导读:本文包含了纹理压缩论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纹理,图像,递归,算法,自适应,相似性,正则。
纹理压缩论文文献综述
丁雪晶[1]（2019）在《基于SVM的压缩域纹理图像自动分类系统设计》一文中研究指出为了提高对压缩域纹理图像的自动识别和检测能力,需要进行图像分类处理.提出一种基于支持向量机的压缩域纹理图像特征提取和自动分类技术.采用连续模板匹配和自适应分块技术进行压缩域纹理图像的纹理特征检测,采用稀疏角点标注方法进行压缩域纹理图像的关键特征点定位.在压缩域纹理图像的分块区域内进行图像的分类特征提取,对提取的压缩域纹理图像特征量采用支持向量机学习方法进行分类识别,结合对图像的颜色特征、纹理特征和形状特征进行分类,实现图像的自动分类优化.测试结果表明,采用该方法进行压缩域纹理图像特征提取和分类的准确性较高,误分率较小,提高了图像的自动识别和分类能力.(本文来源于《周口师范学院学报》期刊2019年02期）
曲波,高强,李大华,于晓[2]（2018）在《用于纹理图像压缩的分形算法的改进》一文中研究指出纹理是图像中的重要部分,包含了大量的信息。纹理部分大多数为背景而被人所忽视。针对纹理图像本身很强的自相似形以及分形算法中D块池搜索时间过长和匹配原则过于繁琐的问题,提出了一种结合矢量量化的方法,并对R块和D块采用了一种新的匹配原则。首先对D块池中的D块进行矢量量化处理,优化码书以减少搜索时间。然后提出了一种新的匹配原则IAM(图像活动能量测度)并通过这个参数来配对R块和D块,从而实现分形编码。(本文来源于《科技风》期刊2018年21期）
罗瑜,唐博[3]（2018）在《一种基于纹理方向自适应预测和游程哥伦布编码的帧存无损压缩算法》一文中研究指出为了进一步提高参考帧无损压缩的压缩性能,本文提出了一种基于纹理方向预测和游程哥伦布编码的帧存无损压缩算法.本算法首先采用双扫描和自适应预测的方法,按纹理方向,为每个像素选取最优的参考像素,并进行预测以获得预测残差;然后对预测残差进行哥伦布游程混合熵编码,从而提高了参考帧无损压缩的压缩性能.实现结果显示,与帧内预测哥伦布编码算法相比,本文算法不但平均压缩率提高了16%,而且降低了平均编码时间.(本文来源于《电子学报》期刊2018年04期）
杨洪柏[4]（2017）在《结合环形纹理与比特池的帧存储器压缩算法》一文中研究指出当前高分辨率平板显示器的帧存储器压缩算法存在图像失真率较高的缺点。为此,提出一种基于图像环形纹理和比特池技术的帧存储器压缩算法。基于环形纹理的帧内预测模式能够更好地适应图像中大量存在的点状结构,从而去除环形纹理像素间的空间相关性。在限定图像与帧存储器容量压缩比的前提下,利用比特池技术动态分配各个图像块压缩码流所需的比特空间,从而提高帧存储器存储空间的利用率。测试结果表明,该算法能显着提高图像峰值信噪比并减小图像失真。(本文来源于《计算机工程》期刊2017年08期）
罗瑜,张珍珍[5]（2018）在《一种快速的纹理预测和混合哥伦布的无损压缩算法》一文中研究指出为了进一步降低芯片内无损压缩的运算复杂度和编码时间,该文在保持高压缩率的基础上,提出一种基于方向预测和混合熵编码的快速无损压缩算法。该算法首先采用自适应方法进行纹理方向的预测,以获得当前像素的参考像素,并计算预测残差;然后对预测残差进行混合哥伦布编码,最终大幅度地提高了无损压缩的压缩性能。实验结果显示,与基于梯度预测和变长编码的无损压缩算法相比,该算法在平均压缩率略有提升的前提下,平均编码时间减少了36.86%。(本文来源于《电子与信息学报》期刊2018年01期）
李然,葛悦,曾豫,孙艳歌,朱秀昌[6]（2017）在《纹理对比度导向的图像自适应压缩感知测量方法》一文中研究指出压缩感知以部分随机变换代替全变换,仍可确保图像的高精度复原,可用于铁路系统中无线监控终端实现低复杂图像编码。传统图像压缩感知以相同的测量率实施分块测量,而由于分块稀疏度不同,常导致重建图像具有块效应,无法确保良好的率失真性能。为了解决该问题,本文提出利用图像纹理特征引导图像压缩感知,在感知端实施自适应测量。利用像素八连通区域内的最大梯度度量各像素的纹理变化程度,生成纹理特征图,利用纹理特征图计算各块纹理对比度,并以此为依据自适应设定各块的测量率,以块纹理对比度加权图像重建模型的目的函数,集中优化纹理细节的区域。实验结果表明,与由块方差、边缘特征主导的自适应测量方法相比,本文所提算法可确保较好的重建图像主观视觉质量,且率失真性能优于传统压缩感知重建算法。(本文来源于《铁道学报》期刊2017年06期）
