专利交易市场

基于亚像素的图像矢量化方法，是能够将任意栅格图像自动转换为矢量化图像的方法。该方法包括以下步骤：首先,使用基于L0的梯度最小化方法分割图像，得到分割图像；其次，提出了一种基于亚像素的图像边界提取方法，使得提取的边界精确到亚像素；然后，使用本发明提出的样条拟合公式对提取的序列化边界进行样条拟合；最后，通过计算得到的spline样条，画出矢量图。本发明的优点是能够自动生成与输入图像内容一致的矢量图，能够在保证样条拟合精确的同时保证样条的平滑性，最为重要的是本发明提出了一种基于亚像素的边界提取方法,是对传统边界提取方法的一大改进。

本发明公开一种压缩编码高光谱遥感图像的多层次码书矢量量化方法，涉及图像处理技术领域，该方法根据失真情况将高光谱图像的光谱矢量分割为低维、中维、高维三个部分，然后对失真较大的低维部分采用大尺寸码书，失真不大的中维部分采用中尺寸码书，失真较小的高维部分采用小尺寸码书，这样采用多层次码书，并结合离散度排序后仅提取低维部分四分之一分量训练编码索引的方式，能在相同压缩比下，达到有效降低高光谱图像的量化失真的同时，明显减少各项计算量的目标。本发明能在较小的计算复杂度条件下，以更快的速度实现高光谱图像更高质量的压缩编码，具有实际应用的价值，是一种压缩性能较好的高光谱图像有损、近无损压缩方案。

本发明针对高光谱图像数据量巨大，提出了一种快速压缩高光谱信号的矢量量化方案。对矢量数据的各分量按离散度进行重新排序，提取矢量数据的前几维分量组成训练矢量集，余下分量组成余下矢量数据，对训练矢量集进行聚类训练；再利用训练矢量数据的编码索引对余下矢量数据直接进行归类；将训练矢量数据的码书和余下矢量数据的码书重组，得到矢量数据的最终码书，完成高光谱图像的压缩编码。本发明使矢量的大部分能量集中在低维部分，仅仅提取矢量数据低维部分进行训练，空间复杂度得到很大减小。不仅能保证图像恢复质量基本不变、大量缩小压缩过程的空间复杂度，还能达到大幅度降低各类计算量，快速高效完成高光谱图像压缩的目标。

本发明针对高光谱图像数据量大的特点，提出了一种快速压缩高光谱图像的矢量量化方案。根据三维高光谱图像数据构建初始码书，根据初始码书的特征矩阵进行主成分提取获取初始码书主成分，排除特征矩阵中异常像素并提取其主成分，得到训练矢量主成分，根据码书主成分对训练矢量主成分进行聚类，获得最终码书，完成高光谱图像的压缩编码。本发明对码书和训练矢量进行PCA运算，使得矢量的大部分能量集中在低维部分，使得空间复杂度大大减小，同时对异常像素进行提取，减少码书受到少数相关性较小的像素的影响，提高码书质量。本发明不仅能保证图像恢复质量几乎不受影响、还能达到大大降低运算量，快速高效地完成高光谱图像压缩的目标。