CN105631906A - 三维地图图像的纹理压缩方法和装置 - Google Patents
三维地图图像的纹理压缩方法和装置 Download PDFInfo
- Publication number
- CN105631906A CN105631906A CN201510980500.0A CN201510980500A CN105631906A CN 105631906 A CN105631906 A CN 105631906A CN 201510980500 A CN201510980500 A CN 201510980500A CN 105631906 A CN105631906 A CN 105631906A
- Authority
- CN
- China
- Prior art keywords
- block
- feature
- dimensional
- texture image
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明实施例公开了一种三维地图图像的纹理压缩方法和装置。所述方法包括:对目标纹理图像进行分块;通过二维Gabor小波变换提取每个区块的特征;根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类;以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块。本发明实施例提供的三维地图图像的纹理压缩方法和装置实现了三维地图中纹理图像的有效压缩。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种三维地图图像的纹理压缩方法和装置。
背景技术
当下,城市建设和经济社会的迅速发展,催化了对城市信息化需求的迅猛增长。地理信息资源的规模、品种和服务水平已经成为衡量一个城市信息化水平的重要标志。建设“数字城市”已经被国内许多大中城市列为中、长期发展目标。城市三维地图的建立不仅能全方位展示城市的各种真实场景,而且具有空间数据管理和分析应用能力,在城市规划设计、辅助决策和公共安全等方面开创了新型的地理信息应用模式,对深化城市规划管理、构建信息化城市勘测体系具有重要意义。
图1示出了三维地图图像的一个示例。可见,城市的三维地图图像中包含大量的纹理信息。因此,如果对三维地图图像进行存储、处理时,每幅图像都不经任何压缩,而按照图像的原始数据格式进行存储、处理,则难免数据存储、处理的数据量极大。
发明内容
针对上述技术问题,本发明实施例提供了一种三维地图图像的纹理压缩方法和装置,以实现三维地图中纹理图像的压缩。
一方面,本发明实施例提供了一种三维地图图像的纹理压缩方法,所述方法包括:
对目标纹理图像进行分块,以得到所述目标纹理图像的多个区块;
通过二维Gabor小波变换提取每个区块的特征;
根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类;
以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块。
另一方面,本发明实施例还提供了一种三维地图图像的纹理压缩装置,所述装置包括:
分块模块,用于对目标纹理图像进行分块,以得到所述目标纹理图像的多个区块;
特征提取模块,用于通过二维Gabor小波变换提取每个区块的特征;
区块聚类模块,用于根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类;
区块替代模块,用于以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块。
本发明实施例提供的三维地图图像的纹理压缩方法和装置,通过对目标纹理图像进行分块,通过二维Gabor小波变换提取每个区块的特征,根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类,以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块,利用三维地图中纹理图像重复率较高的特点,实现了三维地图中纹理图像的压缩。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是现有技术提供的三维地图图像;
图2是本发明第一实施例提供的三维地图图像的纹理压缩方法的流程图;
图3是本发明第二实施例提供的三维地图图像的纹理压缩方法中特征提取的流程图;
图4是本发明第三实施例提供的三维地图图像的纹理压缩方法中区块聚类的流程图;
图5是本发明第四实施例提供的三维地图图像的纹理压缩装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
第一实施例
本实施例提供了三维地图图像的纹理压缩方法的一种技术方案。所述三维地图图像的纹理压缩方法由三维地图图像的纹理压缩装置执行。
参见图2,所述三维地图图像的纹理压缩方法包括:
