【正文】 碼書。該算法的碼書長度是根據(jù)圖像細節(jié)復雜度動態(tài)變化的，圖像細節(jié)越復雜，碼書長度也就越長。 仿真實驗環(huán)境，與經(jīng)典LBG算法仿真實驗環(huán)境相同。 算法描述(a)初始化：清除MATLAB工作空間的內(nèi)存數(shù)據(jù)，設置計時點time1，與算法接下來的計時點timetime3共同用于計算碼書生成和編解碼時間。圖像分割塊大小為mn，m=4，n=4，從而確定碼字維數(shù)k為16。但沒有限定最大迭代次數(shù)。(b)讀取訓練圖像，并對圖像進行分割處理，生成矢量訓練集V。具體內(nèi)容同經(jīng)典LBG算法中的描述，故不贅述。(c)根據(jù)矢量訓練集V，開始碼書設計。根據(jù)矢量訓練集V，求出所有訓練矢量的重心，并將其保存在meanVector矩陣中，初始化flagVector(i)=0，flagVector用于標記該矢量是否已經(jīng)聚類，當flagVector里面的值全為1時，表示所有訓練矢量都已經(jīng)聚類完成，因而可以退出碼書設計環(huán)節(jié)的循環(huán)。算法中Cluster用來標記分類的類別，而vectorCluster用于記錄每個矢量當前屬于哪個類。(d)根據(jù)矩陣flagVector，找出未聚類的矢量，并將其在訓練矩陣V中的序號保存到矩陣nClassify中。從矩陣nClassify中，根據(jù)meanVector里的重心值計算絕對差，求出與nClassify記錄的第一個矢量距離最近的矢量，以該矢量的重心為圓心，以最短距離的s倍為圓心，形成一個圓覆蓋。同樣根據(jù)meanVector里的重心值計算絕對差，將所有在該覆蓋范圍內(nèi)的未聚類矢量劃歸進該類，并將所有已劃入該類的矢量在flagVector中的值標記為1，但假如該矢量已被聚類且在該類范圍內(nèi)，如果該矢量與其原來所屬類的質(zhì)心距離小于與當前重心的距離，那么則將該矢量劃歸到當前的類中，否則不變。接著，重新計算該類的重心，且將所有屬于該類的訓練矢量的總和記錄在矩陣sumVector中。在每個新類形成的過程中，都會新建一個class(Cluster)結(jié)構(gòu)，用于記錄類的各種信息，包括屬于該類的矢量的個數(shù)等。(e)由矩陣sumVector和class(Cluster)的分量numVector記錄的屬于當前圓類的矢量個數(shù)，求出該圓劃分的代表矢量，即碼字codeBook (Cluster，k)，由該碼字重新計算出該圓的圓心，即碼字的像素點均值。重復步驟(d)，直至所有矢量均已被圓所覆蓋，即聚類。(f) 以下的編解碼步驟同經(jīng)典LBG算法仿真實驗。 實驗數(shù)據(jù)在實驗中，采用同經(jīng)典LBG仿真實驗的相同的圖像，實驗數(shù)據(jù)如下。表2測試圖片(bmp格式)CMANPEPPERSLENNAKGIRL碼書長度108989485碼書生成時間(秒) 編解碼時間(秒) 編碼速率(bit/維)壓縮比(倍)8/=比特率(bit/矢量)均方誤差信噪比(db)峰值信噪比(db)覆蓋矢量量化方法實驗示例效果圖如下。 圖5 待量化的原始圖像 圖6 覆蓋聚類算法量化后的圖像 覆蓋聚類實驗與經(jīng)典LBG實驗效果的分析對比(a) 碼書生成時間分析由表3可以看出覆蓋聚類算法的碼書生成速度比經(jīng)典LBG算法的快了4至7倍，其主要原因是覆蓋聚類算法消除了經(jīng)典LBG算法中初始碼書的選取對量化器收斂速度的影響，從而減少了迭代的復雜度，同時，該算法中的矢量距離測度是用矢量的重心均值來計算的，并且用絕對差來度量，而經(jīng)典LBG是用平方差來度量，相比之下覆蓋聚類算法減少了計算的復雜度，所以其碼書生成速度快。(b) 均方誤差(MSE)分析由表4可以看出覆蓋聚類算法的均方誤差比經(jīng)典LBG算法的高出一倍多，失真比較大，所以該算法量化的圖像比較粗糙、鋸齒明顯。該情況主要是因為覆蓋聚類算法在聚類過程中，采用大圓逐漸吞并小圓的方式，在一般情況下，圓越大圓的重心在代表該圓覆蓋的矢量時與該矢量的誤差也就越大，這就導致圖像細節(jié)的部分被掩蓋掉。還有，覆蓋聚類算法的碼書生成，是通過計算訓練矢量的均值來進行的，雖然減少了計算復雜度，但因為用其均值來代表訓練矢量，從而也加大了最終碼書的誤差。(c) 峰值信噪比(PSNR)分析由表5可以看出，覆蓋聚類算法的峰值信噪比比經(jīng)典LBG算法的低了5%，這是該算法均方誤差大的一個體現(xiàn)，PSNR反應圖像質(zhì)量，一般情況下，PSNR數(shù)值越高，圖像畫面質(zhì)量就越好。(d) 其它度量性能分析覆蓋聚類算法與經(jīng)典LBG算法的編解碼部分的實現(xiàn)方法是一樣的，編解碼時間的出入主要在于碼書長度的不同，而編碼速率、壓縮比也和碼書長度有關，故這兩個算法的這幾個度量都得從控制碼書長度上著手，而在這方面作者暫未能思索出新的思路。 從實驗數(shù)據(jù)中可以看出，覆蓋聚類算法比經(jīng)典LBG算法優(yōu)越的地方主要在于碼書的生成速度快，還有就是覆蓋聚類算法會根據(jù)圖像的細節(jié)復雜度的高低而動態(tài)地決定碼書的長度，即算法可以自適應圖像的細節(jié)復雜度，而經(jīng)典LBG算法則必須固定碼書長度，這對于當圖像復雜度較低時是不必要的，浪費了計算量。不過覆蓋聚類算法的失真較大、信噪比的效果也比經(jīng)典LBG算法略遜一籌。從這些對比，一方面可以看出矢量量化技術本身的優(yōu)越性，而另一方面也可看出矢量量化技術的可研究性，其研究意義重大。第四章 總結(jié)矢量量化技術的研究涉及多個領域，由于作者的知識面和領域知識深度有限，故論文中難免存在許許多多的不足，在以后的學習中，還需要努力去開拓視野和深入研究?；谑噶苛炕膱D像壓縮技術雖然已被研究了多年，但至今仍未有一套成熟實用的矢量量化編碼系統(tǒng)，但矢量量化技術作為一種擁有很大優(yōu)越性的技術，仍然值得人們?nèi)パ芯繉Ｗ?，其主要突破口在于碼書生成和碼字搜索，近年來，人們將其它技術融入到矢量量化中來，已經(jīng)取得相當?shù)某煽?，希望在不久的將來，可以取得更加好的成績，以將矢量量化技術實用化。參考文獻：[1] 姚敏等.《數(shù)字圖像處理》[M].機械工業(yè)出版社，2006.[2] 王新年，張濤.《數(shù)字圖像壓縮技術實用教程》[M].機械工業(yè)出版社，2009.[3] 陳善學，李方偉.《矢量量化與圖像處理》[M].科學出版社，2009.[4] 龍脈工作室，劉會燈，朱飛.《MATLAB編程基礎與典型應用》[M].人民郵電出版社，2008.[5] 求是科技.《》[M].人民郵電出版社，2006.[6] [J].合肥工業(yè)大學碩士學位論文，2003[7] 劉丹蕾，陳善學，[J].黑龍江科技信息，2008.[8] [J].西安理工大學學位論文，2005.[9] 凌 玲，[J].系統(tǒng)仿真學報，2001,13.[10] 馬文龍，[J].計算機設計與圖形學學報，2005,17（2）.[11] 張旭東，[M].清華大學出版社，2004.[12] [美]托馬斯，林奇(著).吳家安，杜淑玲(譯).數(shù)據(jù)壓縮技術及其應用[M].人民郵電出版社，1985.[13] 孫勝和，陸哲明.《矢量量化技術及應用》[M].科學出版社，2002.[14] 朱永紅.《覆蓋聚類算法的應用研究》[J].計算機技術與發(fā)展，2007,17(1).[15] 趙姝，張燕平，張鈴等.《覆蓋聚類算法》[J]. 安徽大學學報，.[16] 余戰(zhàn)秋.《基于覆蓋的聚類算法研究》[J]. 安徽大學學位論文，2005.[17] [美]譚 斯坦巴赫(著)，范明等(譯).《數(shù)據(jù)挖掘?qū)д摗獔D靈計算機科學叢書》[M]. 人民郵電出版社，2006.致 謝本文能夠順利完成，在此我要特別感謝我的指導老師，李碧老師。本文是我在李碧老師的悉心指導下完成的，他給了我很多的指導和修改意見，無論在文章的內(nèi)容上還是格式上，他都給我提出了許多寶貴的想法，本文因此才得以完善，在此向老師致謝！2廣東外語外貿(mào)大學畢業(yè)論文（設計）學術誠信聲明本人鄭重聲明：所呈交的畢業(yè)論文（設計），是本人在導師的指導下，獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文（設計）不包含任何其它個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔。作者簽名：日期： 年 月 日廣東外語外貿(mào)大學畢業(yè)論文（設計）版權使用授權書本畢業(yè)論文（設計）作者同意學校保留并向國家有關部門或機構(gòu)送交論文（設計）的復印件和電子版，允許論文（設計）被查閱和借閱。本人授權廣東外語外貿(mào)大學可以將本畢業(yè)論文（設計）的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本畢業(yè)論文（設計）。保 密□，在 年解密后適用本授權書。本論文（設計）屬于不保密□。（請在以上方框內(nèi)打“√”）畢業(yè)論文（設計）作者簽名： 指導教師簽名：日期： 年 月 日 日期： 年 月