專利名稱：一種任意形狀區(qū)域分割的分形圖像編解碼方法
技術(shù)領(lǐng)域：
本發(fā)明是一種任意形狀區(qū)域分割的分形圖像編解碼方法。
背景技術(shù)：
分形圖像編碼是近十年內(nèi)發(fā)展起來的一種思路新穎的圖像壓縮方法，與其它較為成熟的壓縮技術(shù)相比(如DPCM、DCT、VQ等)，具有高壓縮比、分辨率無關(guān)性等很多優(yōu)點。它利用了數(shù)學(xué)中的不動點理論，試圖用一個函數(shù)(族)來描述整幅圖像，與以往的正交變換編碼有著本質(zhì)的區(qū)別；在解碼時，通過對任意分辨率圖像進行有限次的迭代變換，不管初始圖像為何，都能收斂到解碼圖像。Bamsley和Sloan最早提出了這一思想，而1990年Jacquin設(shè)計出了第一個實用的基于方塊劃分的分形圖像編碼器，并引發(fā)了人們對這一領(lǐng)域濃厚的興趣和廣泛的關(guān)注。
在分形圖像編碼中，原始圖像最終可劃分為兩類子塊，即互不重疊的值域子塊(編碼單元)和允許有部分重疊的定義域子塊，每一個編碼單元都由某個定義域子塊的變換獲得最佳的近似，即近似誤差(拼貼誤差)最小化，存儲或傳輸所有變換的系數(shù)(如比例因子、亮度平移、定義域子塊的位置等)即完成對整幅圖像的編碼。如果使用固定長度碼字量化這些系數(shù)，壓縮圖像的大小將基本上與編碼單元的數(shù)目成正比。因此，研究人員的研究目的在于使編碼單元盡量少、近似盡可能準確。其中，如何設(shè)計靈活的、與圖像內(nèi)容有關(guān)的分割策略，將原始圖像劃分為獨立的編碼單元是一項關(guān)鍵技術(shù)。
迄今為止，涌現(xiàn)出了一大批分形圖像編碼器。其中，F(xiàn)isher的四象限樹方案是經(jīng)典的和比較成功的一種。它使用了可變大小的編碼單元，能夠隨著圖像塊的復(fù)雜程度不斷調(diào)整，使分割結(jié)果與圖像內(nèi)容有關(guān)，大幅度提高了解碼圖像質(zhì)量。為了進一步增強分形編碼器對圖像內(nèi)容的適應(yīng)能力，人們相繼提出了水平一豎直分割、三角分割、多邊形分割、不規(guī)則形狀分割一系列編碼方案，具有更好的編碼性能。
對分形圖像編碼而言，最簡單最基本的分割策略就是均勻分割(如圖1中a所示)，即所有的編碼單元都是k×k大小的正方形子塊。子塊大小一旦確定，均勻分割完全是與圖像內(nèi)容無關(guān)的，所以它很少單獨用于編碼方案中。長期以來，人們研究的重點是與圖像內(nèi)容有關(guān)的分割策略。對現(xiàn)有編碼方案的現(xiàn)有分割策略歸納如下(1)規(guī)則形狀類這一類別囊括了所有具有規(guī)則形狀編碼單元的分形圖像編碼器。換句話說，在這一大類中，編碼單元的大致形狀事先是確知的，例如正方形、矩形或三角形等。
對于經(jīng)典的四象限樹方案(如圖1中b所示)，原始圖像的分割過程是自頂而下的。樹的初始層次(對應(yīng)著編碼單元的最大尺寸)確定之后，依據(jù)拼貼誤差或圖像塊方差大小，任何一個滿足分割準則的編碼單元將被劃分為四個象限子塊，單獨進行編碼。另外一種自底而上的方式中，首先使用最小編碼單元尺寸進行均勻分割，然后不斷將滿足條件的四個象限子塊合并為一個大的編碼單元，實現(xiàn)更有效的表達。
在Cai的方案中，他首先將原始圖像劃分為中等尺寸的編碼單元，并使用一個均衡算法盡可能均衡所有編碼單元的拼貼誤差。通過合并低于平均拼貼誤差的編碼單元，同時分割高于平均拼貼誤差的編碼單元，使編碼單元的總數(shù)保持不變，而拼貼誤差的方差或總拼貼誤差大大降低，從而獲得準最優(yōu)的分割。
水平一豎直分割(HV)(如圖1中c所示)方案將圖像劃分為矩形編碼單元。在拼貼誤差準測下，如果某一編碼單元找不到與之相匹配的定義域子塊，就沿最明顯的水平或豎直邊緣將其劃分為兩個矩形子塊。雖然存儲分割信息需要付出較高的代價，HV分割仍然顯示出了比四象限樹方案更好的性能。
