自适应量化方法

自适应量化方法第1页，共18页，2023年，2月20日，星期日标量量化比较实验结果(a)32灰度级均匀量化(b)20灰度级经典非均匀量化(c)18灰度级自适应量化(d)8灰度级均匀量化(e)8灰度级经典非均匀量化(f)8灰度级自适应量化第2页，共18页，2023年，2月20日，星期日小波分解与非均匀量化

g(x,y)原图量化解压图f(x,y)1/01/01/0

8bit图a一次小波变换分解及重构示意图g(x,y)原图量化解压图f(x,y)图b二次小波变换分解及重构示意图8bit2/11/02/11/01/01/0小波变换小波逆变换小波变换小波逆变换第3页，共18页，2023年，2月20日，星期日小波分解与非均匀量化8bit3/22/11/03/21/02/11/01/01/08bit4/33/22/11/04/31/03/21/02/11/01/01/0图c三次小波变换分解及重构示意图图d四次小波变换分解及重构示意图第4页，共18页，2023年，2月20日，星期日(a)原图(b)压缩效果图图a一次小波变换编码的实验结果(a)原图(b)压缩效果图图b二次小波变换编码的实验结果第5页，共18页，2023年，2月20日，星期日(a)原图(b)压缩效果图图c三次小波变换编码的实验结果图d四次小波变换编码的实验结果(a)原图(b)压缩效果图第6页，共18页，2023年，2月20日，星期日

索引色转换压缩方法

当图像分辨率比较高，即图像的像素点比较多的时候，尽量不降低图像的空间分辨率是保证图像效果的手段。但是，因为每幅图像都有需要描述的主题，所以一般情况下，24bit的数据量存在相当大的冗余，为此，本文借鉴位图的“索引色”模式的概念进行压缩处理。第7页，共18页，2023年，2月20日，星期日彩色图像的索引色转换压缩索引色图像的描述方式示意图索引矩阵调色板第8页，共18页，2023年，2月20日，星期日最佳索引色的选择方法

为了最大限度地提高压缩效率，采用索引色的方式，就需要减少索引色的颜色个数，这样可以降低索引值矩阵的数据量。本文采用了自组织特征影射神经元网络（SOFM）来实现在确定颜色个数的情况下，最佳索引色的选择。

第9页，共18页，2023年，2月20日，星期日最佳索引色的选择非最佳索引色(8色)第10页，共18页，2023年，2月20日，星期日索引色转换压缩(a)原图(b)PHOTOSHOP的索引色(c)本文的索引色真彩图转换成16色的索引色图的比较实验结果第11页，共18页，2023年，2月20日，星期日(s)原图4(t)16色(u)12色(v)8色(w)6色(x)4色不同景物不同颜色数下的索引色转换压缩比较实验结果第12页，共18页，2023年，2月20日，星期日BP第13页，共18页，2023年，2月20日，星期日SOFM第14页，共18页，2023年，2月20日，星期日设采用颜色特征向量为Uk=[R，G，B]。首先，计算各个颜色分量的均值，得到均值特征向量为，之后计算各颜色分量的方差，为再获得一个判别烧蚀区域的颜色特征的置信范围如下：第15页，共18页，2023年，2月20日，星期日C=1.5,2.0,2.5的聚