CN107613306A - 一种分布式扫描小波法对图像分层并压缩的设计方法 - Google Patents

一种分布式扫描小波法对图像分层并压缩的设计方法 Download PDF

Info

Publication number
CN107613306A
CN107613306A CN201711032062.0A CN201711032062A CN107613306A CN 107613306 A CN107613306 A CN 107613306A CN 201711032062 A CN201711032062 A CN 201711032062A CN 107613306 A CN107613306 A CN 107613306A
Authority
CN
China
Prior art keywords
image
gray value
layered
core
pixel
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
Application number
CN201711032062.0A
Other languages
English (en)
Inventor
胡明建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201711032062.0A priority Critical patent/CN107613306A/zh
Publication of CN107613306A publication Critical patent/CN107613306A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种分布式扫描小波法对图像分层并压缩的设计方法的技术领域,是属于计算机,图像处理,图像计算,图像压缩的技术领域,主要技术是把图像按照灰度进行分层,这就使用了小波技术,并采用把总像素除以要使用的核的数目,然后按照顺序给每一个核分配像素,这样就可以分布式并行的进行处理,每一个核处理好像素后,就把这点像素的灰度值和位置信息传递给内存,内存是要这样设计的,建立256个动态区间,从0到255,这样就可以把灰度值为0的值的位置信息存入内存为0的动态区间,等所有的像素扫描完毕,再给内存每一层位置信息从小到大排序,以便下一步计算方便。

