摘要
将先进的K-均值聚类理论引入到分形图像编码领域,是目前国际学术界的研究热点之一。本文全面分析了K-均值聚类的初始聚类中心选取问题,给出了基于均值-标准差的初始聚类中心选取新方案,并据此提出了一种新的快速分形图像编码算法。仿真实验表明,本文所提出的快速分形图像编码算法是一种高效的图像压缩方法,不仅其压缩效果明显优于传统K-均值聚类分形图像压缩方案,而且具有较短的编码时间。同时,该算法还具有较强的通用性与适应性(传统K-均值分形编码方法对于纹理图像压缩效果较差,而本文算法的压缩效果却较理想)。
How to import the advanced theory of K-mean clustering into the domain of fractal image encoding is a hotspot research in national academia. In this paper, the selection of initial clustering center for K-Means clustering is analyzed, an new initial clustering center selection based on average value and variance is given, and a novel fast fractal image coding method is proposed. Experimental results show that the proposed coding is a fast and efficient image compression scheme; it can considerably shorten the encoding time, while achieving the same or better decoded image quality.
出处
《计算机科学》
CSCD
北大核心
2008年第2期219-222,共4页
Computer Science
基金
辽宁省自然科学基金(20032100)
视觉与听觉信息处理国家重点实验室(北京大学)开放基金(0503)
大连市科技基金(2006J23JH020)
“图像处理与图像通信”江苏省重点实验室(南京邮电大学)开放基金(ZK205014)
江苏省计算机信息处理技术重点实验室(苏州大学)开放课题基金(KJS0602)资助
关键词
图像压缩
分形编码
K-均值聚类
初始聚类中心
Image compression, Fractal coding, K-mean clustering, Initial clustering center