S21,对目标纹理图像进行分块,以得到所述目标纹理图像的多个区块。
纹理是这样的一种图像特性,它反映了图像中像素的空间排列属性,常常表现出的是局部区域内是不规则的排列而从宏观的角度看有一定的规律的一种特性。如果一个图像内某个区域中的统计特性或者是其他的一些图像的局部区域相关特性有比较缓慢的变化或者是呈现出近似于周期的变化,则我们可以称其为纹理。
如前文所述,三维地图图像中包含大量的图像纹理信息。而由于三维地图图像大部分是利用纹理库中预存的纹理图像合成得到的,构成所述三维地图图像的纹理信息很大程度上有重叠。正因为三维地图图像的这种特性,为压缩三维地图图像提供了可能。本实施例提供的三维地图图像的纹理压缩方法正是利用三维地图图像在纹理上重叠特性,对三维地图图像执行压缩。
在对三维地图图像进行压缩之初,首先需要对待压缩的目标纹理图像进行分块。具体的,应该以矩阵的形式对所述待压缩的目标纹理图像进行分块。该矩阵的行数及列数应该是目标纹理图像的大小及区块的大小而确定。
S22,通过二维Gabor小波变换提取每个区块的特征。
Gabor小波变换对光照变化不敏感,且能够容忍一定程度的图像旋转和变形,这种特征的鲁棒性较好,总而言之,Gabor小波变换具有明显的优越性,这也是本实施例选用Gabor小波提取区块的特征的原因。
示例性的,通过构建Gabor滤波器组实现对目标纹理图像的二维小波变换,在利用降维算法对二维Gabor小波变换的结果进行降维,从而完成对每个区块的特征提取。所述降维算法包括:主成分分析(Principalcomponentananlysis,PCA)降维算法,或者局部线性嵌入(Locallinearembedding,LLE)降维算法。更为具体的,所述PCA降维算法包括:分块二维PCA降维算法。
S23,根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类。
因为各个区块的特征能够代表该区块的图像数据的特性,因此可以通过对各个区块的特征数据的聚类结果表明各个区块中哪些区块的图像数据存在相似的特性。
具体的,可以首先计算不同区块的特征向量之间的欧氏距离,然后根据各个特征向量之间的欧氏距离完成对各个特征向量的聚类。由于特征向量与其代表的区块之间存在严格的一一对应关系。因此,对各个特征向量的聚类就相当于对不同区块的聚类。
聚类操作完成后,在同一个分类中的区块被认为是具有相同纹理的区块。
对所述特征向量的聚类是根据基于距离的聚类算法进行的聚类,而且,所述聚类算法包括:k-平均、k-中心点、BRICH、CURE。
S24,以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块。
如前文所述,完成聚类操作后,对于在同一个类别中的区块可以被认为是具有相同纹理的区块。因此,可以使用同类别中的一个区块的图像数据代替该类别中其他区块的图像数据。这样,在传输、处理不同区块的图像数据时,对于同类别的区块的图像数据的传输、处理就转换为对一个区块的图像数据的传输、处理,实现了对三维地图图像的压缩,大大提高了对三维地图图像的传输效率、处理效率。
本实施例通过对目标纹理图像进行分块,通过二维Gabor小波变换提取每个区块的特征,根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类,以及以聚类后属于同一类别的区块中的一个区块代替所述类别中的其他区块,实现了三维地图中纹理图像的压缩。
第二实施例
本实施例以本发明上述实施例为基础,进一步的提供了所述三维地图图像的纹理压缩方法中特征提取的一种技术方案。在该技术方案中,通过二维Gabor小波变换提取每个区块的特征包括:对每个区块进行二维Gabor小波变换;对所述二维Gabor小波变换的结果进行降维,以获得每个区块的特征。
参见图3,通过二维Gabor小波变换提取每个区块的特征包括:
S31,对每个区块进行二维Gabor小波变换。
如本发明第一实施例所述,二维Gabor小波变换能够容忍一定程度的图像旋转和变形,具有较好的鲁棒性。因此,在本发明中,选择使用二维Gabor小波变换实现各个区块的特征提取。
具体的,对分块后的每个区块的图像数据分别进行二维Gabor小波变换,获得二维Gabor小波变换的结果。
S32,对所述二维Gabor小波变换的结果进行降维,以获得每个区块的特征。
对所述二维Gabor小波变换的结果进行降维时,可以依据如下降维算法中的任意一种执行上述降维操作。这些降维算法包括:PCA降维算法、线性判别分析(Lineardiscriminateanalysis,LDA)降维算法、局部线性嵌入(Locallylinearembedding,LLE)降维算法。更为具体的,假如使用PCA降维算法,则所述PCA降维算法可以是分块二维PCA降维算法。
本实施例通过对每个区块进行二维Gabor小波变换,以及对所述二维Gabor小波变换的结果进行降维,以获得每个区块的特征,实现了对各个区块的特征的提取。
第三实施例
