基于改进K-均值聚类的快速分形图像编码算法

计算机科学 ›› 2008, Vol. 35 ›› Issue (2): 219-222.

基于改进K-均值聚类的快速分形图像编码算法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文得到辽宁省自然科学基金（20032100）、视觉与听觉信息处理国家重点实验室（北京大学）开放基金（0503）、大连市科技基金（2006J23JH020）、“图像处理与图像通信”江苏省重点实验室（南京邮电大学）开放基金（ZK205014）和江苏省计算机信息处理技术重点实验室（苏州大学）开放课题基金（KJS0602）资助.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 将先进的K-均值聚类理论引入到分形图像编码领域，是目前国际学术界的研究热点之一。本文全面分析了K-均值聚类的初始聚类中心选取问题，给出了基于均值一标准差的初始聚类中心选取新方案，并据此提出了一种新的快速分形图像编码算法。仿真实验表明，本文所提出的快速分形图像编码算法是一种高效的图像压缩方法，不仅其压缩效果明显优于传统K-均值聚类分形图像压缩方案，而且具有较短的编码时间。同时，该算法还具有较强的通用性与适应性（传统K-均值分形编码方法对于纹理图像压缩效果较差，而本文算法的压缩效果却较理想）。

关键词: 图像压缩分形编码 K-均值聚类初始聚类中心

Abstract: How to import the advanced theory of K-mean clustering into the domain of fractal image encoding is a hotspot research in national academia. In this paper, the selection of initial clustering center for K-Means clustering is analyzed, an new initial clust

Key words: Image compression, Fractal coding, K-mean clustering, Initial clustering center

. 基于改进K-均值聚类的快速分形图像编码算法[J]. 计算机科学, 2008, 35(2): 219-222. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed