体技术充斥着我们的生活，这也使得人们越来越关注如何更有效地处理图像数据。在进行大量图像数据的处理时，考虑如何在保证图像质量的前提下以较小的比特数和较少空间进行图像的传输和存储已成为问题的关键，因此各种图像压缩编码技术应运而生。而分形编码被认为是目前最有前途的编码技术之一，但是因其编码时间长、计算复杂性高等问题使其应用性受到了限制。针对这些问题，本文做了如下工作：（1）针对Jacquin的基本分形算法的编码和解码原理，通过对复杂度不同标准测试图像的分析，验证了迭代大约10次左右就能得到稳定的解码图像并且与原图像相近。（2）给出了基于相对误差意义下的快速分形图像编码算法。该算法让值域块只与满足相对误差意义下的定义域块进行匹配，然后在匹配块的k邻域找到均方误差意义下的最优匹配块，缩减了码本搜索范围，优化了匹配块的搜索过程。实验结果表明：本章提出的改进算法在保证解码图像质量的前提下，提高了编码速度且优于基本分形编码方法。（3）给出了基于相对误差剔除条件的快速编码算法。该算法通过定义标准距离设置了剔除条件并利用D块标准差阀值来建立容许码本，同时结合相对误差以达到缩减码本池的目的，从而减少了编码时间。实验结果表明：本章提出的改进算法在保证解码图像质量的前提下，提高了编码速度且优于基于相对误差意义下的快速分形图像编码算法和基本分形编码方法。
二、基于相关系数的快速分形图像压缩方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于相关系数的快速分形图像压缩方法（论文提纲范文）
（1）“分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 纹理图像压缩方法研究现状 |
| 1.2.2 三维场景数据存储及组织研究现状 |
| 1.2.3 三维模型可视化研究现状 |
| 1.3 研究内容及论文结构 |
| 第2章“分形视距”(FVD)模型理论及数学表示 |
| 2.1 FVD纹理压缩理论基础 |
| 2.1.1 仿射变换 |
| 2.1.2 度量空间 |
| 2.1.3 压缩映射定理 |
| 2.1.4 迭代函数系统 |
| 2.1.5 拼贴定理 |
| 2.2 基本分形压缩原理与实现 |
| 2.2.1 编码阶段 |
| 2.2.2 解码阶段 |
| 2.3 本章小结 |
| 第3章 FVD纹理压缩与彩色多边形纹理的组织方法 |
| 3.1 FVD多分辨率纹理生成 |
| 3.1.1 基于四叉树的分形纹理压缩 |
| 3.1.2 FVD多分辨率纹理解码 |
| 3.2 彩色多边形纹理的生成 |
| 3.2.1 纹理多边形分割 |
| 3.2.2 颜色纹理树的创建 |
| 3.3 纹理数据存储方法 |
| 3.3.1 数据库设计 |
| 3.3.2 纹理存储方式 |
| 3.4 本章小结 |
| 第4章 三维场景数据的动态调度机制 |
| 4.1 纹理映射算法 |
| 4.2 数据动态调度方法 |
| 4.2.1 视椎体纹理剔除算法 |
| 4.2.2 包围盒构建方法 |
| 4.2.3 基于AABB包围盒的视锥裁剪方法 |
| 4.2.4 纹理动态调度 |
| 4.3 本章小结 |
| 第5章 实验结果与分析 |
| 5.1 测区概况与实验数据 |
| 5.2 纹理预处理 |
| 5.2.1 创建FVD多分辨率纹理 |
| 5.2.2 生成彩色多边形纹理 |
| 5.3 三维模型动态可视化 |
| 5.4 实验对比分析 |
| 5.5 本章小节 |
| 第6章 结论与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 申请学位期间的研究成果及获奖情况 |
| 致谢 |
（2）基于图像的编码技术分析研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 本文主要工作 |
| 1.4 论文的结构安排 |
| 第二章 图像编码技术 |
| 2.1 图像编码技术原理 |
| 2.2 图像编码技术分类 |
| 2.3 图像编码效果的评价 |
| 2.3.1 主观评价方法 |
| 2.3.2 客观评价方法 |
| 2.4 现有编码标准的介绍 |
| 2.4.1 静止图像编码的国际标准 |
| 2.4.2 动态图像编码的国际标准 |
| 2.4.3 其它一些图像格式 |
| 2.5 现有图像编码技术 |
| 2.5.1 预测编码 |
| 2.5.2 哈夫曼编码 |
| 2.5.3 统计编码 |
| 2.5.4 变换编码 |
| 2.6 本章小结 |
| 第三章 基于相关系数的分形编码算法 |
