北京师范大学学报（自然科学版）
北京師範大學學報（自然科學版）
북경사범대학학보（자연과학판）
JOURNAL OF BEIJING NORMAL UNIVERSITY
2008年
5期
491-493
,共3页
自组织特征映射%图像模式识别%图像编码
自組織特徵映射%圖像模式識彆%圖像編碼
자조직특정영사%도상모식식별%도상편마
提出了一种新的基于分类模式识别的图像编码方案,基本思想是: 1)先利用模式识别对图像进行预测,然后进行DCT编码;2)将图像分为高频和低频2个区域分别进行模式库的训练,以提高图像预测效果. 实验表明,与基于未分类模式识别的图像编码算法相比,所提算法具有更好的预测编码性能, 在压缩比为30∶1时,重建图像的平均峰值信噪比PSNR有1.3 dB的改善.
提齣瞭一種新的基于分類模式識彆的圖像編碼方案,基本思想是: 1)先利用模式識彆對圖像進行預測,然後進行DCT編碼;2)將圖像分為高頻和低頻2箇區域分彆進行模式庫的訓練,以提高圖像預測效果. 實驗錶明,與基于未分類模式識彆的圖像編碼算法相比,所提算法具有更好的預測編碼性能, 在壓縮比為30∶1時,重建圖像的平均峰值信譟比PSNR有1.3 dB的改善.
제출료일충신적기우분류모식식별적도상편마방안,기본사상시: 1)선이용모식식별대도상진행예측,연후진행DCT편마;2)장도상분위고빈화저빈2개구역분별진행모식고적훈련,이제고도상예측효과. 실험표명,여기우미분류모식식별적도상편마산법상비,소제산법구유경호적예측편마성능, 재압축비위30∶1시,중건도상적평균봉치신조비PSNR유1.3 dB적개선.
