一种改进的基于NAM的彩色图像表示算法
基于数字图像相关法的索力识别综述_1
基于数字图像相关法的索力识别综述发布时间：2021-11-11T07:56:40.059Z 来源：《中国科技人才》2021年第23期作者：胡园苟晨铭练城凌刘磊[导读] 数字图像相关（Digital Image Correlation，DIC）技术，运用双目相机和计算机图像视觉处理算法，对待测物体的散斑图像进行处理，对因受力而产生变形的物体进行测量识别。
目前这一项技术主要应用于物体的变形、移动、应变、模态分析等。
重庆科技学院重庆 401331摘要：拉索、吊索等是缆索桥梁的关键承重部件，由于多种因素的影响，会出现程度不一的腐蚀、开裂、内部钢丝断裂等问题，这些将直接影响到桥梁的安全。
为了降低因拉索损伤出现威胁到桥梁安全的情况，对于拉索检测有着极高的要求，随着计算机图像处理技术与光学技术的不断发展，非接触式测量在时效性、便捷性、准确性等方面具有更高优势。
关键词：非接触式；图像处理；数字图像相关法；索力识别引言数字图像相关（Digital Image Correlation，DIC）技术，运用双目相机和计算机图像视觉处理算法，对待测物体的散斑图像进行处理，对因受力而产生变形的物体进行测量识别。
目前这一项技术主要应用于物体的变形、移动、应变、模态分析等。
DIC（数字图像相关法）技术是一种非接触式测量技术，有着如下的优点：适应环境的能力强，自动化程度高、准确性高、经济效益好等。
其被广泛的应用于各个行业：如工业、农业、航空航天、生物医疗、工程、材料、力学等领域。
而DIC技术也在土木工程领域中表现出了极大的应用价值，有学者以及研究团队提出了基于DIC技术的测量方法，将其应用于斜拉桥的索力识别当中，取得了一定的研究成果。
1.概述桥梁结构整体从一开始就必须要考虑安全性问题，从设计、施工到运营维护阶段都需要对整个结构体系进行非常准确的一个受力评估与健康检测，这样才能依据可靠的数据进行安全保障。
其中，在缆索承重桥梁结构的使用当中，其关键受拉构件如拉索，吊索等非常容易产生强度下降，因为会受到环境腐蚀、疲劳损伤、振动等，会威胁到桥梁的运营安全[1]。
数字图像处理实验指导书
《数字图像处理》实验指导书数字图象处理实验的目的不仅是让学生通过用MATLAB等高级语言编写数字图像处理的一些基本算法程序，巩固和掌握图像处理技术的理论、方法和基本技能，提高实际动手能力，而且通过综合实习，让学生能探讨和应用数字图像处理技术去解决一些实际问题。
为学生进一步学习和应用数字图像技术解决实际问题奠定基础。
实验一、数字图像获取 (2)实验二、图像的傅立叶变换 (5)实验三、图像直方图增强 (7)实验四数字图像空间域平滑 (11)实验五数字图像锐化 (14)实验六、图像压缩 (17)实验七图像融合 (21)实验八图像分割 (23)实验一、数字图像获取一、实验目的1掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法；2修改图像的存储格式。