| 3.1 分形理论 |
| 3.2 分形图像压缩理论 |
| 3.2.1 仿射变换 |
| 3.2.2 拼贴定理 |
| 3.2.3 压缩映射 |
| 3.2.4 不动点定理 |
| 3.3 迭代函数系统 |
| 3.4 基本分形编码算法 |
| 3.5 基于相关系数的分形编码 |
| 3.6 仿真结果以及实验分析 |
| 3.7 本章小结 |
| 第四章 基于移动最小二乘法的图像恢复算法 |
| 4.1 基于像素域下采样的编码方法 |
| 4.2 基于变换域的下采样图像编码算法 |
| 4.3 基于移动最小二乘法的图像恢复方法 |
| 4.4 仿真结果以及实验分析 |
| 4.5 本章小结 |
| 第五章 新型误差补偿量化算法 |
| 5.1 基于RGB-YCb Cr转换的图像编码 |
| 5.2 RGB与 YCb Cr关系 |
| 5.3 基于新型误差补偿算法的图像编码方案 |
| 5.4 仿真结果以及实验分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于迭代控制搜索策略的分形图像压缩算法（论文提纲范文）
| 1 算法推导 |
| 1.1 迭代控制搜索策略 |
| 1.2 基于相关系数的分形编码 |
| 1.3 算法描述 |
| 2 实验结果分析 |
| 3 结语 |
（4）基于分形理论的快速图像压缩算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩算法本质与分类 |
| 1.3 分形产生和定义 |
| 1.4 基于分形理论的图像编码的发展现状 |
| 1.5 图像压缩算法性能评估 |
| 1.6 内容安排 |
| 第二章 分形图像编码理论相关介绍 |
| 2.1 基于分形理论编码的基本概念 |
| 2.1.1 仿射变换 |
| 2.1.2 度量空间 |
| 2.1.3 压缩映射定理 |
| 2.1.4 迭代函数系统,不动点定理,拼贴定理 |
| 2.2 基本分形算法的实现 |
| 2.2.1 引言 |
| 2.2.2 局部迭代函数系统 |
| 2.2.3 基本分形编码 |
| 2.2.4 实验分析 |
| 2.3 本章小结 |
| 第三章 基于迭代控制搜索策略的分形图像编码 |
| 3.1 引言 |
| 3.2 缩减值域池规模 |
| 3.3 更换相似度衡量方式 |
| 3.3.1 相关系数理论基础 |
| 3.3.2 等距采样图像降维 |
| 3.4 更换搜索策略 |
| 3.4.1 缩减码本空间 |
| 3.4.2 迭代控制搜索策略 |
| 3.5 算法编码/解码具体步骤 |
| 3.6 实验分析 |
| 3.7 本章小结 |
| 第四章 基于自适应阈值四叉树分块的分形图像编码 |
| 4.1 引言 |
| 4.2 固定阈值四叉树分块方法 |
| 4.3 自适应阈值四叉树分块方法 |
| 4.4 具体编码/解码步骤 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）基于分形法水声图像压缩编码研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究意义及背景 |
| 1.2 图像压缩概述 |
| 1.2.1 图像压缩的必要性及系统模型 |
| 1.2.2 图像压缩技术的发展历程 |
| 1.3 图像压缩性能评价 |
| 1.4 分形编码概述 |
| 1.4.1 分形编码的提出 |
| 1.4.2 分形编码的特点 |
| 1.4.3 分形编码的研究现状 |
| 1.5 论文的主要内容及组织结构 |
| 第2章 分形编码基本理论 |
| 2.1 分形概述 |
| 2.1.1 分形定义 |
| 2.1.2 分形维数 |
| 2.1.3 分形空间 |
| 2.2 分形编码的数学基础 |
| 2.2.1 仿射变换 |
| 2.2.2 压缩映射及不动点定理 |
| 2.2.3 迭代函数系统 |
| 2.2.4 拼贴定理 |
| 2.3 本章小结 |
| 第3章 基本分形编码 |
| 3.1 编码思想 |
| 3.2 基本分形编码算法 |
| 3.2.1 编码过程 |
| 3.2.2 解码过程 |
| 3.2.3 算法实现及实验结果 |
| 3.3 基本分形编码的改进 |
| 3.3.1 分类匹配 |
| 3.3.2 缩减码本 |
| 3.3.3 优化搜索范围 |
| 3.3.4 改变值域块分割方式 |
| 3.4 本章小结 |
| 第4章 基于感兴趣区域分形编码算法 |
| 4.1 基本思想 |
| 4.2 算法实现过程 |
| 4.2.1 图像去噪 |
| 4.2.2 感兴趣区域提取 |
