利用熵和分形压缩编码的图像检索新方法

基于信息熵的图像压缩算法优化研究图像是一种重要的信息载体，可以包含丰富的视觉信息和感性表达。

但是，随着数字图像的海量增长，图像数据的存储和传输成本也在不断增加。

因此，图像压缩就成为了一种必要的技术手段，以降低存储和传输成本。

目前主流的图像压缩算法包括JPEG、H.264等，这些算法通过利用不可感知的信息和数据冗余，可以实现较高的压缩比。

但是，这些算法在一些情况下仍然存在缺陷，例如针对特定类型的图像、高压缩率下的视觉质量损失等。

为了进一步提高图像压缩算法的性能，各种改进和优化算法也得到了广泛的研究和应用。

其中，基于信息熵的算法是一种较为常见的优化算法之一，旨在通过最大化信息熵来实现更优秀的压缩效果。

信息熵指的是一种衡量信息随机性和不确定性的度量方法，其具体计算方式为：H(X)=-Σ P(xi) * log2 P(xi)其中，X为信息源；xi为X中某个信息的概率，P(xi)指的是xi出现的概率；H(X)为信息熵。

基于信息熵的图像压缩算法的基本思路是，通过对图像中的像素进行统计分析，得到其概率分布，然后根据信息熵的计算公式，求出图像的信息熵作为压缩效果的衡量标准。

在此基础上，可以通过增大信息熵，来达到更高的压缩比。

具体而言，常见的基于信息熵的算法可以分为两类，即基于灰度级的算法和基于小波变换的算法。

对于基于灰度级的算法，它的关键在于对于图像的灰度值进行统计分析。

常见的方法包括直方图均衡化、灰度共生矩阵等。

其中，直方图均衡化可以将图像的灰度值分布均匀化，从而提高信息熵，使得图像更加清晰鲜明。

而灰度共生矩阵则可以通过计算像素间的灰度值共生概率，来提取出图像中的纹理等纹理特征，从而更好的压缩图像。

对于基于小波变换的算法，则是利用小波变换将图像分解为多个频域子带，从而实现局部信号频率分析。

通过滤波和缩放等过程，可以得到具有不同频率特征的频域子带，然后再对这些子带进行统计分析，计算出其信息熵，以此作为压缩效果的评价指标。

图像编码是一门关于将图像数据进行压缩和编码的技术。

熵编码是图像编码中常用的一种方法，其通过统计图像数据中的统计特性，将出现频率较高的像素值编码为较短的二进制码，而出现频率较低的像素值编码为较长的二进制码，从而达到压缩图像数据的目的。