本实施例以本发明上述实施例为基础,进一步的提供了所述三维地图图像的纹理压缩方法中区块聚类的一种技术方案。在该技术方案中,根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类包括:计算不同区块的特征之间的欧氏距离;使用聚类算法,根据所述欧氏距离对所述目标纹理图像的各个区块进行聚类。
参见图4,根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类包括:
S41,计算不同区块的特征之间的欧氏距离。
特别的,所述不同区块的特征是通过特征向量来表示的。在特征向量空间中,不同的特征向量之间具有一定的距离。在本实施例中,采用欧氏距离来表示不同特征向量之间的距离。
S42,使用聚类算法,根据所述欧氏距离对所述目标纹理图像的各个区块进行聚类。
所述欧氏距离可以作为对不同区块的特征向量进行聚类时使用的参考量。在对各个特征向量进行聚类时,依据特征向量之间的欧氏距离判定它们之间是否应该属于同一个类别。
而对特征向量进行聚类时使用的聚类算法应该是基于距离的聚类算法。具体的,所述聚类算法可以是k-平均算法、k-中心点算法、BRICH算法、CURE算法中的任意一个。
由于特征向量是用于表示图像分区以后不同区块的图像内容的,它与所述区块之间存在着一一对应关系。因此,对特征向量的聚类结果可以转换为对区块的聚类结果。至此,就完成了对三维地图图像不同区块的聚类操作。
本实施例通过计算不同区块之间的欧氏距离,以及使用聚类算法,根据所述欧氏距离对所述目标纹理图像的各个区块进行聚类,实现了对三维地图图像的聚类。
第四实施例
本实施例提供了三维地图图像的纹理压缩装置的一种技术方案。参见图5,在该技术方案中,所述三维地图图像的纹理压缩装置包括:分块模块51、特征提取模块52、区块聚类模块53以及区块替代模块54。
所述分块模块51用于对目标纹理图像进行分块,以得到所述目标纹理图像的多个区块。
所述特征提取模块52用于通过二维Gabor小波变换提取每个区块的特征。
所述区块聚类模块53用于根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类。
所述区块替代模块54用于以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块。
可选的,所述特征提取模块52包括:变换单元及降维单元。
所述变换单元用于对每个区块进行二维Gabor小波变换。
所述降维单元用于对所述二维Gabor小波变换的结果进行降维,以获得每个区块的特征。
可选的,所述降维单元使用的降维算法包括:主成分分析PCA降维算法,或者局部线性嵌入LLE降维算法。
可选的,所述PCA算法包括:分块二维PCA降维算法。
可选的,所述区块聚类模块53包括:距离计算单元以及聚类单元。
所述距离计算单元用于计算不同区块的特征之间的欧氏距离。
所述聚类单元用于使用聚类算法,根据所述欧氏距离对所述目标纹理图像的各个区块进行聚类。
可选的,所述聚类算法包括:k-平均、k-中心点、BRICH、CURE。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种三维地图图像的纹理压缩方法,其特征在于,包括:
对目标纹理图像进行分块,以得到所述目标纹理图像的多个区块;
通过二维Gabor小波变换提取每个区块的特征;
根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类;
以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块。
2.根据权利要求1所述的方法,其特征在于,通过二维Gabor小波变换提取每个区块的特征包括:
对每个区块进行二维Gabor小波变换;
对所述二维Gabor小波变换的结果进行降维,以获得每个区块的特征。
3.根据权利要求2所述的方法,其特征在于,对所述二维Gabor小波变换的结果进行降维时使用的降维算法包括:主成分分析PCA降维算法,或者局部线性嵌入LLE降维算法。
4.根据权利要求3所述的方法,其特征在于,所述PCA降维算法包括:分块二维PCA降维算法。
5.根据权利要求1所述的方法,其特征在于,根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类包括:
计算不同区块的特征之间的欧氏距离;
使用聚类算法,根据所述欧氏距离对所述目标纹理图像的各个区块进行聚类。
6.根据权利要求5所述的方法,其特征在于,所述聚类算法包括:k-平均、k-中心点、BRICH、CURE。
7.一种三维地图图像的纹理压缩装置,其特征在于,包括:
分块模块,用于对目标纹理图像进行分块,以得到所述目标纹理图像的多个区块;
特征提取模块,用于通过二维Gabor小波变换提取每个区块的特征;
区块聚类模块,用于根据不同区块的特征之间的欧氏距离,对所述目标纹理图像的各个区块进行聚类;
区块替代模块,用于以聚类后属于同一类别的区块中的一个区块代替所述同一类别中的其他区块。
8.根据权利要求7所述的装置,其特征在于,所述特征提取模块包括:
变换单元,用于对每个区块进行二维Gabor小波变换;
降维单元,用于对所述二维Gabor小波变换的结果进行降维,以获得每个区块的特征。
9.根据权利要求8所述的装置,其特征在于,所述降维单元使用的降维算法包括:主成分分析PCA降维算法,或者局部线性嵌入LLE降维算法。
10.根据权利要求9所述的装置,其特征在于,所述PCA算法包括:分块二维PCA降维算法。
11.根据权利要求7所述的装置,其特征在于,所述区块聚类模块包括:
距离计算单元,用于计算不同区块的特征之间的欧氏距离;
聚类单元,用于使用聚类算法,根据所述欧氏距离对所述目标纹理图像的各个区块进行聚类。
12.根据权利要求11所述的装置,其特征在于,所述聚类算法包括:k-平均、k-中心点、BRICH、CURE。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510980500.0A CN105631906A (zh) | 2015-12-23 | 2015-12-23 | 三维地图图像的纹理压缩方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510980500.0A CN105631906A (zh) | 2015-12-23 | 2015-12-23 | 三维地图图像的纹理压缩方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105631906A true CN105631906A (zh) | 2016-06-01 |
Family
ID=56046793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510980500.0A Pending CN105631906A (zh) | 2015-12-23 | 2015-12-23 | 三维地图图像的纹理压缩方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631906A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320405A (zh) * | 2023-05-17 | 2023-06-23 | 西安畅榜电子科技有限公司 | 一种安防监控视频压缩存储方法 |
CN116342168A (zh) * | 2023-05-23 | 2023-06-27 | 山东灵动电子商务有限公司 | 一种信息大数据智能采集管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903261A (zh) * | 2014-03-24 | 2014-07-02 | 西安电子科技大学 | 一种基于分块压缩感知的光谱图像处理方法 |
CN104103042A (zh) * | 2014-02-12 | 2014-10-15 | 西安电子科技大学 | 一种基于局部相似性和局部选择的非凸压缩感知图像重构方法 |
US20150036904A1 (en) * | 2013-08-05 | 2015-02-05 | Siemens Aktiengesellschaft | Method, control system, and computer program for compression of digital breast tomosynthesis data |
CN104463802A (zh) * | 2014-12-12 | 2015-03-25 | 西安电子科技大学 | 基于可变规模过完备字典的非凸压缩感知图像重构方法 |
-
2015
- 2015-12-23 CN CN201510980500.0A patent/CN105631906A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150036904A1 (en) * | 2013-08-05 | 2015-02-05 | Siemens Aktiengesellschaft | Method, control system, and computer program for compression of digital breast tomosynthesis data |
CN104103042A (zh) * | 2014-02-12 | 2014-10-15 | 西安电子科技大学 | 一种基于局部相似性和局部选择的非凸压缩感知图像重构方法 |
CN103903261A (zh) * | 2014-03-24 | 2014-07-02 | 西安电子科技大学 | 一种基于分块压缩感知的光谱图像处理方法 |
CN104463802A (zh) * | 2014-12-12 | 2015-03-25 | 西安电子科技大学 | 基于可变规模过完备字典的非凸压缩感知图像重构方法 |
Non-Patent Citations (3)