| 4.2.3 四叉树分割 |
| 4.2.4 编码过程 |
| 4.2.5 解码过程 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 第5章 基于字典分形编码算法 |
| 5.1 基本思想 |
| 5.2 算法实现过程 |
| 5.2.1 字典生成 |
| 5.2.2 编码过程 |
| 5.2.3 解码过程 |
| 5.3 实验结果及分析 |
| 5.4 基于字典与感兴趣区域综合算法 |
| 5.4.1 基本思想 |
| 5.4.2 编码过程 |
| 5.4.3 解码过程 |
| 5.4.4 实验结果及分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（6）基于分形的图像压缩编码技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 图像压缩 |
| 1.2 图像压缩编码评价 |
| 1.3 分形图像压缩概述 |
| 1.4 论文内容安排 |
| 第二章 分形几何 |
| 2.1 分形概念 |
| 2.2 分形维数 |
| 2.2.1 分维 |
| 2.2.2 豪斯多夫测度和维数 |
| 2.3 度量空间 |
| 2.4 分形图像压缩理论 |
| 2.4.1 仿射变换 |
| 2.4.2 压缩映射与不动点定理 |
| 2.4.3 拼贴定理 |
| 2.4.4 分形与函数迭代系统 |
| 2.5 本章小结 |
| 第三章 基于分形算法和基于相关系数的分形编码 |
| 3.1 基本分形编码算法 |
| 3.1.1 基本算法的原理 |
| 3.1.2 算法的实现步骤 |
| 3.1.3 实验结果 |
| 3.2 基于相关系数的分形编码 |
| 3.2.1 理论基础 |
| 3.2.2 算法思想及步骤 |
| 3.2.3 实验结果 |
| 3.3 本章小结 |
| 第四章 离散余弦变换算法的改进 |
| 4.1 基于离散余弦变换的图像压缩 |
| 4.1.1 一维离散余弦变换 |
| 4.1.2 二维离散余弦变换 |
| 4.1.3 压缩过程 |
| 4.2 改进的算法 |
| 4.2.1 算法的思想及步骤 |
| 4.2.2 MATLAB程序实现及实验效果 |
| 4.3 本章小结 |
| 第五章 分形与离散余弦变换的混合编码 |
| 5.1 理论依据 |
| 5.2 算法的思想及步骤 |
| 5.3 算法的实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 致谢 |
（7）基于无线供能的胃肠道视频胶囊内窥镜系统及肿瘤图像识别算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 无线胶囊内窥镜的国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 无线供能技术的研究进展 |
| 1.4 胶囊内窥镜图像肿瘤识别的国内外研究现状 |
| 1.5 关键技术及挑战 |
| 1.6 本文研究内容 |
| 第2章 无线胶囊内窥镜系统研究 |
| 2.1 人体胃肠道生理特征及其影响 |
| 2.1.1 人体胃肠道生理特征 |
| 2.1.2 胃肠道生理特征对视频胶囊内窥镜系统设计的影响 |
| 2.2 基于NTSC制式的双头视频胶囊内窥镜系统研究 |
| 2.2.1 系统方案与架构 |
| 2.2.2 视频采集模块 |
| 2.2.3 视频控制模块 |
| 2.2.4 无线视频传输模块 |
| 2.2.5 无线视频接收系统 |
| 2.3 基于Raw图像的数字式视频胶囊内窥镜系统研究 |
| 2.3.1 系统方案与架构 |
| 2.3.2 Raw图像采集与转换 |
| 2.3.3 Raw图像控制与处理 |
| 2.3.4 Raw图像传输模块 |
| 2.3.5 Raw图像接收与显示 |
| 2.4 本章小结 |
| 第3章 无线能量传输系统研究 |
| 3.1 无线能量传输的基本原理 |
| 3.1.1 无线能量传输模式及组成 |
| 3.1.2 电磁感应相关原理 |
| 3.2 无线能量传输约束条件及模块化设计方案 |
| 3.2.1 无线能量传输安全性约束条件 |
| 3.2.2 无线能量传输稳定性约束条件 |
| 3.2.3 无线能量传输系统模块化设计方案 |
| 3.3 无线能量发射子系统研究 |
| 3.3.1 能量发射电路 |
| 3.3.2 能量发射线圈结构 |
| 3.3.3 电磁辐射安全性分析 |
| 3.3.4 磁场均匀性分析 |