本文将详细介绍熵编码的原理和常见的熵编码方法。

一、熵编码的原理熵编码的原理基于信息论中的熵概念，熵是度量信息量的一个指标，表示一个随机变量平均需要多少信息来表示。

在图像编码中，熵即为图像数据中的不确定性或不规律性，熵越高，图像数据的复杂度越大。

熵编码的目标是利用统计特性将出现频率较高的像素编码为较短的码字，而出现频率较低的像素编码为较长的码字。

这样一来，出现频率较高的像素值编码后的二进制码的长度较短，从而达到压缩图像数据的目的。

二、哈夫曼编码哈夫曼编码是最常见的一种熵编码方法，它通过构建一颗哈夫曼树来实现编码。

首先，统计图像中每个像素值的出现频率，然后构建一颗哈夫曼树。

在哈夫曼树中，出现频率较高的像素值编码为较短的码字，而出现频率较低的像素值编码为较长的码字。

最后，根据构建好的哈夫曼树，对图像数据进行编码。

三、算术编码算术编码也是一种常用的熵编码方法，它将整个图像看作一个整体，通过将图像中的每个像素值产生的条件概率进行累乘，得到整个图像的条件概率。

然后，根据条件概率对图像数据进行编码，编码时通过二分搜索来确定编码的区间。

四、自适应编码自适应编码是一种逐行或逐列扫描整个图像进行编码的方法。

在自适应编码中，每次编码一个像素值，然后根据编码结果来更新编码表，使得出现频率较高的像素值编码为较短的二进制码。

自适应编码的优点是适应性强，可以根据图像的统计特性动态地调整编码结果。

五、总结熵编码是图像编码中的一种重要方法，通过统计图像数据的统计特性，将出现频率较高的像素值编码为较短的码字，从而达到压缩图像数据的目的。

常见的熵编码方法包括哈夫曼编码、算术编码和自适应编码等。

不同的熵编码方法适用于不同的图像数据特性和编码需求，选择合适的编码方法可以提高图像的压缩率。

图像编码是指将数字图像转换为可传输或存储的比特流的过程。

数据压缩技术在图像编码中起着重要的作用，它可以减少图像的大小并降低传输或存储所需的空间。

本文将介绍一些常见的图像编码中的数据压缩技术。

一、无损压缩技术无损压缩技术是指在压缩图像的同时，保证恢复出的图像与原始图像完全一致。

其中，最常见的无损压缩技术是无损预测编码。

该技术利用了图像中像素之间的相关性，通过预测像素的值并编码预测误差的方式进行压缩。

无损预测编码包括差分脉冲编码调制（DPCM）和可变长度编码（VLC）等方法。

另外，无损压缩技术还包括比特平面编码。

该技术将原始图像分解为多个比特平面，并对每个平面进行编码。

这样可以根据图像内容的重要性有选择地进行编码，从而提高压缩的效果。

二、有损压缩技术有损压缩技术是指在压缩图像的同时，对图像进行一定程度的信息损失。

常见的有损压缩技术有离散余弦变换（DCT）和小波变换。

离散余弦变换将图像分解为一系列频域成分，通过对这些频域成分进行量化和编码来实现压缩。

由于人眼对高频细节的感知比较差，因此可以对高频部分进行较强的量化，从而实现更高的压缩比。

小波变换是近年来兴起的一种图像压缩技术。

它将图像分解为一系列不同尺度和方向的小波系数，并对这些系数进行量化和编码。

小波变换能够更好地提取图像的局部特征，从而实现更好的压缩效果。

三、熵编码在图像编码中，熵编码是一种常用的编码方法，它通过将出现概率较高的符号用较少的比特表示，从而实现数据的进一步压缩。

常见的熵编码算法有霍夫曼编码和算术编码。

霍夫曼编码是一种用于可变长度编码的熵编码方法。

它根据符号出现的概率构建一棵霍夫曼树，然后按照霍夫曼树的路径进行编码。

出现概率较高的符号使用较短的编码，而出现概率较低的符号使用较长的编码。

算术编码是一种更高效的熵编码方法。

它将整个消息看作一个区间，并通过不断缩小区间的方式进行编码。

算术编码能够实现非常高的压缩比，但由于算法的复杂性较高，实际应用中较少使用。

利用分形编码进行基于形状的图像检索
范辉;华臻;李晋江;原达
【期刊名称】《计算机工程与应用》
【年(卷),期】2004(040)013
【摘要】分形编码在图像压缩方面取得了很好的效果,同时也能够用于基于内容的图像检索.该文结合分形技术,提出了一种有效的抽取特征检索图像的新方法.针对目前基于形状的图像检索领域中存在的问题,首先提出了一种通过构造不规则区域的相似膨胀分形编码算法,该算法能获得较高的压缩比.在图像检索中,该算法用一新的方式提取形状特征,实现了基于该算法的图像检索操作.实验结果表明该文算法能较好地描述图像的形状及空间分布信息,明显地提高了检索效率及准确度.
【总页数】4页(P60-63)
【作者】范辉;华臻;李晋江;原达
【作者单位】山东工商学院信息与电子工程学院,山东,烟台,264005;烟台大学光电信息学院,山东,烟台,264005;山东工商学院信息与电子工程学院,山东,烟台,264005;山东工商学院信息与电子工程学院,山东,烟台,264005
【正文语种】中文
【中图分类】TP391.3
【相关文献】
1.利用Krawtchouk矩不变量实现基于形状的图像检索 [J], 吴一全;武燕燕;唐艳亮
2.基于形状不变矩进行汉画像图像检索 [J], 张文斌;王树梅;刘伟辉
3.基于形状不变矩进行汉画像图像检索 [J], 张文斌;王树梅;刘伟辉
4.利用颜色向量角直方图进行基于内容的图像检索 [J], 路兴;王朔中
5.利用小波分析进行基于形状的图像检索技术 [J], 董卫军;陈吉;周明全
因版权原因，仅展示原文概要，查看原文内容请购买。