三角形分割可以通過幾種不同的方法實現(xiàn)(如圖1中d所示)。原始圖像首先被劃分為兩個主三角形，如果需要，在某個已有三角形的每一邊上各創(chuàng)建一個頂點，形成四個小三角形，即三邊分割；或者在某個三角形的頂點和對邊一點之間加入一條線段，形成兩個小三角形，即單邊分割；Delaunay三角化方法始于圖像中的一組初始種子點，然后不斷在方差過大的編碼單元中插入新的種子點，形成三個小三角形。
多邊形分割對圖像內(nèi)容具有更強的適應(yīng)能力(如圖1中e所示)。Reusens的方案類似于H-V分割，但包含了45度和135度的切分方向，他用拼貼誤差作為分割準則，切分的方向和位置由基于方差的一致性測度決定。Davoine[11]也在Delaunay三角化的基礎(chǔ)上提出了自己的方案，只要具有共同頂點的所有三角形灰度均值相近，就可以合并為一個大的多邊形。
(2)不規(guī)則形狀類這一類別由稱為“基于區(qū)域分割的分形圖像編碼器”(RBFC)構(gòu)成。所有這些方案都采取了劃分-合并的分割策略，從而生成了大量形狀不可預(yù)知的編碼單元，以期獲得對圖像內(nèi)容的高度適應(yīng)能力和更好的編碼性能(如圖1中f所示)。
Thomas和Deravi設(shè)計了具有啟發(fā)式搜索的基于區(qū)域分割的分形圖像編碼器，并有復(fù)雜度不同的三種形式。在基本型中，他們從均勻分割中選擇了一個編碼單元作為種子，向四個主要方向迭代式增長，新加入的編碼單元使用和種子相同的變換系數(shù)。同時為簡便起見，定義域子塊沿著與編碼單元相同的方向增長。其它的兩種形式涉及到更新過程和競爭策略。
Tanimoto、Ohyama和Kimoto也提出了一種有效的編碼器。將原始圖像均勻分割為互不重疊的基元塊后，他們采取了兩個步驟分別合并紋理基元塊和平滑基元塊。由于合并過程以一種特定的次序進行，編碼單元的最終形狀能夠由構(gòu)成區(qū)域的基元塊數(shù)目唯一確定。
Chang，Shyu and Wang介紹了具有四象限樹劃分的基于區(qū)域分割的分形圖像編碼器。在四象限樹劃分之后，每一步都把合并后具有最小拼貼誤差的一對區(qū)域予以合并，直到拼貼誤差大于設(shè)定的閾值。他們還采用了Kanedo和Okudaris提出的分段鏈碼記錄區(qū)域輪廓。
Saupe和Ruhl將進化計算引入了分形圖像編碼。他們選擇了N個個體作為祖先，每一個體都是一種分割方式和對應(yīng)的分形碼字。進化時隨機合并兩個相鄰的區(qū)域，每一個體產(chǎn)生M(M＞N)個子代。依據(jù)某種適應(yīng)準測(如拼貼誤差)，從所有的N×M個子代中選出最好的N個作為下一代繼續(xù)進化。隨后，Ruhl、Hartenstein和Saupe改進了上述進化算法。他們應(yīng)用了諸如特征向量最近鄰搜索之類的成熟技術(shù)，并構(gòu)造了一個優(yōu)先級隊列，從而加快了編碼速度。
Breazu和Toderean的方案中提出了具有確定性搜索的基于區(qū)域分割的分形圖像編碼的思想。他們?yōu)槊恳痪幋a單元構(gòu)造一個具有N個定義域子塊的列表。一旦兩個編碼單元合并為一個大的編碼單元，就從這兩個編碼單元的2×N個擴展的定義域子塊中選出N個最好的定義域子塊。他們在每一步都把合并后具有最小拼貼誤差的一對區(qū)域予以合并。整個編碼過程始于均勻分割，直到獲得規(guī)定數(shù)目的編碼單元時結(jié)束，搜索過程具有確定性。
以上文獻的實驗結(jié)果表明，分割策略的優(yōu)劣，在很大程度上決定了編解碼器的性能。一般來講，與圖像內(nèi)容有關(guān)的編碼方法要優(yōu)于圖像內(nèi)容無關(guān)的編碼方法；而且對圖像內(nèi)容的適應(yīng)能力越強，編碼性能越好。