二、实验原理用扫描仪获取图像也是图像的数字化过程的方法之一。
扫描仪按种类可以分为手持扫描仪，台式扫描仪和滚筒式扫描仪（鼓形扫描仪）。
扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。
各类扫描仪都标明了它的光学分辨率和最大分辨率。
分辨率的单位是dpi，dpi 是英文Dot Per Inch的缩写，意思是每英寸的像素点数。
扫描仪工作时，首先由光源将光线照在欲输入的图稿上，产生表示图像特征的反射光（反射稿）或透射光（透射稿）。
光学系统采集这些光线，将其聚焦在CCD上，由CCD将光信号转换为电信号，然后由电路部分对这些信号进行A/D转换及处理，产生对应的数字信号输送给计算机。
当机械传动机构在控制电路的控制下，带动装有光学系统和CCD的扫描头与图稿进行相对运动，将图稿全部扫描一遍，一幅完整的图像就输入到计算机中去了。
图1.1扫描仪的工作原理扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。
为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。
【计算机科学】_线性空间_期刊发文热词逐年推荐_20140726
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2014年 科研热词 流形学习 降维 锚点 邻接矩阵 谱方法 线性判别分析 类内类间不确定度 空间结构信息 空间平滑 特征融合 核距离 核方法 核度量 标记传播 图谱理论 双树复小波 半监督学习 人脸识别 二维主成份分析 推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
科研热词 诱导核空间 维数约简 纠删码 空间分析 稀疏 相似度差 点面叠加 求交 模糊c均值 模型选择 核空间 核混合鉴别分析 核方法 核心集 最小包含球 支持向量机 拉普拉斯映射 彩色图像分割 并发内存分配 局部线性嵌入 冗余 云计算 云文件系统
推荐指数 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
基于改进sobel算法的叶片图像边缘检测
基于改进Sobel算法的叶片图像边缘检测张辉，马明建(山东理工大学农业工程与食品科学学院，山东淄博255049)摘要：采用数字图像处理技术对叶片图像进行边缘检测，主要研究了基于s obel算子的叶片边缘的检测方法。
在对图像进行灰度化和滤波去噪等预处理的基础上。
增加了6个方向模板对s obel算子进行改进。
试验证明，该方法有效解决了S0bel算子边缘检测时边缘过粗的问题，得到的边缘较细，精确度提高了13．6％。