图形图像编码中的熵编码算法使用教程在图形图像编码中，熵编码算法是一种常用的数据压缩技术。

通过对图像中的数据进行编码，可以减小图像所占用的存储空间，提高传输效率。

本文将介绍图形图像编码中的熵编码算法的使用教程，并详细解释其原理和操作步骤。

熵编码是一种无损压缩方法，它通过使用较短的位数来表示频率较高的符号，以实现数据的压缩。

在图形图像编码中，熵编码通常用于对图像中的颜色或像素值进行编码。

首先，我们需要了解熵编码的原理。

熵编码基于信息熵的概念，信息熵是用来度量信息量的一个指标。

当一个符号出现的概率越高时，其信息量越低，所需编码的位数也越少。

熵编码就是根据符号的概率分布，将频率较高的符号用较少的位数进行编码，从而减小数据的表示长度。

接下来，我们可以了解一下常用的熵编码算法，如霍夫曼编码和算术编码。

这两种算法都是通过建立符号和编码之间的对应关系来实现熵编码。

在实际使用中，我们可以先进行图像预处理，将图像进行离散化处理，将连续的像素值转化为离散的符号。

然后，利用统计方法来获取符号的概率分布。

对于图像中的颜色编码，我们可以统计每种颜色的出现次数，并计算其概率。

对于像素值编码，我们可以统计不同像素值的频率，并计算其概率。

接下来，我们需要根据符号的概率分布来构建编码表。

对于霍夫曼编码，我们可以根据符号的概率构建一颗霍夫曼树，将概率较高的符号放在树的较低层，概率较低的符号放在树的较高层。

然后，我们可以从树的根节点开始遍历树，根据左子树和右子树的关系为符号赋予相应的编码。

而对于算术编码，我们可以使用算术编码表来对符号进行编码。

编码完成后，我们将编码后的信息进行传输或存储。

在传输或存储过程中，我们需要注意将编码后的信息进行解码，以使接收方能够正确地解析图像数据。

为了正确地解码信息，接收方需要了解和发送方相同的编码表。

总结一下，图形图像编码中的熵编码算法是一种常用的数据压缩技术。

通过统计符号的概率分布，构建编码表，对数据进行编码，可以实现数据的压缩和传输效率的提高。

图像编码中的熵编码方法详解在数字图像处理领域，图像编码作为一种将图像信息以更高效方式表示的方法，一直受到广泛关注。

而其中，熵编码被认为是一种效果较好的编码方法之一。

本文将对图像编码中的熵编码方法进行详细探讨，包括熵编码原理、熵编码方法的分类和具体实现。

一、熵编码原理熵编码的基本原理是通过统计信息的量化表示来实现数据压缩。

它利用源符号出现的概率分布特性，将出现概率高的符号用较短的二进制码表示，而将出现概率低的符号用较长的二进制码表示，以达到数据压缩的目的。

二、熵编码方法的分类熵编码方法根据具体实现方式可分为霍夫曼编码、算术编码和自适应编码三种。

1. 霍夫曼编码霍夫曼编码是一种静态编码方法，需要事先对数据进行统计分析，根据符号出现的概率分布来构建码表。

它的基本思想是将出现概率高的符号用较短的二进制码表示，而将出现概率低的符号用较长的二进制码表示。

这样一来，在编码时可以利用霍夫曼树的特点，将编码后的码字尽量紧凑地表示。

2. 算术编码算术编码是一种连续性的编码方法，其核心思想是将符号序列编码为一个在0到1之间的分数，并将该分数映射到二进制码的指定范围内。

算术编码方法相比霍夫曼编码，可以更加精确地表示每个符号的概率，因此具有更好的编码效率。

3. 自适应编码自适应编码是一种动态编码方法，它不需要事先对源信号进行统计分析，而是根据实时的符号出现概率分布来进行编码。

在自适应编码中，编码表会根据输入数据的特点进行动态更新，以适应源信号的变化。

自适应编码方法相比于静态编码方法，具有更好的适应性和实时性。

三、熵编码方法的实现1. 霍夫曼编码的实现霍夫曼编码的实现过程主要包括两个阶段，即霍夫曼树的构建和编码树的生成。

首先，根据符号出现的概率分布构建霍夫曼树，然后根据霍夫曼树生成编码表，将每个符号对应的霍夫曼编码存储起来。

在实际编码过程中，根据要编码的源符号依次查找对应的霍夫曼编码，并输出到编码文件中。

2. 算术编码的实现算术编码的实现过程需要根据符号的概率分布构建累积概率表。

专利名称：利用熵编码的彩色图像数据的无损压缩专利类型：发明专利
发明人：M·L·M·卢特默,P·索布卡克,J·马利克
申请号：CN200580025638.X
申请日：20050726
公开号：CN1993976A
公开日：
20070704
专利内容由知识产权出版社提供
摘要：一种压缩位于扫描行上的像素的数字连续色调图像的方法，每个像素的像素值由至少一个颜色通道值定义，颜色通道值具有B个位(B＞1)的精度，该方法产生被压缩的图像数据并且包括：针对要被编码的当前像素，所述当前像素具有实际像素值，利用固定的规则，基于来自相同图像的至少一个先前处理过的像素的像素值预测一预测像素值；基于所述预测像素值和要被编码的所述当前像素的实际像素值的差值确定差别参数；并对于值等于零的不中断序列的最高阶位的存在，检查该差别参数；去除至少部分所述最高阶零位；并且，如果剩余在预定限制内的多个位，则生成具有预定的固定长度的压缩代码，所述代码表示剩余位的数量。