然而，現(xiàn)有方案的編碼單元不外乎是直線段構(gòu)成的多邊形輪廓，這嚴重限制了壓縮算法對圖像內(nèi)容的適應(yīng)能力，制約了編解碼器性能的提高。分析其內(nèi)在原因，以往各種分裂、合并或兩者相結(jié)合的分割策略不可能產(chǎn)生真正的任意形狀區(qū)域；而且，現(xiàn)有輪廓編碼技術(shù)用于任意形狀區(qū)域時效率低下，缺乏對任意形狀區(qū)域輪廓的有效表達。

發(fā)明內(nèi)容
為此，本發(fā)明的目的是提出了一種任意形狀區(qū)域分割的分形圖像編解碼方法，完全摒棄了分裂—合并的分割方法，而代之以由粗及細的兩步驟，從而避免了鏈碼或區(qū)域邊界地圖等傳統(tǒng)方法所帶來的高冗余、低壓縮比等弊端。
本發(fā)明實現(xiàn)目的的方法是；所述的方法包括基于分形維數(shù)的粗分和基于區(qū)域增長的細分，有如下步驟(1)在原始圖像上以一定的距離散布尺寸為一個像素大小的值域種子，對原始圖像行、列降2采樣或四個相鄰像素的平均生成緊縮圖像，在緊縮圖像上以一定的距離散布定義域種子；(2)分析每一個種子的生長環(huán)境，即在種子周圍特定大小的正方形內(nèi)，計算值域種子的分形維數(shù)和定義域種子的分形維數(shù)；(3)對于每一個值域種子，選擇和它的生長環(huán)境最相似，維數(shù)最接近的一定數(shù)量的定義域種子作為它的相似區(qū)域，所有值域種子和它們所對應(yīng)的相似區(qū)域構(gòu)成粗分結(jié)果；(4)對粗分結(jié)果進一步的分割為基于區(qū)域增長的細分，從原始圖像中取出一個值域種子，如果它所在的位置尚未被以前的值域種子增長到，種子有效，進行下一步，否則丟棄并處理下一個值域種子；(5)從當前值域種子的相似區(qū)域中取出一個定義域種子，構(gòu)成一個種子對，令一對種子共同增長，以A表示值域種子的增長區(qū)域，B表示定義域種子的增長區(qū)域，構(gòu)造一個候選隊列暫存所有等待被增長的像素，并用當前值域種子有效的8鄰域像素初始化，根據(jù)一個偽隨機數(shù)發(fā)生器的輸出，不斷的從候選隊列中取出下一個像素，如果它尚未被當前值域種子增長過，則將其加入A中，將其有效的8鄰域像素加入候選隊列中，同時在緊縮圖像中對應(yīng)增長B，A和B要求至少增長到一個最小區(qū)域面積大小，如果拼貼誤差大于設(shè)定的閾值或候選隊列為空，增長結(jié)束；(6)如果當前值域種子的相似區(qū)域中還有定義域種子，重復(fù)上一步，否則進行下一步；(7)從當前值域種子各次增長得到的所有A中選擇區(qū)域面積最大的一個，如果面積相同就選擇拼貼誤差較小的一個，作為當前值域種子對應(yīng)的最佳編碼單元，記錄它所包含的像素；(8)如果原始圖像中還有值域種子，返回第4步，否則進行輪廓編碼和內(nèi)容編碼；(9)存儲區(qū)域面積就可實現(xiàn)對任意形狀區(qū)域的輪廓編碼，將增長后的區(qū)域面積量化為最小區(qū)域面積參數(shù)的整數(shù)倍，利用傳統(tǒng)的熵編碼算法以進一步提高編碼效率，同時量化存儲區(qū)域所有的變換系數(shù)，形成內(nèi)容編碼，最終獲得壓縮圖像；(10)解碼時，根據(jù)讀出的區(qū)域面積再現(xiàn)每一個種子的增長過程，即可精確恢復(fù)任意形狀的區(qū)域輪廓，在此基礎(chǔ)上使用變換系數(shù)迭代任意的初始圖像，生成區(qū)域內(nèi)容，而對于原始圖像中未能增長到的少量殘余像素，由其鄰域像素的線性預(yù)測器填充。
