期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
结合K均值聚类和KD-Tree搜索的快速分形编码方法 被引量:6
1
作者 陈作平 叶正麟 +1 位作者 赵红星 郑红婵 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2006年第7期965-970,共6页
利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码:首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分... 利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码:首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分失真搜索与近似最近邻搜索得到与其距离最近的若干KD-Tree及其上的若干最近邻,而其最优匹配块即由后者产生.实验结果表明,相对于全局搜索,该方法能大幅度地提高编码速度和较大地提高压缩比,而解码质量只有很小的下降;相对于同类方法,在相同压缩比下有更好的加速效果和解码质量. 展开更多
关键词 分形图像压缩 K均值聚类 部分失真搜索 KD-tree 近似最近邻搜索
在线阅读 下载PDF
一种使用HVS的快速分形图像压缩算法 被引量:4
2
作者 郑运平 陈传波 何大华 《小型微型计算机系统》 CSCD 北大核心 2008年第10期1849-1854,共6页
将人类视觉系统的特性引入对值域块、定义域块的划分以及对定义域池的搜索上来,提出了一个能显著提高编码速度的分形图像压缩算法.根据HVS特性将图像分割后,搜索空间得到了极大的缩减,并且最佳匹配块只在具有相同HVS特性的块间进行,因... 将人类视觉系统的特性引入对值域块、定义域块的划分以及对定义域池的搜索上来,提出了一个能显著提高编码速度的分形图像压缩算法.根据HVS特性将图像分割后,搜索空间得到了极大的缩减,并且最佳匹配块只在具有相同HVS特性的块间进行,因此能够显著降低计算的复杂性.理论和实验结果表明:与叉迹算法和经典算法相比,在保持图像质量的前提下,本文算法能够显著提高编码速度和压缩比,因而是一种有效的分形图像压缩方法. 展开更多
关键词 分形 图像压缩 四叉树 人类视觉系统
在线阅读 下载PDF
基于遗传算法的分形图像压缩方法 被引量:4
3
作者 吴更石 梁德群 田原 《西安交通大学学报》 EI CAS CSCD 北大核心 1999年第4期34-37,43,共5页
基于分形和分块迭代函数系统(PIFS)的特点,提出了一种改进的用于求解具有全局最优的自相似分块匹配的遗传搜索算法,算法中应用了带分类的编码法、杂交位置概率和自适应的适应度函数.该方法克服了分形图像压缩中分类匹配算法的... 基于分形和分块迭代函数系统(PIFS)的特点,提出了一种改进的用于求解具有全局最优的自相似分块匹配的遗传搜索算法,算法中应用了带分类的编码法、杂交位置概率和自适应的适应度函数.该方法克服了分形图像压缩中分类匹配算法的局部最优性和随机搜索,是一种全局优化的搜索算法.分析结果表明,该方法的图像压缩比高、解码质量好、并行编码的速度快. 展开更多
关键词 分形图像压缩 四叉树 遗传算法 图像压缩
在线阅读 下载PDF
基于树搜索的分形图像压缩编码 被引量:3
4
作者 吴建华 周卫星 朱俊炎 《通信学报》 EI CSCD 北大核心 1997年第10期60-65,共6页
本文提出基于树搜索的分形图像压缩编码的新算法。该算法在恢复图像信噪比和主观质量较之全搜索算法略有损失的前提下,大大提高了分形图像编码的速度。
关键词 分形 图像压缩 树搜索 图像处理
在线阅读 下载PDF
CUDA平台的分形图像压缩方法
5
作者 余莉 《小型微型计算机系统》 CSCD 北大核心 2011年第7期1446-1451,共6页
考虑到分形图像压缩中,值域块与定义域块之间的匹配能够并行计算这一特点,利用计算统一设备平台CUDA进行GPU加速.提出一种GPU、CPU相结合的四叉树压缩算法,通过GPU加速最耗时的距离计算部分,而四叉树分割、初始化等部分仍采用CPU完成.在... 考虑到分形图像压缩中,值域块与定义域块之间的匹配能够并行计算这一特点,利用计算统一设备平台CUDA进行GPU加速.提出一种GPU、CPU相结合的四叉树压缩算法,通过GPU加速最耗时的距离计算部分,而四叉树分割、初始化等部分仍采用CPU完成.在GPU加速部分,讨论了单值域块与多值域块的方法,通过分析与实验表明,后者比前者能进一步提高并行性能.与传统的纯CPU方法相比,本文的方法能够显著提高压缩速度. 展开更多
关键词 分形 图像压缩 四叉树 CUDA GPU
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部