为了以在实际压缩过程中能够更有效地压缩图像数据的方式来准备图像数据，公开了若干图像数据的预处理步骤。

申请人：奥西-技术有限公司
地址：荷兰芬洛
国籍：NL
代理机构：中国专利代理(香港)有限公司
更多信息请下载全文后查看。

基于信息熵的图像压缩研究与优化近年来，随着科技的不断发展和进步，数字图像已经成为人们生活中不可或缺的一部分。

然而，随着图像的不断增多和文件大小的增加，图像压缩成为了一个不可避免的问题。

因此，图像压缩技术的研究和优化对于数字图像的应用和传输具有重要的意义。

在图像压缩领域中，信息熵被广泛地应用。

信息熵是指数据中所包含的信息的数量，用于衡量信息的不确定性。

在图像中，像素的颜色和位置信息可以被视为一种数据，因此可以使用信息熵来衡量图像中所包含的信息的数量和不确定性。

利用信息熵可以对图像进行压缩，减少数据量，同时保留图像的主要特征。

基于信息熵的图像压缩技术通常可以分为两类：基于无损压缩的技术和基于有损压缩的技术。

基于无损压缩的技术通常依据数据中的冗余信息来进行压缩，因此不会损失原有的图像信息，同时也可以根据原始数据进行还原。

在基于信息熵的无损压缩技术中，霍夫曼编码和算术编码是两个主要方法。

霍夫曼编码是将出现频率较高的符号用较短的码表示，而出现较少的符号则用较长的码表示。

这样做的目的是使得高频符号的编码长度较短，低频符号的编码长度较长。

算术编码则基于出现概率来进行编码，将每个符号映射为一个数值区间，并将区间表示为一个数值。

这种方法可以逐步将区间缩小并映射回去获得压缩后的数据。

与霍夫曼编码不同的是，算术编码在占用空间效率方面更为优秀。

然而，基于无损压缩的技术通常达不到较高的压缩比而且不适用于一些图像格式的压缩。

此时，基于有损压缩的技术被引入。

基于信息熵的有损压缩技术通常分为基于离散余弦变换（DCT）和基于小波变换两种方法。

离散余弦变换是一种基于频域的变换，它将图像从时间域转换到频域。

通过对频域图像进行量化，可以去除掉高频部分的细节信息，从而达到压缩的效果。

小波变换则是另一种基于多分辨率的变换。

它可以将图像分为不同的尺度，并对每个尺度进行变换和量化，从而达到压缩的效果。

相对于离散余弦变换，小波变换能够更好地保留图像的细节信息。

基于信息熵的图像压缩技术研究一、绪论图像压缩技术是一种将图像数据经过处理，以达到减少图像需要占用的空间大小的效果。

随着科技的不断进步，数字图像在生活中的应用越来越广泛，因此压缩技术的研究显得尤为重要。

基于信息熵的图像压缩技术是一种在图像处理领域中常用的技术，本文对其进行深入研究和探讨。

二、信息熵的概念信息熵是信息论中的重要概念。

信息熵是描述信息量大小的一个指标，通俗地来说就是信息的不确定性，具体表现为一个随机变量的所有可能取值的概率的对数倒数的加权平均。

信息熵越小表示信息的相对不确定程度越小，反之则越大。

三、基于信息熵的图像压缩算法步骤1.图像预处理图像压缩前需要对图像进行预处理，例如去除图像噪声、调整图像亮度等。

2.图像分块将图像分为若干个块，使得每个块的容量小于阈值。

块的大小会影响压缩比。

3.计算块信息熵对于每个块，计算其信息熵。

信息熵越小表示块的确定程度越高，块内冗余信息的多少也可通过信息熵得到反映。

4.图像编码根据块信息熵的大小，对图像进行编码。

