22、图像与规则知识库处理技术：四叉树优化与异常规则挖掘

图像与规则知识库处理技术：四叉树优化与异常规则挖掘

四叉树森林与图像近似

四叉树森林可视为四叉树数据结构的一种改进，有助于构建二进制图像近似的合适序列，最终节省空间。在这种近似方法中有四个重要概念：GB 节点、GW 节点、黑森林和白森林。

• GB 节点与 GW 节点 ：若一个灰色内部节点至少有两个子节点是黑色节点或 GB 节点，则称其为 GB 节点；否则为 GW 节点。例如，在特定图像中，节点 E、F、H、I、K 和 L 是 GB 节点，而节点 G、J、M 和 N 是 GW 节点。每个黑色节点或标记为 GB 的内部节点可视为最大正方形。
• 黑森林与白森林 ：以黑森林为例，其树的定义如下：
  • 包含最小的最大正方形集合。
  • 每个最大正方形中的所有黑色或 GB 节点不包含在其他正方形中。
  • 该最小集合中的正方形将覆盖图像的整个黑色区域。
  • 树由其根节点标识。

ACORN 算法设计与应用

ACORN 算法结合了基于森林的近似中 GB 和 GW 节点的概念、层次近似思想以及 CORN 算法。具体步骤如下：
1. 求外近似 OB(1) ：使用 CORN 算法得到四叉树表示的外近似 OB(1)。OB(1) 中的每个灰色节点包含两种类型的节点：其子节点中的黑色节点和对应于 CORN 模型“Maybe”区域的黄色节点（即原始四叉树表示中子节点的白色节点）。
2.