结合K均值聚类和KD-Tree搜索的快速分形编码方法

被引：6

作者：

陈作平

叶正麟

赵红星

郑红婵

机构：

[1] 西北工业大学理学院

来源：

计算机辅助设计与图形学学报 | 2006年 / 07期

关键词：

分形图像压缩; K均值聚类; 部分失真搜索; KD-Tree; 近似最近邻搜索;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

利用部分失真搜索求解传统K均值聚类算法中的最近邻搜索问题,显著地减少了传统算法的乘法次数,从而提高了聚类速度;然后用改进后的聚类算法来加速分形编码:首先将定义域块聚类并为每个类建立一棵KD-Tree,编码时对每个值域块先后用部分失真搜索与近似最近邻搜索得到与其距离最近的若干KD-Tree及其上的若干最近邻,而其最优匹配块即由后者产生.实验结果表明,相对于全局搜索,该方法能大幅度地提高编码速度和较大地提高压缩比,而解码质量只有很小的下降;相对于同类方法,在相同压缩比下有更好的加速效果和解码质量.

引用

页码：965 / 970

页数：6