| 3.3.5 频率稳定性分析 |
| 3.4 无线能量接收子系统研究 |
| 3.4.1 能量接收电路 |
| 3.4.2 能量接收线圈结构 |
| 3.4.3 温升安全性分析 |
| 3.4.4 姿态稳定性分析 |
| 3.5 无线能量传输系统效率分析 |
| 3.6 本章小结 |
| 第4章 基于多尺度分析的肿瘤图像识别技术研究 |
| 4.1 肿瘤图像识别技术的原理和步骤 |
| 4.2 图像预处理 |
| 4.2.1 颜色空间转换 |
| 4.2.2 离散曲波分解和重构 |
| 4.2.3 局部分形维数计算 |
| 4.3 图像彩色纹理特征提取 |
| 4.3.1 纹理特征描述符 |
| 4.3.2 高斯型二阶矩统计特征 |
| 4.3.3 非高斯型高阶矩统计特征 |
| 4.4 特征选择与肿瘤图像分类识别 |
| 4.4.1 纹理特征评估 |
| 4.4.2 遗传算法理论 |
| 4.4.3 支持向量机基础 |
| 4.4.4 特征选择及肿瘤图像分类实现 |
| 4.5 实验与分析 |
| 4.5.1 实验样本 |
| 4.5.2 评价标准 |
| 4.5.3 不同特征向量对比实验 |
| 4.5.4 与其他算法的对比实验 |
| 4.6 本章小结 |
| 第5章 无线胶囊内窥镜系统集成及实验分析 |
| 5.1 NTSC制式双头视频胶囊内窥镜实验研究 |
| 5.1.1 视频胶囊内窥镜系统集成 |
| 5.1.2 图像采集实验 |
| 5.1.3 无线视频传输实验 |
| 5.1.4 离体肠道实验 |
| 5.2 Raw图像的视频胶囊内窥镜平台实验研究 |
| 5.2.1 系统集成与分析 |
| 5.2.2 图像采集实验 |
| 5.2.3 近无损压缩算法验证 |
| 5.2.4 全彩色图像恢复算法验证 |
| 5.3 无线能量传输实验 |
| 5.3.1 能量发射系统实验 |
| 5.3.2 能量接收系统实验 |
| 5.3.3 视频胶囊内窥镜无线供能实验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 下一步研究内容 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
| 攻读博士学位期间的专利及软件着作权 |
（8）分形图像压缩及其改进算法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 图像压缩的研究背景和发展现状 |
| 1.3 分形图像压缩的发展现状 |
| 1.4 图像压缩算法的评价指标 |
| 1.4.1 压缩率 |
| 1.4.2 解码图像质量 |
| 1.4.3 编码速率 |
| 1.5 本文的主要工作和章节安排 |
| 第二章 分形图像压缩的理论基础 |
| 2.1 分形的基本定义 |
| 2.2 分形图像压缩的数学基础 |
| 2.2.1 度量空间 |
| 2.2.2 压缩映射定理 |
| 2.2.3 拼贴定理 |
| 2.2.4 迭代函数系统 |
| 2.3 分形图像压缩的基本方法 |
| 2.3.1 分形图像压缩的基本编码方法 |
| 2.3.2 分形图像压缩的基本解码方法 |
| 2.4 本章小结 |
| 第三章 基于特征自相似的分形图像压缩编码 |
| 3.1 概述 |
| 3.2 图像特征相似性指标 |
| 3.3 基于特征自相似的分形图像压缩 |
| 3.3.1 对特征相似性指标的修正 |
| 3.3.2 基于特征自相似的分形图像压缩编码 |
| 3.4 仿真实验与结果分析 |
| 3.5 本章小结 |
| 第四章 基于量子搜索算法的分形图像压缩 |
| 4.1 量子计算的基础概念 |
| 4.1.1 量子态 |
| 4.1.2 量子比特 |
| 4.1.3 量子测量 |
| 4.2 Grover量子搜索算法 |
| 4.3 经典数字图像的量子化表达 |
| 4.4 基于量子搜索算法的分形图像压缩 |
| 4.5 仿真实验与结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要结论 |
| 5.2 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（9）分形图像压缩中空间映射的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文内容安排 |
| 第2章 分形算法相关基础理论 |
| 2.1 分形编码基本理论 |
| 2.1.1 完备度量空间 |
| 2.1.2 压缩映射定理 |
| 2.1.3 迭代函数系统 |