关键词：边缘检测；叶片；s obel算子中圈分类号：S126：T F玛91．41文献标识码：A文章编号：1003—188X(2012J05—0046—03续表l0引言在图像分析和处理中，边缘是图像分割的重要依据，又是许多图像高层处理(如图像理解和识别等)的重要前提，因此图像边缘检测的好坏将直接影响后续处理的精度和效果…。
在几种经典的边缘检测算子中，s obel算子方法简单、处理速度快，并且所得的边缘光滑、连续。
但它能检测的方向有限，抗噪能力比较低，这也给它的使用带来局限性。
为此，本文针对农业叶片图像边缘检测中的问题，提出了一种改进的基于s obe l算子的边缘提取算法，使得检测的方向和精度都得到了提高。
1经典边缘检测算子存在的问题目前，经典的边缘检测算子都有：S obel，R obens，Pr e w i n，G auss Lapl ace，C aI l ny等算子忙1。
对图像进行边缘检测时，运算速度与选取的模块大小有直接关系：模块越大，检测效果越明显，速度越慢；反之则效果差一点，但速度提高很多。
其次，抑制噪声和边缘精确定位是无法同时满足的，以下是各个算子的特点，如表1所示。
表1边缘榆测算子的特点边缘检测箅子算子特点s obe I算子采用加权滤波，边缘清晰且较细。
产生断点，产生伪边缘Pr e w i t t算子采用平均滤波，边缘较宽，断点多。
产生伪边缘收稿日期：20l l一06—28基金项目：山东省自然科学基金项目(2003ZX l O)作者简介：张辉(1986一)，男，山东淄博人，硕士研究生，(E—m B i l) 148089452@163．com。
基于改进变分水平集方法的遥感影像道路提取
基于改进变分水平集方法的遥感影像道路提取【摘要】本文旨在提出一种应用于高分辨率遥感影像道路提取的方法——改进的变分水平集方法。
该方法通过在GACV（Geodesic-Aided C-V）模型中，引入基于PCA（Principal Component Analysis）彩色区域生长的目标识别函数，基于Beltrami框架的彩色梯度流和一个用于表征水平集函数与符号距离函数近似程度的惩罚项，实现了对算法的改进。
该方法适用于复杂背景下感兴趣目标的提取，已通过实验得以验证。
【关键词】GACV模型；彩色区域生长；改进变分水平集方法；高分辨率遥感影像；道路提取0 引言长期以来，遥感影像道路提取被认为是遥感、计算机视觉、GIS等领域的研究热点之一。
在高分辨率遥感影像中，道路表现为具有一定长度和宽度，拓扑结构复杂的一类地物[1]，且受非目标地物（车辆、行人、树木阴影等）影响较大。
因此，在高分辨率遥感影像上进行道路提取一直被认为是一项很具难度的工作。
活动轮廓模型是一种自上而下的能够有效融合上层知识和底层图像特征的处理过程，特别适用于建模以及提取任意形状的变形轮廓等。
已有许多学者将活动轮廓模型应用于道路提取，并取得了一定的研究成果[1-2]，但是这些已有的方法有的仅适用于乡村等背景简单的场景[2]；有的人工干预较多，且时间效率较低[1]。
水平集表达模型作为活动轮廓模型研究的一个重要分支，当提取对象是图像中的所有目标的边界时，水平集表达模型是一种很有效的方法[3-7]。
