Науковий вісник НГУ

Метод фрактального кодування зображень, комбінований з алгоритмом стислих вимірювань

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Інформаційні технології, системний аналіз та керування

Останнє оновлення: 03 жовтня 2016

Опубліковано: 03 жовтня 2016

Перегляди: 3601

Authors:

Хуей Го, Провідна лабораторія обробки зображень та інтелектуальних інформаційних систем коледжів та університетів Гуансі, Університет Учжоу, Учжоу, Гуансі, Китай

Цзе Хе, Провідна лабораторія обробки зображень та інтелектуальних інформаційних систем коледжів та університетів Гуансі, Університет Учжоу, Учжоу, Гуансі, Китай

Дефа Ху, Факультет комп’ютерної та інформаційної інженерії, Хунаньский університет комерції, Чанша, провінція Хунань, Китай

Вейцзінь Цзянь, Факультет комп’ютерної та інформаційної інженерії, Хунаньский університет комерції, Чанша, провінція Хунань, Китай

Abstract:

Мета. Оскільки фрактальне кодування зображень займає багато часу та схильне до появи „блокуючих артефактів‟, ця робота присвячена об’єднанню фрактального кодування зображень, вейвлет-перетворення й стислих вимірів так, щоб запропонувати метод, який дозволить ефективно скоротити час кодування та покращити якість реконструйованого зображення.

Методика. Алгоритм стислих вимірів може швидко стискувати й сильно відновлювати розріджені матриці. У даній роботі використана ця особливість для проведення фрактального кодування для низькочастотної компоненти зображення після вейвлет-перетворення, а потім перекодування виборок низькочастотних диференціальних суб-графів і високочастотних компонент зображень за допомогою алгоритму стислих вимірів, з метою компенсації якості відновлених зображень.

Результати. У порівнянні з традиційним методом фрактального кодування, алгоритм, запропонований у даній роботі (далі по тексту „Цей Алгоритм‟), дозволяє значно скоротити час, і дістати максимальне прискорення продуктивності до 6,45 разів. У порівнянні з методом стислих вимірів, якість відновлених зображень значно покращується.

Наукова новизна. Полягає в тому, що вона пропонує застосування теорії стислих вимірів до фрактального алгоритму кодування аби компенсувати якість відновлених зображень, отриманих за допомогою фрактального кодування на основі вейвлет-перетворення.

Практична значимість. Цей Алгоритм дозволяє скоротити час кодування на основі забезпечення якості відновленого зображення та має велике значення для просування фрактального методу кодування.

References/Список літератури

1. Wang Qiang, Liang Dequn and Bi Sheng, 2011. Nearest neighbor search for fast fractal image encoding based on correlation information feature. Journal of Chinese Computer Systems, Vol. 32, No. 6, pp. 1108–1112.

2. Jaferzadeh, K., Kiani, K. and Mozaffari, S., 2012. Acceleration of fractal image compression using fuzzy cluster in grand discrete-cosine-transform-based Metric. Image Processing Letter, Vol. 6, No. 7, pp. 1024–1030.

3. Lin, Y.-L. and Wu, M.-S., 2011. An edge property-based neighborhood region search strategy for fractal image compression. Computers & Mathematics with Applications, Vol. 62, No. 1, pp. 310–318.

4. Zhang Sisi, Liu Yu, and Zhao Zhibin, 2015. Fractal image retrieval algorithm based on contiguous-matches. Computer Science, Vol. 42, No. 12, pp. 292–296.

5. Yuan, Z.W., Lu, Y.P. and Yang, H.S., 2015. Optional features fast fractal image coding algorithm. Journal of Image and Graphics, Vol. 20, No. 2, pp. 0177–0182.

6. Zhang Aihua, 2014. Fractal image coding combined with discrete cosine transform complement. Computer Technology and Development, Vol. 24, No. 1, pp. 61– 68.

7. Wang Qiang, 2010. Fast fractal image encoding based on structural information feature. Computer Engineering, Vol. 36, No. 24, pp. 195–199.

8. Yang Fengxia, 2012. Study on the effective method to improving the coding visual effect of fractal image. Laser & Infrared, Vol. 42, No. 9, pp. 1068–1070.

04_2016_Hui
2016-09-26  488.71 KB  959

• < Попередня
• Наступна >