-
题名一种新的灰度图像的快速矩计算算法
被引量：6
- 1
-
-
作者
郑运平
常宜斌
-
机构
华南理工大学计算机科学与工程学院
宾夕法尼亚大学医学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第11期2619-2634,共16页
-
基金
国家自然科学基金(61300134)
高等学校博士学科点专项科研基金新教师类资助课题(20120172120036)
+5 种基金
广东省自然科学基金(S2011040005815
S2013010012515
2015A030313206
2017A030313349)
中央高校基本科研业务费专项资金(2015ZM133)
2014年国家留学基金(201406155015)资助~~
-
文摘
矩是描述图像特征的一个重要算子,矩计算的效率与图像表示方法直接相关.非对称逆布局的模式表示模型(Non-symmetry and Anti-packing pattern representation Model,NAM)是一个有效的模式表示模型.位平面分解(Binary-bit Plane Decomposition,BPD)是降低灰度或彩色图像复杂度的一种良好方法.鉴于传统图像块表示(Image Block Representation,IBR)的块扫描方法的缺陷,该文提出了一种新的NAM块扫描方法,它是一种"无偏向"的块扫描方法.基于新的NAM块扫描方法,该文提出了二值图像的一种新的NAM表示方法,其贪心准则为:每次寻找一个在当前看来最大的矩形子模式.与IBR表示方法相比,在不改变时间复杂度的情况下,该表示方法能进一步减少矩形子模式的总数量.基于新的NAM表示和BPD方法,通过调整参与矩计算的位平面的参数,该文给出了矩计算的一个重要定理,提出了一种新的灰度图像的快速矩计算算法,并给出了该算法的形式化描述和复杂度分析,该算法不仅能实现矩的精确计算,也能实现矩的近似计算.以惯用的"Lena"、"F16"、"Peppers"标准图像及南加州大学标准纹理库中的纹理图像(http://sipi.usc.edu/database/database.php?volume=textures)、医学图像等为测试对象,实验结果表明:在丢失5个低位位平面情况下,传统矩计算的平均时间分别是Spiliotis算法和该文算法平均时间的35.5182和53.9527倍,也即,该文算法比当前最快的Spiliotis算法还要快28.87%,因而是灰度图像的一种快速矩计算算法.
-
关键词
矩计算
几何矩
位平面分解
非对称逆布局的模式表示模型
灰度图像
图像块表示
-
Keywords
moment calculation
geometric moments
binary bit plane decomposition
non symmetry and anti packing pattern representation model
gray images
image block representation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种快速边缘检测算法
- 2
-
-
作者
吴雪丽
张杰
李灿林
-
机构
郑州轻工业学院计算机与通信工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2012年第6期1300-1305,共6页
-
基金
河南省教育厅自然科学研究计划项目(2011A520047)资助
郑州轻工业学院博士科研基金项目(2009BSJJ005)资助
-
文摘
边缘检测是对图像中像素值的不连续性的度量、检测和定位,是图像分析领域中的一个基础问题.基于斜面分解的非对称逆布局图像表示方法(IDNAM)借鉴斜面拟合和逆布局的思想,使用矩形斜面子模式(RIP子模式)实例的集合来表示图像.基于IDNAM,提出一个RIP子模式内的理想边缘模型,将RIP子模式内的边缘分成五种,并给出了每一种边缘的强度和方向的计算公式.为了消除噪声对边缘检测结果的干扰,提出了RIP子模式内边缘存在性判定条件.根据理想边缘模型和判定条件,提出了一种基于IDNAM的边缘检测算法.理论分析和实验结果均表明,基于IDNAM表示的边缘检测算法的处理速度较传统的边缘检测算法更快.
-
关键词
基于斜面分解的非对称逆布局图像表示方法
矩形斜面子模式
理想边缘模型
边缘检测
-
Keywords
inclined plane decomposition based non-symmetry and anti-packing image representation method（IDNAM）
rectangular inclined plane sub-pattern（RIP sub-pattern）
ideal edge model
edge detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