本發(fā)明的優(yōu)點是完全摒棄了分裂—合并的分割方法，而代之以由粗及細的兩步驟，即基于分形維數(shù)的粗分和基于區(qū)域增長的細分。粗分時，使用分形維數(shù)度量圖像的復(fù)雜程度，實現(xiàn)對編碼單元的大致定位。細分時，通過種子的區(qū)域增長不斷適應(yīng)圖像內(nèi)容，最終生成任意形狀的區(qū)域。分割完成后，只需要存儲區(qū)域面積就可實現(xiàn)對任意形狀區(qū)域的輪廓編碼，從而避免了鏈碼或區(qū)域邊界地圖等傳統(tǒng)方法所帶來的高冗余、低壓縮比等弊端。本發(fā)明的方法使編碼單元減少，區(qū)域內(nèi)容信息減少，并且區(qū)域輪廓信息開銷也不大，從而帶來了更高的壓縮比(低比特率)；對圖像內(nèi)容適應(yīng)能力的增強，極大改善了解碼圖像質(zhì)量，減少了細節(jié)缺失和方塊效應(yīng)，視覺效果好，是一個靈活可靠、有實用價值的圖像編解碼方法。


圖1為傳統(tǒng)的圖像編解碼方法分割圖像示意2為值域種子和定義域種子散布比較示意3為本發(fā)明方法和傳統(tǒng)的四象限樹方法的性能比較示意4為本發(fā)明方法的框架示意5為本發(fā)明方法流程圖具體實施方案如圖4(a)所示，本發(fā)明基于任意形狀區(qū)域分割的分形圖像編解碼方法由基于分形維數(shù)的粗分和基于區(qū)域增長的細分所構(gòu)成。原始圖像經(jīng)過由粗及精的兩步驟分割成為區(qū)域輪廓和區(qū)域內(nèi)容兩部分，輪廓編碼形成輪廓碼流，內(nèi)容編碼形成內(nèi)容碼流，并存儲編碼參數(shù)RSTEP、DSTEP、ENV_SIZE、MINA、S_BITS、O_BITS，最終生成壓縮圖像。
如圖4(b)所示，解碼時，根據(jù)讀出的區(qū)域面積再現(xiàn)每一個種子的增長過程，即可精確恢復(fù)任意形狀的區(qū)域輪廓。在此基礎(chǔ)上，使用變換系數(shù)迭代任意的初始圖像，生成區(qū)域內(nèi)容。而對于原始圖像中未能增長到的少量殘余像素，由其鄰域像素的線性預(yù)測器填充，沒有額外的存儲要求。
圖4和圖5所示，編碼開始，在原始圖像上以一定的距離散布尺寸為一個像素大小的值域種子；對原始圖像行、列降2采樣或四個相鄰像素的平均生成緊縮圖像，(如圖2所示，a為原始圖像中值域種子，b為緊縮圖像中定義域種子)在緊縮圖像上以一定的距離散布定義域種子；分析每一個種子的生長環(huán)境，即在種子周圍特定大小的正方形內(nèi)，計算值域種子的分形維數(shù)和定義域種子的分形維數(shù)；對于每一個值域種子，選擇和它的生長環(huán)境最相似(維數(shù)最接近)的一定數(shù)量的定義域種子作為它的相似區(qū)域；即在原始圖像上以RSTEP的距離散布尺寸為一個像素大小的值域種子Ri；對原始圖像降2采樣或四像素平均生成緊縮圖像，在緊縮圖像上以DSTEP的距離散布定義域種子Dj，(如圖2所示)；分析每一個種子的生長環(huán)境。即在種子周圍ENV_SIZE×ENV_SIZE大小范圍內(nèi)，計算值域種子Ri的分形維數(shù)DimR(i)和定義域種子Dj的分形維數(shù)DimD(j)；對于每一個值域種子Ri，選擇和它的生長環(huán)境最相似(維數(shù)最接近)的DOM_NUM個定義域種子作為它的相似區(qū)域Rgn(i)， 上式中，Rgn(i)為值域種子Ri的相似區(qū)域，DOM_NUM為每個相似區(qū)域中定義域種子的數(shù)量，DimR(i)為值域種子Ri的分形維數(shù)，DimD(j)為定義域種子Dj的分形維數(shù)。
對于值域種子之間的距離RSTEP，選取視用戶對比特率和信噪比的要求而定。增大RSTEP，能夠迅速降低編碼比特率，但信噪比也大大降低，導(dǎo)致解碼圖像質(zhì)量惡化，所以取值應(yīng)在1-10之間。
對于定義域種子之間的距離DSTEP，其增大對比特率和編碼速度的影響不明顯，但會使信噪比略有降低，建議為1。