宋颖丽[7]（2017）在《面向资源受限终端全景纹理数据压缩算法的研究》一文中研究指出叁维场景可视化技术在数字地球、数字旅游和3D GIS等领域应用广泛,其中纹理图像的再现效果直接影响用户体验,是体现叁维场景真实性的关键因素。叁维场景中景物的立面、天空、大地等都需要用纹理图像来增加场景的逼真度。对于手机、平板这类分辨率低、内存量小、流量和电量等资源受限的移动终端,叁维场景可视化中纹理图像的渲染一般需要大量的纹理图像数据,大量数据的传输会消耗巨大的网络流量和电量,阻碍着叁维场景可视化技术在移动终端上的应用和发展。以降低数据量为主的纹理图像渲染方法中,Mip-Map和逆过程式语法纹理构建两种方法脱颖而出。Mip-Map,当观察者视点与景物之间的距离改变时,景物立面纹理图像会发生低分辨率与高分辨率相互切换的过程,同一景物立面的不同分辨率纹理图像多次传输与加载,这个过程会增加从服务器端到资源受限终端的纹理图像的数据量。使用Mip-Map需要有视点到景物的深度信息,只适用于基于图形学的建模方式。逆过程式语法纹理构建方法在渲染时,由于用户需要通过逆过程式建模将单元纹理重构还原真实纹理,所以会增加渲染终端的计算量。基于此,本文在对比传统叁维场景建模方法的基础上,采用叁维几何模型数据较少的全景建模方法,对数据占有量最大的纹理图像进行压缩。提出一种面向资源受限终端基于信息熵的全景纹理图像数据压缩算法,实现多级纹理细节的立方体全景纹理图像的渲染:根据人眼视觉对信息的选择特点,对场景中关注度高的区域,使用高分辨率纹理图像渲染,对场景关注度低的区域,使用低分辨率纹理图像渲染,以达到减少所需的纹理图像数据和降低移动终端资源消耗的目的。使用图像信息熵表示场景各区域的复杂度,按照信息熵的大小对场景各区域分级,不同级别的区域采用不同级别的纹理图像分辨率进行渲染,使之达到全景图像的同层次多级细节(LOD-in-IBR)。对于图像缩放算法所产生的块效应,本文采用双叁次迭代插值算法进行修正。实验从压缩率、实时性、均方误差(MSE)和峰值信噪比(PSNR)和特征相似度(FSIMc)衡量图像质量以评价纹理图像压缩质量,证明本文提出的方法在压缩纹理图像数据30%的情况下,所生成的全景图像的视觉质量仍然不低于原有全景图像的视觉质量。(本文来源于《太原理工大学》期刊2017-06-01）
李珊珊[8]（2017）在《基于纹理方向的块递归预测图像压缩算法研究》一文中研究指出随着图像成为信息交互最直观最主要的载体,研究更优秀的图像压缩技术至关重要。近年来众多学者对基于块像素的帧内预测技术的研究取得了非常优异的成果,为静止图像压缩的研究指明了新方向。然而帧内预测技术仍存在一些不足,如复杂的预测模式选择、预测模型忽略块内邻近像素间的潜在相关性等。优秀的预测模型对于提高预测精度至关重要,与此同时,准确的检测纹理方向,有助于选择预测模式及提高预测精度。综上原因,本文围绕基于纹理方向的块递归预测图像压缩算法进行研究,通过对纹理方向检测方法及递归预测模型的学习,提出了叁类结合纹理方向的递归预测图像压缩改进算法,具体包括以下几个方面的研究:一、针对预测模型参考像素较多、选择预测模式复杂的问题,提出一种基于最优方向的块递归预测图像压缩改进算法。该算法预先通过梯度方向直方图的统计或频域方向滤波器组来检测4×4大小待预测块的纹理方向,然后根据纹理方向决定预测模式,并利用待预测块像素建立该预测模式下的递归预测模型,以完成待预测块的递归预测压缩编码,直至完成整幅图像的压缩编码。实验结果表明,相比于不考虑率失真优化的帧内预测算法,本文算法能够充分考虑块内邻近像素间潜在相关性,在快速选择预测模式同时,仅利用少数的邻近像素大幅度提升了预测精度,并且基于频域方向滤波器的纹理方向检测方法的准确度高于已有的基于梯度方向直方图的方法。二、利用图像纹理方向相似性,提出一种基于四叉树合并的块递归预测图像压缩改进算法,对基于最优方向的块递归预测图像压缩改进算法做进一步优化。实验结果表明,该算法对局部纹理方向相同的图像块统一建立递归预测模型及估计模型系数,在几乎不影响预测性能的同时减少了预测的辅助信息。叁、进一步利用局部纹理方向相似性,提出另一种基于邻近块估计预测系数的块递归预测压缩改进算法。该算法通过统计分析待预测块与邻近块的纹理方向性关系,选取方向相似性最高的邻近块来估计预测系数,并用于递归预测。实验结果表明,对于局部纹理相似性高的图像,本文算法在辅助信息较少的同时,提高了编码性能。(本文来源于《西安电子科技大学》期刊2017-06-01）
