二维Gabor小波变换的结果。
[0047]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。
[0048]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(Li neardiscriminate analysis，LDA)降维算法、局部线性嵌入(Locally linear embedding,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。
[0049]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。
[0050]第三实施例
[0051]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。
[0052]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:
[0053]S41，计算不同区块的特征之间的欧氏距离。
[0054]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。
[0055]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。
[0056]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。
[0057]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。
[0058]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。
[0059]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。
[0060]第四实施例
[0061]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。
[0062]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。
[0063]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。
[0064]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。
[0065]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。
[0066]可选的，所述特征提取模块52包括:变换单元及降维单元。
[0067]所述变换单元用于对每个区块进行二维Gabor小波变换。
[0068]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。
[0069]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。
[0070]可选的，所述PCA算法包括:分块二维PCA降维算法。
[0071]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。
[0072]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。
[0073]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。
[0074]可选的，所述聚类算法包括:k_平均、k-中心点、BRICH、CURE。
[0075]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。
[0076]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。
【主权项】
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、CURE07.一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、CURE0
【专利摘要】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。
【IPC分类】G06T9/00
【公开号】CN105631906
【申请号】CN201510980500
【发明人】蒋昭炎, 王睿索, 晏阳, 贾相飞, 晏涛
【申请人】百度在线网络技术（北京）有限公司
【公开日】2016年6月1日
【申请日】2015年12月23日