對于每個相似區(qū)域中定義域種子的數(shù)量DOM_NUM，選取視用戶對編碼速度的要求而定，DOM_NUM越小，編碼速度越快，但信噪比也隨之降低，建議大于10。
粗分結(jié)果為原始圖像和緊縮圖像之間的一系列具有相似生長環(huán)境的種子對構(gòu)成。粗分的結(jié)果不夠精確，不能直接用于圖像壓縮，還需要進一步的分割，所述的基于區(qū)域增長的細分是對原始圖像中的值域種子依次重復(fù)下述步驟檢查當前值域種子是否完整，如果已經(jīng)殘缺，也就是在前面的值域種子增長的過程中已被增長到，則丟棄它，處理下一個值域種子；取出一個值域種子Ri，從Ri的相似區(qū)域Rgn(i)中取出一個定義域種子Dj，與Ri構(gòu)成一個種子對并開始增長。用Ri的尚未被以前的值域種子增長過的8鄰域像素初始化侯選隊列，A表示值域種子增長中形成的區(qū)域，B表示定義域種子增長中形成的區(qū)域；用偽隨機數(shù)發(fā)生器從侯選隊列中取出偽隨機數(shù)對應(yīng)的像素P，若A當前輪廓的某8鄰域像素P尚未被Ri之前的值域種子增長到，則將其加入A，同時對應(yīng)增長B，將P未被以前的值域種子增長過的8鄰域像素加入侯選隊列；否則重新初始化；為了避免出現(xiàn)過多的殘余像素，A和B至少應(yīng)增長MINA個像素，即最小區(qū)域面積。此后，如果此時拼貼誤差rms大于設(shè)定的閾值RMS_TO或候選隊例為空，就結(jié)束增長，否則繼續(xù)進行。
拼貼誤差的公式為rms＝||A-(s·B+o·I||2上式中，rms就是區(qū)域A和B之間拼貼誤差的大小，s、o為A和B之間的變換參數(shù)，分別稱為比例因子和亮度平移，I矩陣中元素全為1。
從Ri歷次增長所得A中選擇區(qū)域面積最大的一個作為最佳編碼單元，存儲相應(yīng)的區(qū)域輪廓和區(qū)域內(nèi)容信息，若面積相同選擇拼貼誤差較小的一個，作為值域種子Ri對應(yīng)的最佳編碼單元，記錄它所包含的像素，如果原始圖像中還有值域種子，返回細分。若所有值域種子處理完畢，則進行輪廓編碼和內(nèi)容編碼；只需存儲區(qū)域面積就可實現(xiàn)對任意形狀區(qū)域的輪廓編碼；將增長后的區(qū)域面積量化為最小區(qū)域面積參數(shù)的整數(shù)倍，利用傳統(tǒng)的熵編碼算法以進一步提高編碼效率，同時量化存儲區(qū)域所有的變換系數(shù)，形成內(nèi)容編碼，最終獲得壓縮圖像；解碼時，根據(jù)讀出的區(qū)域面積再現(xiàn)每一個種子的增長過程，即可精確恢復(fù)任意形狀的區(qū)域輪廓。在此基礎(chǔ)上，使用變換系數(shù)迭代任意的初始圖像，生成區(qū)域內(nèi)容。而對于原始圖像中未能增長到的少量殘余像素，由其鄰域像素的線性預(yù)測器填充，沒有額外的存儲要求。
如圖3所示，大量的實驗結(jié)果表明，與以往大部分的同類方案相比，本發(fā)明無論是在壓縮性能的客觀量度上，還是恢復(fù)圖像質(zhì)量的主觀評價上，都有了相當程度的提高。以四象限樹方案為例，本發(fā)明(稱為FS-RBFC)能夠在高于10倍的壓縮比時獲得1.0-1.5dB的信噪比增益。FS-RBFC的比特率-信噪比曲線已經(jīng)趕上甚至優(yōu)于很多現(xiàn)有的分形方法(如圖1所示)。
本發(fā)明編碼單元減少，區(qū)域內(nèi)容信息減少，并且區(qū)域輪廓信息開銷也不大，從而帶來了更高的壓縮比(低比特率)；對圖像內(nèi)容適應(yīng)能力的增強，極大改善了解碼圖像質(zhì)量，減少了細節(jié)缺失和方塊效應(yīng)，視覺效果好，是一個靈活可靠、有實用價值的編解碼方法。
權(quán)利要求