Description

一种分布式扫描小波法对图像分层并压缩的设计方法
技术领域
一种分布式扫描小波法对图像分层并压缩的设计方法的技术领域,是属于计算机,图像处理,图像计算,图像压缩的技术领域,主要技术是把图像按照灰度进行分层,这就使用了小波技术,并采用把总像素除以要使用的核的数目,然后按照顺序给每一个核分配像素,这样就可以分布式并行的进行处理,每一个核处理好像素后,就把这点像素的灰度值和位置信息传递给内存,内存是要这样设计的,建立256个动态区间,从0到255,这样就可以把灰度值为0的值的位置信息存入内存为0的动态区间,等所有的像素扫描完毕,再给内存每一层位置信息从小到大排序,以便下一步计算方便。
背景技术
21世纪是一个充满信息的时代,图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。数字图像处理,即用计算机对图像进行处理,其发展历史并不长。数字图像处理技术源于20世纪20年代,当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片,采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界,人的视觉系统可以帮助人类从外界获取3/4以上的信息,而图像、图形又是所有视觉信息的载体,尽管人眼的鉴别力很高,可以识别上千种颜色,但很多情况下,图像对于人眼来说是模糊的甚至是不可见的,通过图象增强技术,可以使模糊甚至不可见的图像变得清晰明亮。在计算机中,按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。大多数图像处理软件都支持这四种类型的图像。图像处理,用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
发明内容
现在做图像识别的方法很多,当效果还是不十分理想,总体来说还是处理速度比较慢,对图像的识别不是十分正确,识别的技术比较单一,不能满足现在的要求,特别是火热的人工智能的发展,对图像的识别,运算速度有巨大的要求,图像识别问题的数学本质属于模式空间到类别空间的映射问题。目前,在图像识别的发展中,主要有三种识别方法:统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术,自20世纪70年代,其研究已经有几十年的历史,一直都受到人们的高度重视,至今借助于各种理论提出了数以千计的分割算法,而且这方面的研究仍然在积极地进行着,现有的图像分割的方法有许多种,有阈值分割方法,边缘检测方法,区域提取方法,结合特定理论工具的分割方法等。从图像的类型来分有:灰度图像分割、彩色图像分割和纹理图像分割等。早在1965年就有人提出了检测边缘算子,使得边缘检测产生了不少经典算法。但在近二十年间,随着基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术的迅速发展,有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、 方法和工具,如基于数学形态学的图像分割、基于小波变换的分割、基于遗传算法的分割等。一种分布式扫描小波法对图像分层并压缩的设计方法,其特征是,分布式扫描小波法对图像分层并压缩的设计方法,它由3部分组成,1.并行处理,2.小波分层,3.压缩技术,把这3种技术融合在一起,让运算速度和识别能力上一个新台阶,并行处理的设计是以总像素除以多少个核,要设计为整除,每一个核处理自己分配的像素,例如一千万像素,用一千个核进行处理,一个核处理1万个像素,小波运算的方法就是按照灰度值进行分层,因此把一副图片分层256层,所以灰度值相同的像素在一层内,压缩技术就是在存储内存数据时,也是分成256个动态区间,只要把灰度值的位置信息输入对应内存动态区间值的里面,等所有的像素扫描完毕,再给内存每一层位置信息从小到大排序,这就是最大程度的压缩,这样就能使用最多的核同时进行并行处理,同时根据灰度值把同灰度值的分到一层,并行把数据压缩成最少的空间。
附图说明
图1是一种分布式扫描小波法对图像分层并压缩的原理图,a-1代表是像素图,上面的方格代表像素,旁边和下面的大空格代表有很多像素,因为图上画不下,下面标的10000000,是代表一千万的像素,旁边的数字1,10000,20000一种到9990000代表一千万的像素同时用1000个核来处理,每一个核处理10000个像素,a-2是内存分配设计方法,建立256个动态存储空间,把每一层灰度值相同的存储在一个动态空间,也就是灰度值相同的像素在同一个对应这个内存分配值的空间内,上面的这里有256个小格代表分配256层的灰度值存储空间。
实施方案
在图库或摄像头获取照片后,如果需要对这些图片进行识别,就要让它最快的进行特征提取,特征提取的最简单的方法是把灰度值分离开,就是灰度值相同的放在一层上,然后对这些灰度值进行分析,再把各层进行分析,在把层和层联系起来分析,通过运算分析达到图像识别的目的。分布式扫描小波法对图像分层并压缩的设计方法,它由3部分组成,1.并行处理,2.小波分层,3.压缩技术,把这3种技术融合在一起,让运算速度和识别能力上一个新台阶,并行处理的设计是以总像素除以多少个核,要设计为整除,每一个核处理自己分配的像素,例如一千万像素,用一千个核进行处理,一个核处理1万个像素,小波运算的方法就是按照灰度值进行分层,因此把一副图片分层256层,所以灰度值相同的像素在一层内,压缩技术就是在存储内存数据时,也是分成256个动态区间,只要把灰度值的位置信息输入对应内存动态区间值的里面,等所有的像素扫描完毕,再给内存每一层位置信息从小到大排序,这就是最大程度的压缩,这样就能使用最多的核同时进行并行处理,同时根据灰度值把同灰度值的分到一层,并行把数据压缩成最少的空间,用3个字结来存储位置信息,这样大大的减少内存空间,通过上面这样的设计,就最快的对图片进行分层,同时能把图片信息进行最大的压缩,满足现在火热的人工智能的需求。

Claims (1)

1.一种分布式扫描小波法对图像分层并压缩的设计方法,其特征是,分布式扫描小波法对图像分层并压缩的设计方法,它由3部分组成,1.并行处理,2.小波分层,3.压缩技术,把这3种技术融合在一起,让运算速度和识别能力上一个新台阶,并行处理的设计是以总像素除以多少个核,要设计为整除,每一个核处理自己分配的像素,例如一千万像素,用一千个核进行处理,一个核处理1万个像素,小波运算的方法就是按照灰度值进行分层,因此把一副图片分层256层,所以灰度值相同的像素在一层内,压缩技术就是在存储内存数据时,也是分成256个动态区间,只要把灰度值的位置信息输入对应内存动态区间值的里面,等所有的像素扫描完毕,再给内存每一层位置信息从小到大排序,这就是最大程度的压缩,这样就能使用最多的核同时进行并行处理,同时根据灰度值把同灰度值的分到一层,并行把数据压缩成最少的空间。
CN201711032062.0A 2017-10-29 2017-10-29 一种分布式扫描小波法对图像分层并压缩的设计方法 Pending CN107613306A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711032062.0A CN107613306A (zh) 2017-10-29 2017-10-29 一种分布式扫描小波法对图像分层并压缩的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711032062.0A CN107613306A (zh) 2017-10-29 2017-10-29 一种分布式扫描小波法对图像分层并压缩的设计方法