不同的信息熵，对应不同的编码方式。

5.图像解码对图像进行解码，还原为原始图像。

四、实验结果使用基于信息熵的图像压缩算法对一张分辨率为512*512、大小为1MB的测试图像进行压缩。

将块大小设置为8*8，得到的压缩率为70.3%。

当将块大小设置为4*4时，压缩率达到了82.6%，但是图像质量比较低。

此外，在相同压缩率的情况下，基于信息熵的图像压缩算法相对于其他常规的图像压缩算法，具有更好的图像质量。

五、总结基于信息熵的图像压缩技术是一种在图像处理领域中常用的技术，其主要应用于数字图像的传输、存储、处理等方面。

本文对该技术进行了深入探讨和研究，展示了其压缩率高、图像质量好的优点。

但是该技术也存在一定缺陷，如压缩时间较长、大块图像的压缩效果不佳等。

因此，对于具体应用需根据实际需求进行选择。

图像编码是一种将图像信息转化为数字信号的技术，它在我们的日常生活中扮演着重要的角色。

而图像编码中的分块压缩方法就是其中一种常用的压缩算法。

本文将探究图像编码中的分块压缩方法的原理及应用。

一、分块压缩方法简介分块压缩方法是图像编码中常见的压缩技术之一，其基本思想是将图像划分为若干个大小相等的像素块，然后对每个块进行编码。

与整体压缩方法相比，分块压缩方法可以有效地降低压缩时间和计算复杂度。

二、离散余弦变换（DCT）离散余弦变换是一种常用的分块压缩方法。

它通过将每个像素块转换为频域表示，进而达到降低冗余信号的目的。

在DCT中，图像块被转换为一组频率系数，这些系数代表着图像中的各种频率分量。

三、量化量化是分块压缩中的一个重要步骤。

它的目的是通过舍入和缩放来减少DCT系数的精度和数据量，从而实现压缩的效果。

在量化过程中，通过设置一个量化矩阵，对DCT系数进行近似。

四、熵编码熵编码是分块压缩方法中的最后一步。

它利用图像中的统计特性，将出现频率较高的像素块编码为较短的码字，从而进一步降低压缩后的数据量。

常见的熵编码方法包括哈夫曼编码和算术编码等。

五、分块压缩方法的应用分块压缩方法在图像编码中得到广泛应用。

它不仅可以应用于图像的传输和存储，还可以用于视频编码等领域。

在网络传输中，分块压缩方法可以减少数据量，提高传输速度。

在存储方面，它可以节省存储空间，提高图像的传输效率。

六、分块压缩方法的优缺点虽然分块压缩方法在图像编码中具有广泛的应用，但它也存在一些不足之处。

首先，该方法在处理边界像素时可能会出现失真现象。

其次，分块压缩方法会导致一定的信息丢失，从而影响图像的质量。

此外，该方法的压缩效果与图像块的大小和分布方式有关。

七、分块压缩方法的研究方向目前，研究人员正在不断探索改进分块压缩方法的途径。

一方面，他们致力于优化量化步骤，以减少信息丢失。

另一方面，他们也在努力改善边界像素处理的方法，以提高图像的质量。

此外，随着深度学习等技术的发展，人们也在尝试将其应用于分块压缩方法，以进一步提高压缩效果。

图像压缩的分形编码质量评价模型图像压缩是图像处理领域的一个重要研究方向，而分形编码是其中一种常用的图像压缩方法。

在分形编码中，评价图像压缩质量的模型是至关重要的。

本文将探讨图像压缩的分形编码质量评价模型。

一、引言图像压缩是指通过减少图像数据量，从而减小图像的存储空间和传输带宽的需求。

图像压缩主要分为有损压缩和无损压缩两种方法。

而分形编码作为一种有损压缩方法，通过寻找图像中的自相似性进行图像的压缩和解压缩操作。

二、分形编码的原理分形编码是基于分形理论而发展起来的一种图像压缩方法。

分形理论认为自然界中的许多对象都具有自相似性，即整体和局部之间存在着相似的结构。

分形编码通过找到图像中的局部相似性，并利用非线性映射函数进行图像的压缩表示。

三、图像压缩质量评价的需求图像压缩质量评价是衡量图像压缩效果的重要指标，直接影响到压缩图像的视觉质量和应用价值。

因此，对于分形编码这种有损压缩方法，需要建立合适的质量评价模型，以准确判断图像压缩的效果。

四、分形压缩质量评价模型4.1 基于相似度的评价模型该模型主要基于图像在压缩前后的相似度进行评价。

通过对比原始图像和压缩重建图像的相似性指标，如均方误差（MSE）和结构相似性（SSIM），来量化图像压缩质量。

4.2 基于信息熵的评价模型信息熵是衡量图像信息量的指标，因此可以用来评价图像压缩质量。

该模型通过比较原始图像和压缩图像的信息熵来衡量图像失真程度，从而评价压缩效果。

4.3 基于感知的评价模型该模型主要考虑人类视觉系统对图像压缩失真的感知能力。

通过模拟人类视觉系统的特性，如视觉掩蔽效应和纹理感知能力等，来评估图像压缩的视觉质量。

五、分形编码质量评价模型的优化为了更准确地评价分形编码的压缩质量，研究人员还提出了一些优化方法。

例如将多种评价模型进行融合，利用机器学习算法进行训练和优化，以及考虑图像内容和应用场景等因素。

六、实验评估与应用为了验证分形编码质量评价模型的有效性，通常需要进行大量的实验评估。

专利名称：一种基于预测差值分类熵编码的图像无损压缩方法专利类型：发明专利
发明人：邱应强
申请号：CN202011347656.2
申请日：20201126
公开号：CN112565793A
公开日：
20210326
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于预测差值分类熵编码的图像无损压缩方法，方法包括：使以图像中的任意像素作为参考像素，使用预测模板得到像素预测差值，统计预测差值直方图；将像素分成预测差值直接编码像素和间接编码像素两类，统计所有间接编码像素的个数；采用熵编码方法对[‑T,T)范围内的各预测差值各分配一个码字，对[‑T,T)范围外的预测差值分配统一的码字，构建码字分配表；计算不同阈值T的图像无损压缩效果，找到最优阈值T；用最佳阈值T对应的码字分配表，对预测差值像素直接用分配码字编码，得到熵编码数据，结合参考像素、最佳阈值T、码字分配表和熵编码数据得到图像无损压缩编码数据流。

本发明能够提升图像无损压缩性能，降低压缩图像数据量，解压缩可完全无失真恢复原始图像。

申请人：华侨大学
地址：362000 福建省泉州市丰泽区城东城华北路269号
国籍：CN
代理机构：厦门市首创君合专利事务所有限公司
代理人：张松亭
更多信息请下载全文后查看。

基于图像熵的分形和改进SPIHT混合编码的遥感影像压缩算
法
姜艳媛;王海岩;杨日新
【期刊名称】《影像技术》
【年(卷),期】2015(000)003
【摘要】为了进一步提高遥感影像的编解码效率和重构影像的质量，对分形编码
和SPIHT算法进行优化组合，提出一种基于图像熵的分形与改进的SPIHT算法相结合的图像压缩方法。