1.一種任意形狀區(qū)域分割的分形圖像編解碼方法，其特征在于所述的方法包括基于分形維數(shù)的粗分和基于區(qū)域增長的細分，有如下步驟(1)在原始圖像上以一定的距離散布尺寸為一個像素大小的值域種子，對原始圖像行、列降2采樣或四個相鄰像素的平均生成緊縮圖像，在緊縮圖像上以一定的距離散布定義域種子；(2)分析每一個種子的生長環(huán)境，即在種子周圍特定大小的正方形內(nèi)，計算值域種子的分形維數(shù)和定義域種子的分形維數(shù)；(3)對于每一個值域種子，選擇和它的生長環(huán)境最相似，維數(shù)最接近的一定數(shù)量的定義域種子作為它的相似區(qū)域，所有值域種子和它們所對應(yīng)的相似區(qū)域構(gòu)成粗分結(jié)果；(4)對粗分結(jié)果進一步的分割為基于區(qū)域增長的細分，從原始圖像中取出一個值域種子，如果它所在的位置尚未被以前的值域種子增長到，種子有效，進行下一步，否則丟棄并處理下一個值域種子；(5)從當前值域種子的相似區(qū)域中取出一個定義域種子，構(gòu)成一個種子對，令一對種子共同增長，以A表示值域種子的增長區(qū)域，B表示定義域種子的增長區(qū)域，構(gòu)造一個候選隊列暫存所有等待被增長的像素，并用當前值域種子有效的8鄰域像素初始化，根據(jù)一個偽隨機數(shù)發(fā)生器的輸出，不斷的從候選隊列中取出下一個像素，如果它尚未被當前值域種子增長過，則將其加入A中，將其有效的8鄰域像素加入候選隊列中，同時在緊縮圖像中對應(yīng)增長B，A和B要求至少增長到一個最小區(qū)域面積大小，如果拼貼誤差大于設(shè)定的閾值或候選隊列為空，增長結(jié)束；(6)如果當前值域種子的相似區(qū)域中還有定義域種子，重復(fù)上一步，否則進行下一步；(7)從當前值域種子各次增長得到的所有A中選擇區(qū)域面積最大的一個，如果面積相同就選擇拼貼誤差較小的一個，作為當前值域種子對應(yīng)的最佳編碼單元，記錄它所包含的像素；(8)如果原始圖像中還有值域種子，返回第4步，否則進行輪廓編碼和內(nèi)容編碼；(9)存儲區(qū)域面積就可實現(xiàn)對任意形狀區(qū)域的輪廓編碼，將增長后的區(qū)域面積量化為最小區(qū)域面積參數(shù)的整數(shù)倍，利用傳統(tǒng)的熵編碼算法以進一步提高編碼效率，同時量化存儲區(qū)域所有的變換系數(shù)，形成內(nèi)容編碼，最終獲得壓縮圖像；(10)解碼時，根據(jù)讀出的區(qū)域面積再現(xiàn)每一個種子的增長過程，即可精確恢復(fù)任意形狀的區(qū)域輪廓，在此基礎(chǔ)上使用變換系數(shù)迭代任意的初始圖像，生成區(qū)域內(nèi)容，而對于原始圖像中未能增長到的少量殘余像素，由其鄰域像素的線性預(yù)測器填充。
全文摘要
本發(fā)明屬于一種任意形狀區(qū)域分割的分形圖像編解碼方法，所述的方法包括基于分形維數(shù)的粗分和基于區(qū)域增長的細分，在原始圖像上以一定的距離散布尺寸為一個像素大小的值域種子，在緊縮圖像上以一定的距離散布定義域種子，計算值域種子的分形維數(shù)和定義域種子的分形維數(shù)，存儲區(qū)域面積就可實現(xiàn)對任意形狀區(qū)域的輪廓編碼，將增長后的區(qū)域面積量化為最小區(qū)域面積參數(shù)的整數(shù)倍，利用傳統(tǒng)的熵編碼算法以進一步提高編碼效率，同時量化存儲區(qū)域所有的變換系數(shù)，形成內(nèi)容編碼，最終獲得壓縮圖像，從而避免了鏈碼或區(qū)域邊界地圖等傳統(tǒng)方法所帶來的高冗余、低壓縮比等弊端。
文檔編號G06T9/00GK1489114SQ03156749
公開日2004年4月14日 申請日期2003年9月9日 優(yōu)先權(quán)日2003年9月9日
發(fā)明者趙耀, 孫運達, 趙 耀 申請人:北京交通大學(xué)