VQ: Vector Quantization

تحلیل VQ با k-means

تحلیل  VQ  با k-means    

 

  1. دریافت تصویر به عنوان  داده  ورودی
  2. تبدیل به تصویر سیاه سفید
  3. بدست آوردن اندازه تصویر
  4. مشخص کردن اندازه  بلاک یا همان بردارهای آموزشی (bs : block size)، جهت تبدیل ماتریس (تصویر) به بلاکهای مشخص 
ادامه مطلب

خوشه بندی با الگوریتم k-means

خوشه بندی با الگوریتم k-means

الگوریتم k-means یکی از الگوریتمهای خوشه بندی به صورت غیر نظارت شده و بدون استفاده از برچسب، است که برای تولید کدبوک مورد استفاده قرار می گیرد که در نوع خود دارای معایب و محاسنی است.

k-means یک الگوریتم تکرار شونده است: از یک نقطه ای شروع میشود-یک بدنه تکرارشونده دارد – و با مشخص نمودن شرط توقف به پایان می رسد.

  

ادامه مطلب

مروری بر تولیدکدبوک به روش VQ

چکیده   

یکی از نقشهای اصلی Quantization Vector (VQ) این است که چگونه یک Codebook خوب تولید کنیم تا اعوجاج بین تصویر اصلی و تصویر بازسازی شده  به حداقل برسد .

در سال های گذشته،روش های تولید کدک VQ توسعه یافته اند.  در این مقاله تصویری از روشهای بهبود یافته ارائه شده است.
 طرح های مورد بحث شامل کدبندی مقدماتی مقیاس فاصله است
جستجو (MPS)، افزایش LBG (ELBG)، تکنیک های مبتنی بر شبکه عصبی، الگوریتم مبتنی بر ژنتیک 
روش های تجزیه و تحلیل مولفه های اصلی (PCA)، طرح جستجوی ممنوع tabu search (TS)، روشهای جابجایی کدگذاری و غیره
 
ادامه مطلب

تقسیم تصاویر به بلاک های 4*4

مقدمه

برای ذخیره‌سازی تصویر به دنبال روشی هستیم تا به کمک آن بتوانیم حجم اطلاعات را تا جایی که ممکن است کاهش دهیم. اساس بسیاری از روش‌های فشرده‌سازی، کنار گذاردن بخش‌هایی از اطلاعات و داده‌ها است. ضریب یا نسبت فشرده‌سازی، عددی است که میزان کنار گذاشتن اطلاعات را نشان می‌دهد.

فشرده سازی تصاویر، ذخیره‌کردن و انتقال آنها را آسان‌تر می‌کند و می‌تواند سبب کاهش پهنای باند و فرکانس مورد نیاز برای ارسال تصاویر شود. یکی از روشهای فشرده سازی تصویر، تکنیک چندی سازی برداری است.برای چندی سازی برداری ابتدا باید تصویر را قطعه بندی یا به عبارتی به تعدادی بلاک تقسیم کرد.با استفاده از کد ذیل، مفهوم  تقسیم یک تصویر به تعدادی بلاک  شرح داده می شود.

  

ادامه مطلب

Multilevel principal component analysis(mPCA) in shape analysis

Multilevel principal component analysis (mPCA) in shape analysis: A feasibility study in medical and dental imaging


تجزیه و تحلیل چند سطحی مولفه های اصلی (mPCA): مطالعه امکان سنجی این روش در تصویربرداری پزشکی و دندانی

زمینه و هدف:

روش مورد استفاده در پردازش تصویر باید بازتاب دهنده هر گونه سازه چند سطحی ذاتی وطبیعی در مجموعه داده های تصویر باشد  و یا پیش برنده ریسک و خطر مرتبط به عملکرد ناقص باشد. هدف ما بررسی و ازمودن امکان پذیری تحلیل چند سطحی اجزای اصلی (PCA) برای ساخت مدل های شکلی فعال (ASM) برای مواردی است که مربوط به تصویربرداری پزشکی و دندانی می باشند.

 

ادامه مطلب
1 2 3 >>