叶继珍[9]（2016）在《纹理图像压缩的研究》一文中研究指出随着科技的迅猛发展,人类已逐渐步入一个全新的数字化时代,虚拟现实技术给人们带来了一种全新的沉浸式的体验。为了让用户能获得更好的虚拟现实体验,虚拟出来的画面一定要有足够的真实感,并且要支持用户的实时交互,因此可交互的实时真实感绘制成为了研究的重点。纹理映射就是为了解决实时性和真实感这二者之间的矛盾而提出来的技术,自从提出后就得到广泛的研究和使用,但是由于有限的带宽和内存的存储量,对众多大尺寸的纹理图像的渲染带来了挑战,为此引入了纹理压缩。纹理压缩能够提升缓存利用率,还可以大大降低系统对数据传输造成的压力,这样很大程度上解决了真实感图形实时绘制的问题,对虚拟现实的发展影响深远,具有里程碑的意义。由于纹理图像压缩的特殊性,不能只考虑压缩比和解压缩后得到的纹理图像的质量,还必须考虑这种算法是否和主流的显卡兼容,硬件的实现是否有难度,能否有足够高的效率,还有成本等诸多因素。基于这个原因,我们在研究相关算法的时候不能按照自己的意图任意发挥,必须要在现有的一些框架和标准下进行。本文选取了目前windows桌面系统中使用最为广泛的经典算法DXTC纹理压缩算法进行改进。我们把目标放在DXT1编码器上,因为其它几种编码器都是以DXT1为基础的。接着我们对于现有的DXT1的编码的实现进行了全面的调研,包括一些开源的库和一些集成到压缩工具里的非开源的方法,对于开源的squish库里的方法进行深入学习。在此基础之上,我们提出了自己实现的DXT1方法,分为两个主要算法,一个是面向快速编码需求的基于3维最小二乘法的Lsq3d拟合方法,另一个面向是高质量需求的基于k-means的可迭代拟合方法。通过实验证明我们的方法取得了不错的效果,快速编码方法打败了所有的现有方法,面向高质量的方法适用于编码块中颜色点的线性程度较高的情况,把它和聚类范围拟合的方法进行组合取得效果在各个衡量标准上都超过了其它方法。(本文来源于《山东大学》期刊2016-06-30）
唐玲,杨平先,陈明举[10]（2016）在《基于压缩感知和局部纹理特性的超分辨率重建算法》一文中研究指出将压缩感知理论应用于图像超分辨率重建技术,并针对总变分正则化方法未能考虑图像局部纹理特性的缺点,提出一种基于局部方向特性的总变分正则化函数.通过在图像的有界变差函数空间中构造与图像纹理方向一致的椭圆形区域,再利用最小化算法进行迭代求解获得去噪图像,可以达到更好地重建图像边缘信息的效果.实验结果表明,该算法可以有效降低图像的均方误差,提高峰值信噪比,并在重建过程中保持了图像边缘和纹理细节,提高了图像的对比度和清晰度.(本文来源于《内蒙古师范大学学报(自然科学汉文版)》期刊2016年03期）
纹理压缩论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
纹理是图像中的重要部分,包含了大量的信息。纹理部分大多数为背景而被人所忽视。针对纹理图像本身很强的自相似形以及分形算法中D块池搜索时间过长和匹配原则过于繁琐的问题,提出了一种结合矢量量化的方法,并对R块和D块采用了一种新的匹配原则。首先对D块池中的D块进行矢量量化处理,优化码书以减少搜索时间。然后提出了一种新的匹配原则IAM(图像活动能量测度)并通过这个参数来配对R块和D块,从而实现分形编码。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纹理压缩论文参考文献
[1].丁雪晶.基于SVM的压缩域纹理图像自动分类系统设计[J].周口师范学院学报.2019
[2].曲波,高强,李大华,于晓.用于纹理图像压缩的分形算法的改进[J].科技风.2018
[3].罗瑜,唐博.一种基于纹理方向自适应预测和游程哥伦布编码的帧存无损压缩算法[J].电子学报.2018
[4].杨洪柏.结合环形纹理与比特池的帧存储器压缩算法[J].计算机工程.2017
[5].罗瑜,张珍珍.一种快速的纹理预测和混合哥伦布的无损压缩算法[J].电子与信息学报.2018
[6].李然,葛悦,曾豫,孙艳歌,朱秀昌.纹理对比度导向的图像自适应压缩感知测量方法[J].铁道学报.2017
[7].宋颖丽.面向资源受限终端全景纹理数据压缩算法的研究[D].太原理工大学.2017
[8].李珊珊.基于纹理方向的块递归预测图像压缩算法研究[D].西安电子科技大学.2017
[9].叶继珍.纹理图像压缩的研究[D].山东大学.2016
[10].唐玲,杨平先,陈明举.基于压缩感知和局部纹理特性的超分辨率重建算法[J].内蒙古师范大学学报(自然科学汉文版).2016
论文知识图
