使用樹狀結構的模糊分類法則做影像的改良式向量量化;A Fuzzy Algorithm Based Tree Structure VQ for Image Compression

NCU Institutional Repository > 資訊電機學院 > 電機工程研究所 > 研究計畫 > Item 987654321/57181

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/57181

題名:	使用樹狀結構的模糊分類法則做影像的改良式向量量化;A Fuzzy Algorithm Based Tree Structure VQ for Image Compression
作者:	蔡木金
貢獻者:	中央大學電機工程研究所
關鍵詞:	資訊科學--軟體;樹狀結構;改良式影像向量量化;模糊分類法則;影像壓縮;特徵向量;Tree structure;Modified image vector quantization;Fuzzy clusteringalgorithm;Image compression;Feature vector
日期:	1995-09-01
上傳時間:	2012-10-01 15:15:41 (UTC+8)
出版者:	行政院國家科學委員會
摘要:	本計畫擬將傳統的向量量化(LBG algorithm)代之以模糊分類法則(Fuzzy clustering algorithm),並運用樹狀結構作為改良式的影像向量量化(Image vector quantization)之研究.吾人先將資訊源分為影像像素(Image pixel)源與影像轉換(Transformation)源兩類.然後,若以影像像素源為基礎,則利用模糊分類法則,並依據樹狀結構,將歸屬函數( Membership function)相近者的像素小方塊歸類為同一類;同時,可獲得該類(Cluster)的中心點值,即為期望碼簿中的碼字(Codeword).另者,若以影像轉換域為基礎,則必需先將一數位影像分成一4*4的小方塊(Sub-block),並作2維的離散式餘弦轉換( 2-dimension discrete cosine transform)2-D DCT,取出代表性的轉換域係數約4-6個,組成特徵向量(Feature vector),以此特徵向量做為資料源的分類依據,同時亦依據模糊分類法則,將歸屬函數相近者,建構在樹狀結構中,並算出該類的中心值.最後,均將其中心值作為碼字,以構成碼簿.上述方法,引用特徵向量來分類,可以避免因依相似影像值而有不同且差異頗大的特徵子方塊歸類在一起 ,而產生邊緣的退化(Degradation),更因而導致視覺的不佳效果.同時,運用模糊分類法則來訓練碼簿,是在傳統向量量化LBG演算法上運用的一大嘗試,尤其,將此法則建構在樹枝結構上,將可改善傳統方法浪費較多運算時間的缺點,並使得影像還原過程節省很多搜尋時間. ; 研究期間 8308 ~ 8407
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[電機工程研究所] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	596	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....