对小波分解后的低频子带进行基于图像熵的快速分形编码，以减少编解码时间；对包含图像细节边缘信息的高频子带进行改进的SPIHT编码，通过二次小波分解和设置阈值，以减少算法的复杂度，提高重构图像的峰值信噪比。

实验表明该算法具有很好的有效性和可行性。

【总页数】4页(P50-53)
【作者】姜艳媛;王海岩;杨日新
【作者单位】中国天绘卫星中心，北京 102102;中国天绘卫星中心，北京 102102;中国天绘卫星中心，北京 102102
【正文语种】中文
【中图分类】P237;TP751
【相关文献】
1.一种基于图像纹理分析的分形和SPIHT混合编码 [J], 何奇;韩国强;张见威;林少
丹
2.基于改进提升小波变换SPIHT的图像压缩算法 [J], 丁晓峰;何凯霖
3.基于改进SPIHT的图像无损压缩算法研究 [J], 武永红;李东晖;刘敬
4.一种基于改进SPIHT的图像压缩算法研究 [J], 李跃明
5.基于SPIHT的医学图像压缩算法研究与改进 [J], 王玲;李兵;罗玉
因版权原因，仅展示原文概要，查看原文内容请购买。

利用熵和分形压缩编码的图像检索新方法
张梁斌;梁世斌;奚李峰
【期刊名称】《浙江万里学院学报》
【年(卷),期】2008(021)002
【摘要】图像的抽象描述和特征提取是基于内容的图像检索系统中需耍解决的关键问题之一,文章提出了一种图像信息熵和分形编码相结合的图像检索方法.首先,计算图像库中的各幅图像的信息熵,比较设定的阈值对图像库进行预分类;其次.利用Jacquin方法计算得到查询图像的分形IFS编码,应用列图像库同类的图像进行分形迭代解码;最后,计算解码图像与查询图像的相似距离得到检索结果.实验结果表明,与直接像素值相似匹配方法相比,该法在基本保证图像检索效率的前提下,极大地提高了检索时间.
【总页数】4页(P17-20)
【作者】张梁斌;梁世斌;奚李峰
【作者单位】浙江万里学院,宁波,315100;浙江万里学院,宁波,315100;浙江万里学院,宁波,315100
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.一种基于熵及分形编码的图像检索方法 [J], 张梁斌;奚李峰
2.利用遗传算法提高视频分形压缩编码搜索速度 [J], 张喻平;丰洪才
3.一种基于图像熵及分形维矢量的图像检索技术 [J], 魏伟一;张贵仓;张国治
4.利用分形理论和模拟技术求解非织造布孔隙分形维数的新方法 [J], 吉连英;郭法文;刘丽芳
5.利用空间分布熵的改进VLAD图像检索 [J], 孙明思;赵宏伟;赵浩宇;王也然
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的基于熵的图像检索算法
孙君顶;周利华
【期刊名称】《红外技术》
【年(卷),期】2005(27)1
【摘要】利用信息熵可以有效的将图像颜色直方图特征降低到一维,但以往的基于信息熵的图像检索算法却没有考虑熵的对称特性,因此极易造成误检现象.基于此,文中提出了相应的改进算法,消除由于熵的对称性对图像检索效果造成的影响.试验结果证明改进的方法在进行图像检索时具有更强的鲁棒性,大大提高了图像检索效率.【总页数】4页(P45-48)
【作者】孙君顶;周利华
【作者单位】西安电子科技大学多媒体研究所,陕西,西安,710071;西安电子科技大学多媒体研究所,陕西,西安,710071
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.一种融合信息熵和改进SIFT算法的图像检索方法 [J], 刘雪亭;李太君;肖沙;贾已真
2.一种基于色调熵的图像检索算法 [J], 丁志勇
3.一种基于改进SIFT的图像检索算法 [J], 孙光民;王晨阳
4.基于区域加权信息熵和改进遗传算法的图像检索 [J], 孙世然;卡米力.木依丁;刘
文华;艾斯卡尔.艾木都拉
5.一种改进的基于相关反馈的图像检索算法 [J], 陈树娟
因版权原因，仅展示原文概要，查看原文内容请购买。