优化分形编码:基于四分位数特征的快速运动目标检测算法
需积分: 0 22 浏览量
更新于2024-09-07
收藏 581KB PDF 举报
本文研究的焦点是"一种新的背景减运动目标检测方法",它针对分形图像编码中存在的编码耗时问题进行改进。传统的分形图像编码,如1990年由Jacquin提出的全搜索分形块图像编码算法,利用了图像的局部自相似性,通过压缩仿射变换参数实现了高效的压缩。然而,编码过程中在海量码本中搜索最佳匹配块的复杂性成为其主要瓶颈,这限制了其广泛应用。
为了克服这一问题,研究者提出了一个新的策略,即基于四分位数特征和匹配均方根误差之间的关系不等式。该方法限制了搜索空间,将待编码的range块的匹配搜索仅限于与之最接近的domain块的邻域内,邻域的大小由预设的误差阈值决定。这种策略显著减少了搜索时间,实验证明,与全搜索分形编码算法相比,编码速度平均提高了51倍以上(当误差阈值为10时),且在保持重建图像质量相对优秀的前提下,编码效果更佳。
在快速分形编码方法中,特征向量法作为一种有效策略被广泛讨论。传统特征向量法通过构建图像块的低维特征向量,将匹配搜索转化为近似搜索,但高维特征向量会带来存储需求和性能下降的问题。本文的创新之处在于,通过对图像块特征向量的重新定义,降低了维度,从而进一步提升了编码效率。作者李高平、向慧芬和赵正武分别来自西南民族大学、四川师范大学和重庆师范大学,他们的研究工作是在前人工作的基础上,针对分形图像编码的特定挑战,提出了一种具有实际应用价值的优化策略。
总结来说,这项研究关注的核心是设计一个更为高效的特征向量选取方法,以减少搜索复杂度,提高分形图像编码的速度和性能,这对于实时视频处理和大规模数据压缩等领域具有重要意义。
2023-05-31 上传
2023-07-24 上传
2023-03-21 上传
2023-05-16 上传
2023-05-10 上传
2023-12-23 上传
2023-08-06 上传
2023-11-02 上传
2023-08-06 上传
weixin_38743968
- 粉丝: 404
- 资源: 2万+
最新资源
- C语言快速排序算法的实现与应用
- KityFormula 编辑器压缩包功能解析
- 离线搭建Kubernetes 1.17.0集群教程与资源包分享
- Java毕业设计教学平台完整教程与源码
- 综合数据集汇总:浏览记录与市场研究分析
- STM32智能家居控制系统:创新设计与无线通讯
- 深入浅出C++20标准:四大新特性解析
- Real-ESRGAN: 开源项目提升图像超分辨率技术
- 植物大战僵尸杂交版v2.0.88:新元素新挑战
- 掌握数据分析核心模型,预测未来不是梦
- Android平台蓝牙HC-06/08模块数据交互技巧
- Python源码分享:计算100至200之间的所有素数
- 免费视频修复利器:Digital Video Repair
- Chrome浏览器新版本Adblock Plus插件发布
- GifSplitter:Linux下GIF转BMP的核心工具
- Vue.js开发教程:全面学习资源指南