Title |
---|
张林等: "方向无关遥感影像的纹理分类算法", 《红外与毫米波学报》 * |
綦科: "三维模型密写和图像密写分析研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
陈书贞等: "基于方向图及小波系数重要连接的指纹图像压缩算法", 《计算机工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320405A (zh) * | 2023-05-17 | 2023-06-23 | 西安畅榜电子科技有限公司 | 一种安防监控视频压缩存储方法 |
CN116320405B (zh) * | 2023-05-17 | 2023-10-27 | 西安畅榜电子科技有限公司 | 一种安防监控视频压缩存储方法 |
CN116342168A (zh) * | 2023-05-23 | 2023-06-27 | 山东灵动电子商务有限公司 | 一种信息大数据智能采集管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Polarnet: An improved grid representation for online lidar point clouds semantic segmentation | |
Sattler et al. | Hyperpoints and fine vocabularies for large-scale location recognition | |
Zamir et al. | Image geo-localization based on multiplenearest neighbor feature matching usinggeneralized graphs | |
Yoo et al. | A join-less approach for co-location pattern mining: A summary of results | |
US20120001915A1 (en) | Close-packed, uniformly adjacent multiresolutional, overlapping spatial data ordering | |
CN102857565B (zh) | 一种基于云计算的智能试衣系统 | |
CN101842788A (zh) | 用于使用基于网格的特征组织来执行视觉搜索的方法、设备和计算机程序产品 | |
CN102880854B (zh) | 基于分布式和哈希映射的室外海量物体识别方法和系统 | |
CN103281351A (zh) | 一种高效能遥感数据处理与分析的云服务平台 | |
CN112954399B (zh) | 一种图像处理方法、装置以及计算机设备 | |
CN103150338A (zh) | 一种用于影像数据提取的剖分预处理方法及数据提取方法 | |
CN102663399A (zh) | 一种基于Hilbert曲线和LBP的图像局部特征提取方法 | |
CN102880879A (zh) | 基于分布式和svm分类器的室外海量物体识别方法和系统 | |
JPWO2013089146A1 (ja) | 情報処理システム、情報処理方法、通信端末およびその制御方法と制御プログラム | |
CN102130897A (zh) | 一种基于云计算的视频采集分析系统和方法 | |
CN106503112B (zh) | 视频检索方法和装置 | |
CN104025153A (zh) | 粗到细多个视差候选立体匹配 | |
WO2022216521A1 (en) | Dual-flattening transformer through decomposed row and column queries for semantic segmentation | |
CN105354528A (zh) | 基于深度图像序列的人体动作识别的方法及系统 | |
Wang et al. | Image tag completion by local learning | |
CN103699555A (zh) | 一种适用于调度与变电站一体化系统的多源数据实时库数据生成方法 | |
CN115424059A (zh) | 一种基于像素级对比学习的遥感土地利用分类方法 | |
CN105631906A (zh) | 三维地图图像的纹理压缩方法和装置 | |
CN104637066A (zh) | 基于序贯细化的二值图像快速骨架提取方法 | |
CN117692611B (zh) | 基于5g的安防图像传输方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |
|
RJ01 | Rejection of invention patent application after publication |