| 2.1.4 拼贴定理 |
| 2.2 分形压缩算法基本原理与实现 |
| 2.2.1 分形压缩算法基本原理 |
| 2.2.2 压缩算法实现 |
| 2.3 解码算法 |
| 2.4 图像压缩的判别标准 |
| 2.4.1 图像压缩质量判别标准 |
| 2.4.2 压缩比 |
| 2.4.3 压缩时间 |
| 2.5 本章小结 |
| 第3章 基于FISHER分类的空间映射分形图像压缩 |
| 3.1 FISHER分类思想 |
| 3.2 FISHER分类算法基本思想 |
| 3.3 灰度变换理论 |
| 3.3.1 传统的灰度变换 |
| 3.3.2 平面拟合 |
| 3.3.3 空间映射灰度变换 |
| 3.4 改进的空间映射灰度变换 |
| 3.5 实验结果及分析 |
| 3.5.1 实验参数和环境设定 |
| 3.5.2 实验结果分析 |
| 3.6 本章小结 |
| 第4章 编码参数分析 |
| 4.1 空间映射量化参数分析 |
| 4.1.1 a,b,d值范围分析 |
| 4.1.2 参数的量化设置 |
| 4.1.3 a,b,d量化bit数对比分析 |
| 4.2 S的讨论 |
| 4.2.1 S的分析 |
| 4.2.2 实验结果 |
| 4.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士学位期间所发表的论文 |
（10）基于分形图像编码的快速搜索方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 本文的研究背景和意义 |
| 1.2 分形图像压缩的发展概述 |
| 1.2.1 分形理论发展的基本过程 |
| 1.2.2 分形图像压缩编码的发展 |
| 1.3 图像压缩编码方法的性能评估 |
| 1.4 本文的主要工作 |
| 第二章 分形图像压缩的理论基础 |
| 2.1 分形的相关概念 |
| 2.1.1 分形的定义 |
| 2.1.2 度量空间 |
| 2.1.3 Hausdorff 测度与维数 |
| 2.2 分形图像压缩编码理论 |
| 2.2.1 压缩映射定理 |
| 2.2.2 迭代函数系统 |
| 2.2.3 拼贴定理 |
| 2.3 本章小结 |
| 第三章 基本分形图像编码算法 |
| 3.1 引言 |
| 3.2 基本分形编码算法的原理 |
| 3.2.1 码本的生成 |
| 3.2.2 编码与解码过程 |
| 3.3 编码与解码步骤 |
| 3.3.1 编码算法步骤 |
| 3.3.2 解码算法步骤 |
| 3.4 实验分析 |
| 3.5 本章小节 |
| 第四章 基于相对误差的分形图像编码算法 |
| 4.1 引言 |
| 4.2 算法理论推导 |
| 4.3 算法描述 |
| 4.4 综合实验分析 |
| 4.5 本章小结 |
| 第五章 基于相对误差剔除条件的编码算法 |
| 5.1 引言 |
| 5.2 算法分析 |
| 5.3 算法描述及参数分析 |
| 5.3.1 算法描述 |
| 5.3.2 参数分析 |
| 5.4 仿真结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 1 程序清单 |
| 附录 2 攻读硕士学位期间撰写的论文 |
| 附录 3 攻读硕士学位期间参加的科研项目 |
| 致谢 |
四、基于相关系数的快速分形图像压缩方法（论文参考文献）
- [1]“分形视距”纹理压缩与彩色多边形纹理集成的三维模型可视化方法[D]. 包馨. 桂林理工大学, 2021(01)
- [2]基于图像的编码技术分析研究[D]. 颜心如. 西安电子科技大学, 2020(05)
- [3]基于迭代控制搜索策略的分形图像压缩算法[J]. 郑运平,李祥鹏. 华中科技大学学报(自然科学版), 2020(07)
- [4]基于分形理论的快速图像压缩算法[D]. 李祥鹏. 华南理工大学, 2019(06)
- [5]基于分形法水声图像压缩编码研究[D]. 邵豪. 哈尔滨工程大学, 2017(08)
- [6]基于分形的图像压缩编码技术研究[D]. 刘建军. 南京邮电大学, 2016(02)
- [7]基于无线供能的胃肠道视频胶囊内窥镜系统及肿瘤图像识别算法研究[D]. 刘刚. 上海交通大学, 2016
- [8]分形图像压缩及其改进算法研究[D]. 杜松林. 兰州大学, 2015(01)
- [9]分形图像压缩中空间映射的研究[D]. 潘章容. 兰州理工大学, 2014(10)
- [10]基于分形图像编码的快速搜索方法研究[D]. 杨培. 南京邮电大学, 2013(06)