但是，如果仅需要提取感兴趣的目标，特别是对于背景比较复杂的图像，则利用该方法进行目标提取就变得很具难度。
本文以城区高分辨遥感影像主干道路为研究对象，在现有研究成果的基础上，提出一种适用于提取复杂背景下感兴趣目标的变分水平集方法，并在第3节，利用多幅QuickBird卫星高分辨率遥感影像对该模型的有效性进行了验证。
实验结果表明该模型能够较精确地从复杂背景中提取出道路，具有较强的抗干扰能力。
基于改进MNE算法的动目标检测技术
ｐ ｐ ｒ ｈ ｒｎ ｉｌ ｏ ＮＥ ａ ｄｉ ｏ ｕａｉｎ ｌ ｕ ｄ ｎａ ｅｉｖ ｓｉａｅ ．Ｔｈ ｎｗｅｉｓｒ ｈ ｒｊｃｉｎａ — ａ ｅ ，ｔ ｅｐ ｉｃｐｅ ｆＭ ｎ ｓｃ ｍｐ ｔｔ ａ ｒ ｅ ｒ ｅ ｔ ｔｄ ｔ ｏ ｂ ｎ ｇ ｅ ｎ ｅ ｔ ｅｐ ｏｅ ｔ ｐ ｔ ｏ
ｔ ｔ ｏ ｓｈ ｖ ｈ ａ ｅｐ ｒｏ ｍａ ｃ ，ｂ ｔｔ ｅ ｐ ｏ ｏ ｅ ｅｈ ｄ ｒ ｄ ｃ ｓ ｔ ｅ ｃ ｍｐ ｔ ｔｏ ａ ｃ ｍｐ ｅ ｉ ． ｗｏ ｍｅ ｈ ｄ ａ ｅ ｔ ｅ ｓ ｍ ｅ ｆ ｒ ｎ ｅ ｕ ｈ ｒ ｐ ｓ ｄ ｍ ｔ ｏ ｅ ｕ ｅ ｈ ｏ ｕ ａ ｉ ｎ ｌ ｏ ｌｘ ｔ ｙ Ｋｅ ｒ ｓ ｓ ｎ ｈ ｔｃ ａ ｅ ｔ ｒ ａ ａ （ ＡＲ） ｙ ｗｏ ｄ ： ｙ ｔ ｅ ｉ ｐ ｒ ｕ ｅ ｒ ｄ ｒ Ｓ ；ｇ ｏ ｎ ｖｎ ａ ｇ ｔ ｉｄ ｃ ｔ ｎ（ ｒ ｕ ｄ ｍｏ ｉｇ ｔ ｒ ｅ ｎ ｉ ｉ ＧＭ ＴＩ ；ｍｉｉ ｍ ｏ ｍ ａｏ ） ｎｍｕ ｎ ｒ
阵完整 地包 含 了杂波 和噪声 的信 息 ， ｉ ｖｃ Ｈａ ｍｏ ｉ ｈ等
矩 阵特 征分解 运 算 量 较 大 的缺 点 ， Ｐ Ｔ（ 似 将 ＡＳ 近
收稿 日期 ： ０ １１ ８ ２ １ — Ｏ０ ；修 回 日期 ： ０ 卜１ — ５ ２ １ ２１
３６ Ｏ
雷 达 科 学 与 技 术
Ｅ Ｅ ＋ Ｅ Ｅ 一 Ｉ
所 以式 （ ）中的权矢 量具 有另 一个 等效值 ： ６
Ｗ… 一
像 素 （ ， ） 的数 据 ， 中 ｒ表示距 离 向位 置 ， ｒ。 处 其 ａ表
示 方 位 向 位 置 。 （ ，）一 ［ ｌｒ 口 ，２ｒ 口 ， ， ｚ ｒ口 ｚ（，）ｚ（，）… （ ， ） 表示不 同通 道 Ｓ ｒａ］ ＡＲ 图像 中 同一 像 素单 元 的空域 采样 信号 ， ｚ ｒｎ 则 （ ，）可表示 为
色彩校正
基于肤色分割与Adaboost融合鲁棒人脸检测方法
改进的多尺度Retinex图像增强算法
改进的多尺度Retinex图像增强算法
王小明;黄昶;李全彬;刘锦高
【期刊名称】《计算机应用》
【年(卷),期】2010(030)008
【摘要】针对多尺度Retinex算法在图像增强的过程中,存在着算法运算量大的问题,提出了一种基于快速二维卷积和多尺度连续估计的算法.该算法充分利用二维图像高斯卷积的可分离性和多尺度照射光连续估计的可行性,降低了Retinex算法的复杂度.同时对于增强后图像色彩容易失真的现象,提出了一种去极值的直方图裁剪法,用于保持图像色彩信息和提高对比度.实验结果表明,这些改进可以有效提高算法运行速度和改善图像增强效果.
【总页数】3页(P2091-2093)
【作者】王小明;黄昶;李全彬;刘锦高
【作者单位】华东师范大学,信息科学技术学院,上海,200241;浙江师范大学,教师教育学院,浙江,金华,321004;华东师范大学,信息科学技术学院,上海,200241;华东师范大学,信息科学技术学院,上海,200241;华东师范大学,信息科学技术学院,上
海,200241;上海建桥学院,电子工程系,上海,201319
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.改进的多尺度Retinex医学X射线图像增强算法 [J], 陈琛;张建州
2.改进的带色彩恢复的多尺度Retinex雾天图像增强算法 [J], 李垚峰;何小海;吴小强
3.基于改进多尺度Retinex的单幅彩色图像增强算法 [J], 罗浩;仲佳嘉;李祥
4.一种改进的具有色彩保护的多尺度Retinex图像增强算法 [J], 张翔;王伟;肖迪
5.改进细节提升多尺度Retinex图像增强算法 [J], 王仕女[1];孙文胜[1]
因版权原因，仅展示原文概要，查看原文内容请购买。
【小型微型计算机系统】_图像表示_期刊发文热词逐年推荐_20140724
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
科研热词 顺序统计滤波器 限邻域 视觉感知 视图 自适应 聚类 结构相似度 经验模式分解 索引结构 稀疏表示 相似度 目标识别 特征选取 特征 正交匹配追踪 子图查询 剪枝
推荐指数 1 1 1 1 1 1 1 1 1 4 5 6 7 8 9 10 11 12 13 14 15 16
2012年 科研热词 推荐指数 小波变换 2 图像检索 2 颜色直方图 1 边缘检测 1 视觉短语 1 纹理特征 1 矩形斜面子模式 1 理想边缘模型 1 形状特征 1 多示例学习 1 基于斜面分解的非对称逆布局图像表示方法 1 图像分类 1 双向模板 1 三角网格 1 euclidean distance 1 contourlet变换 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
2009年 科研热词 推荐指数 线性四元树 2 图像表示 2 三角形 2 nam 2 非对称逆布局模式表示模型 1 逆布局问题 1 视频内容分析 1 算法 1 积分投影 1 矩形 1 灰度图像 1 有限状态机 1 时间复杂度 1 插值正交多小波 1 感知概念 1 多分辨分析 1 图像缩放 1 图像分析 1 图像分割 1 分水岭 1 内插算法 1 位平面分解 1 二值图像表示 1 tnam 1 mean-shift 1 itnam 1
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｂ ｔａ ｔ Ｔｈ ｍａ ｅ ｒ ｐ ｅ ｅ ｔ ｔ ｎ ｉ ｏ ｅ ｏ ｈ ｓ ｍｐ ｒａ ｔｒ ｓ ａ ｃ ｏ ｔ ｎ ｓ ｉ ｏ ｏ ｉ ｓ ｉ ｇ ｒ ｃ ｓ ｉ ｇ， ａ — ｓｒ ｃ ｅ ｉ ｇ ｅ ｒ ｓ ｎ ａ ｉ ｓ ｎ ｆ ｔ ｅ ｍｏ ｔｉ ｏ ｔ ｎ ｅ ｅ ｒ ｈ ｃ ｎ ｅ ｔ ｎ ｒ ｂ ｔｃ ，ｍａ ｅ ｐ ｏ ｅ ｓ ｎ ｐ ｔ ｏ
计算机科学 ２ ０ Ｖｏ． ５ Ｑ １ ０ ８ １ Ｎ． ０ ３
一
种 改进 的 基 于 ＮＡ 的 彩 色 图像 表 示算 法 Ｍ
郑运 平 陈传 波 黄 巍 （ 中科 技大 学计 算机 科 学与技 术 学院 武 汉 ４ ０７ ） 华 ３０４
摘
要
图像表 示在机器人 、 图像 处理 、 模式识别等领域 里是一个非常重要的研 究 内容之一 。尽 管基 于 ＮＡＭ 的彩 色
ｒ ｔ ａ ｎ ｘ ｅ ｉ ｎ ａ ｅ ｕ ｔ ｒ ｓ ｎ ｅ ｈ ｗ ｈ ｔｔ ｅ ｐ ｏ ｏ ｅ ｌ ｏ ｉ ｍ ａ ｒ ａ ｌ ｅ ｕ ｅ ｔ ｅｎ ｍ ｂ ｒ ｆｓ ｂ ａ ～ ｅ ｉ ｌａ ｄ ｅ ｐ ｒｍｅ ｔ ｌ ｓ ｌｓ ｐ ｅ ｅ ｔ ｄ ｓ ｏ ｔ ａ ｈ ｒ ｐ ｓ ｄ ａｇ ｒｔ ｃ ｒ ｈ ｃ ｎ ｇ ｅ ｔｙ ｒ ｄ ｃ ｈ ｕ ｅ ｓｏ ｕ ｐ ｔ
ｔｒ ｅ ｏ ｎｔ ｎ， ｎ ０ｏ ， Ａｌｈ ｕ ｈ ａＮＡＭ－ ａ ｅ ｏｏ ａ ｅｒｐ ｅｅ ｔｔ ｎｍｅｈ ｄ ｉ ｅｔｒｍｅｈ ｄ ｔ ｅ ｒ ｓｎ ｅｎ ｒｃ ｇ ｉｏ ａ ｄ Ｓ ｎ ｉ ｔ ｏ ｇ ｂ ｓ ｄ ｃ ｌｒｉ ｇ ｅ ｒｓ ｎ ａｉ ｔ ｏ ａｂ ｔｅ ｔ ｏ Ｏｒ ｐ ｅｅ ｔ ｍ ｏ ｓ ｔｅ ｃ ｌｒｉ ｇ ａｔ ｒ ｔ ｅｍ ｅｈ ｄｉ ｎ ｙｂ ｓｄｏ ｉｇｅｓ ｂ ａ ｔｒ ｓ（ｅ ｔｎ ｌｓ ｎ ｈ ｒ ｓｓｉ ｕ ｈ ｒｏ ｌｆ Ｏ ｈ ｏｏ ｍａ ｅｐ ｔｅｎ，ｈ ｔｏ ｏ ｌ ａ ｅ ｎｓｎ ｌ ｕ ｐ ｔｅｎ ｒｃａ ｇｅ ）ａ ｄｔ ｅｅｉ ｔｌ ｃ ｏ ｍ ｔｔ ｓ ｌｍ ｅ ｏ ｔ ｚ ｈ ｅｈ ｄ Ｔｈ ｒｆ ｒ ，ｎ ｔａ ｆｓｎ ｌ ｕ ｐ ｔｅｎ （ ｅ ｔｎ ｌｓ ， ｙ ａ ｏ ｔ ｇ ｍ ｕｔ ｓ ｂ ａｔｒ ｓ （ ｕ ｈ ａ ｐ ｉ ｅｔ ｅｍ ｔｏ ． ｍｉ ｅｅｏ ｅ ｉｓｅｄ ｏ ｉｇ ｅ ｓ ｂ ａ ｔｒ ｓ ｒｃａ ｇ ｅ ） ｂ ｄ ｐ ｉ ｌ｜ ｕ ｐ ｔｅ ｎ ｓ ｃ ｓ ｎ 一 ｓｍ ｅｃ ｍｂｎ ｔ ｎ ｏ ｅ ｔｎ ｌｓａ ｄ ｔｉｎ ｌｓ ， ｎ ｉ ｐ ｏ ｅ ｌｏ ｉｈ ｆｒＮＡＭ － ａ ｅ ｏｏ ｍａ ｅ ｒｐ ｅ ｅ ｔｔ ｎ ｗａ ｏ ｏ ｉａ ｉ ｆｒ ｃａ ｇｅ ｎ ｒａ ｇｅ ） ａ ｍ ｒ ｖ ｄ ａｇ ｒｔｍ ｏ ｏ ｂ ｓｄ ｃ ｌｒｉ ｇ ｅ ｒｓ ｎ ａｉ ｓ ｏ ｐ ｅｅ ｔｄ ｒ ｓｎ ｅ ．Ａｌｏ，ｈ ｔｒ ｇ ｔｕ ｔ ｒｓａ ｄｔ ｅｔ ｔｌ ａａａ ｕ ｔｏ ｈ ｒ ｐ ｓｄ ａｇ ｒｔｍ ｒ ｎ ｌｚｄ ｓ ｔ ｅｓｏ ａ ｅｓｒ ｃｕ ｅ ｎ ｈ ｏ ａ ｔ ｍｏ ｎ ｆｔ ｅｐ ｏ ｏ ｅ ｌｏ ｉｈ ｗｅ ｅａ ａｙ ｅ ．Ｔｈ ｈ ｏ ｄ ｅｔ ｅ ～
Ｉ ｍｐｒ ｖ ｄ Ａｌ ｏ ｉｈｍ ｏ ｏ ｅ ｇ ｒｔ ｆ ｒＮＡＭ － ａ ｅ ｌ ｒ Ｉ ｇ ｐｒ ｓｎｔ ｔｏ ｂ ｓ ｄ Ｃｏ ｏ ｍａ ｅ Ｒｅ ｅ ｅ ａ ｉ ｎ
Ｚ Ｅ Ｈ ＮＧ ｎ ｐ ｎ ＣＨＥＮ ｕ ｎ ｂ Ｈ ＵＡＮＧ ｅ Ｙｕ － ｉ ｇ Ｃｈ ａ － ｏ Ｗ ｉ
ቤተ መጻሕፍቲ ባይዱ
图像表 示方法是彩 色图像模式 的一种 良好表 示方法 ， 但是该 方法是 建立在单类型子模式 （ 形） 矩 基础之上 ， 因而还有更 进 一步的优化空 间。通过对 多子模 式类 型的组 合 （ 矩形 和三 角形） 布局 作进一 步 的研 究， 出了一种 改进 的基 于 逆 提 ＮＡＭ 的彩 色图像表示算 法 ， 并给 出了该算法的存储 结构和数据量 分析 。理论分析和 实验结果表 明： 与基 于 ＮＡ 的 Ｍ 彩 色图像 表示算法和流行的基 于线性 四元树 的彩 色图像 表 示方法相 比， 改进 的基 于 ＮＡＭ 的彩 色图像表 示方 法能更
有效地减 少子模式数 （ 节点数 ） 和数据存储 空间， 是彩 色图像模 式表 示的一种更优 的表示算法 ， 为逐 步逼近彩 色图像 模
式 的 最 优 化 表 示 提 供 了一 种 重 要 的研 究 途径 。
关键词 图像 表示 ， 色图像 ， 彩 ＮＡＭ， Ｉ ＮＡＭ， 线性四元树 ， 布局 问题 ， 逆 图像 复杂度
ｔｒ ｓＯ ｏ ｅ ｎ ｉ ｕｔｎ ｏ ｓｙｓｖ ｈ ｔｒｇ ｏ ｍ ｃ ｒ ｆｅ ｔ ｅｙｔ ａ ｈ ｌｏ ｉ ｍｓｏ ｈ ｏ ｕａ ｎ ａ ｅｎ ｒｎ ｄ ｓａ ｄｓｍ ｌａ ｅ ｕ ｌ ａ ｅｔｅｓｏ ａ ｅｒ ｏ ｍｕ ｈｍｏ ｅｅｆｃｉ ｌ ｎｔ ｅａｇ ｒｔ ｖ ｈ ｈ ｆ ｅｐ ｐ ｌｒｌ ｅ ｒ ｔ ｉ
ａ ｄ ｔ ｅＮＡＭ ｔ ｉ ｇ ｅ ｒ ｃ ａ ｇ ｌｒ ｓ ｂ ａ ｔ ｒ ｓ Ｔｈ ｒ ｆ ｒ ， ｈ ｒ ｐ ｓ ｄ ａ ｇ ｒｔ ｍ ｓ ａ ｂ ｔｅ ｔ ｏ Ｏ ｒ ｐ ｅ ｅ ｔ ｎ ｈ ｗｉ ｓｎ ｌ ｅ ｔ ｎ ｕ ａ ｕ ｐ ｔｅ ｎ ． ｈ ｅ ｅ ｏ ｅ ｔ ｅ ｐ ｏ ｏ ｅ ｌｏ ｉ ｈ ｉ ｅ ｔ ｒ ｍｅ ｈ ｄ ｔ ｅ ｒ ｓ ｎ
（ ｈ ｏ ｆＣｏ ｕ ｅ ｉｎ ｅａ ｄＴｅ ｈｎ ｌｇｙ， ａ ｈｏ ｎｖ ｒ ｉｙｏ ｉｎｃ ｎ ｃ ｎ ｌｇｙ Ｗ ｕ ｎ ４ ０ ７ Ｃｈｎ ） Ｓｃ ｏ ｌｏ ｍｐ ｔ ｒＳｃｅ ｃ ｎ ｃ ｏｏ Ｈｕ ｚ ｎｇＵ ｉｅｓｔ ｆＳｃｅ ｅａ ｄＴｅ ｈ ｏ ｏ ， ｈａ ３ ０ ４， ｉａ