Publications (1)

Publication Number Publication Date
CN107613306A true CN107613306A (zh) 2018-01-19

Family

ID=61080165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711032062.0A Pending CN107613306A (zh) 2017-10-29 2017-10-29 一种分布式扫描小波法对图像分层并压缩的设计方法

Country Status (1)

Country Link
CN (1) CN107613306A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102244781A (zh) * 2011-03-31 2011-11-16 苏州汉辰数字多媒体有限公司 一种多核高速dsp平台的avs视频编码器
CN103024328A (zh) * 2012-12-28 2013-04-03 北京汉邦高科数字技术股份有限公司 一种提高数字视频录像机抓图质量的方法
CN103905819A (zh) * 2014-04-23 2014-07-02 西安电子科技大学 基于多级树集合分裂编码的系统及其实现方法
CN104063835A (zh) * 2014-04-02 2014-09-24 中国人民解放军第二炮兵指挥学院 一种卫星遥感图像实时并行处理系统及处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102244781A (zh) * 2011-03-31 2011-11-16 苏州汉辰数字多媒体有限公司 一种多核高速dsp平台的avs视频编码器
CN103024328A (zh) * 2012-12-28 2013-04-03 北京汉邦高科数字技术股份有限公司 一种提高数字视频录像机抓图质量的方法
CN104063835A (zh) * 2014-04-02 2014-09-24 中国人民解放军第二炮兵指挥学院 一种卫星遥感图像实时并行处理系统及处理方法
CN103905819A (zh) * 2014-04-23 2014-07-02 西安电子科技大学 基于多级树集合分裂编码的系统及其实现方法

Similar Documents

Publication Publication Date Title
CN108038905A (zh) 一种基于超像素的目标重建方法
CN106126585B (zh) 基于质量分级与感知哈希特征组合的无人机图像检索方法
WO2020000096A1 (en) Human pose analysis system and method
CN108710916B (zh) 图片分类的方法及装置
CN108470178B (zh) 一种结合深度可信度评价因子的深度图显著性检测方法
CN107944459A (zh) 一种rgb‑d物体识别方法
CN103955942A (zh) 一种基于svm的2d图像的深度图提取方法
Nousias et al. A saliency aware CNN-based 3D model simplification and compression framework for remote inspection of heritage sites
CN111339922A (zh) 一种视频图像的高效处理方法
Cui Image style migration algorithm based on hsv color model
Azad et al. A robust and adaptable method for face detection based on color probabilistic estimation technique
CN104778683A (zh) 一种基于泛函映射的多模态图像分割方法
KR20110019117A (ko) 시멘틱 기반의 이미지 검색 방법
CN107613306A (zh) 一种分布式扫描小波法对图像分层并压缩的设计方法
Giachetti et al. SHREC15 Track: Retrieval of non-rigid (textured) shapes using low quality 3D models
Khryaschev et al. Urban areas analysis using satellite image segmentation and deep neural network
CN112749713A (zh) 一种基于人工智能的大数据图像识别系统及方法
CN107770554A (zh) 一种并行位移小波法对图像分层并压缩的设计方法
CN108268533A (zh) 一种用于图像检索的图像特征匹配方法
Zhang et al. Novel approaches to enhance coral reefs monitoring with underwater image segmentation
CN108805136B (zh) 一种面向水面污染物监测的显著性检测方法
KR20110085951A (ko) 시멘틱 기반의 이미지 검색 방법
Shen et al. A holistic image segmentation framework for cloud detection and extraction
RU2018126535A (ru) Способ идентификации объектов на цифровых изображениях подстилающей поверхности методом нечеткой триангуляции делоне
CN112734747B (zh) 一种目标检测方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination