计算机外国文献翻译.pdf

1 1 翻译11 DetectingArtifacts andTexturesinWaveletCodedImages DetectingArtifacts andTexturesinWaveletCodedImages DDeetteeccttiinnggAArrttiiffaaccttssaannddTTeexxttuurreessiinnWWaavveelleettCCooddeeddIImmaaggeess 小波编码图像的失真检测和纹理分析 概述 本文对一个小波编码图像的分割和分析的算法进行描述。该算法形成的图像 后处理方案，可以成功地还原压缩图像过程中纹理模糊的一部分。该算法包括提 取纹理特征，灰度（或彩色）特征和空间功能特征等等。该算法是 K均值算法 的一个升华，可用来有效地分割大图像。这种算法在分析阶段采用了以规则为基 础的启发式类别来手动分割纹理相似的图片，并且可以恢复。这种新颖的图像后 处理方法需要最低限度的用户交互，并能成功利用相关纹理层次来压缩图片。 一，简介 近年来，数码影像设备如数码相机，扫描仪和数字视频录像机等随着突然井 喷式数字内容的创建、传输和发布而不断地被普及。然而，这些数字内容易受人 工操作的影响的，如有损压缩，在分组网络上传输等过程，从而明显降低此类数 字内容的感知质量和其相关联的商业价值。后期处理算法可以恢复和增强此类图 像和视频，从而获得重要的意义。 大多数现代压缩算法运用了变换域的方法，量化这些变换系数被认为是无关 紧要的感知。通常情况下，它们是高频率系数和高压缩率，高质量的量化可以影 响在压缩后的图像中的人工操作。对于古老的JPEG压缩，这将使人工操作不流 畅。在现代基于小波变换的图像压缩算法，如JPEG2000，它会产生阻塞，色彩 失真，振铃效应和人工操作的模糊等结果[1]。显而易见的，振铃效应和人工操 作的模糊作用是最突出的。在高纹理区域，振铃效应影响轮廓边缘，人工操作的 模糊导致模糊的补丁突出。人工操作的模糊是通过在模糊的区域保存完好的相邻 纹理特征表现出来的。在图1a和1b中，可以看到模糊效应和和振铃效应。 Figure1:(a) 彩色图片以未知比率压缩时的模糊效应和振铃效应 (b) 灰度图片以1:94 比率压缩时的模糊效应和振铃效应 研究者已经提出了许多不同的方法来解决振铃相应[2][3]和不同操作中的阻 塞效应[4][5]。大多数方法是消除不可见的振铃和阻塞。因此，这些方法旨在消 除而不是恢复丢失的内容。此前，杨和胡[6]曾报道以抖动为基础的方法来恢复 一些在JPEG编码图像中的高频成分。然而，这种方法似乎只适用于细颗粒纹理 例如照片颗粒噪声。Krishnamurthy等人发表了基于沃尔德分解的纹理修复方法 [7]。但是，这是适用于均匀的模糊的图像，因此不能用于保存完好的纹理在JPEG 2000编码图像中遇到的模糊现象。Hu和Sambhare[8]展示出一种基于纹理合成 的后处理技术利用，它能利用保存完好的纹理来无缝修补模糊区域。这个技术基 于一个补丁纹理恢复方法，它需要高度的用户输入，并要求用户识别区域经历模 糊人工操作和有相同纹理的潜在的源区。在本文中，我们将自动识别源区域和目 标区域。 识别源区域和目标区域本质上是一种基于纹理的分割问题。我们使用偏移 的高斯滤波器的差异，建立一个特征集合和k均值聚类算法将图像分割。将一个 启发式规则应用到图像分割部分，以确定潜在的源和目标区域。本文的其余部分 安排如下：在第二部分中，我们讨论特征提取和特征降维。在第三部分中，我们 讨论分割技术，并解释k均值聚类变化背后的理念。第四部分介绍启发式规则的 应用并演示结果。最后第五部分总结本文，并提出了该领域的发展方向和未来成 就。 二、特征提取 对于图像的像素点，我们使用一个11或13维的特征向量来表示。其中有两 个特征是用来表示像素之间的空间关系，像素的x和y坐标是图像归一化的尺寸； 对于灰度图像，有一个特征是用低通滤波器表示的，它用来捕捉图像平均强度。 （对于彩色图像，有三个特征用低通滤波器分别表示R，G和B平面）。我们使 用八个特征来代表纹理信息，滤波器的初始响应为空。最后，我们利用主成分分 析法降低特征空间的维数。详细说明如下： .1 .1 二..11 平均灰度级（色彩信息） 我们