图像表示是计算机图形学、计算机视觉、机器人、图像处理和模式识别等领域里的一个重要问题。有效的图像表示方法不仅能节省存储空间,而且还能提高图像处理的速度。随着数字化信息时代的到来和多媒体计算机技术的发展,使得人们所面对的各种图像数据量剧增,由于图像信息所具有的大量性,其快速、实时传输的要求得不到满足已成为制约Interact发展的一个难题。因此,图像表示方法的研究就变得非常重要,它是目前最活跃的研究领域之一。非对称逆布局模型(NAM)适用于图像模式、语音模式、文本模式、视频模式的表示,是一个通用型的模式表示模型。针对图像的有损表示,扩展了著名的Gouraud阴影法,研究了一种基于Gouraud阴影法的NAM图像表示方法,简称NAMC表示方法,并与目前流行的STC表示方法进行了比较。具体给出了灰度图像的NAMC表示算法,该算法编解码部分的时间复杂度分别为O(n log n)和O(n),其中n为灰度图像的像素数。以图像处理领域里惯用的标准’Lena’灰度图像作为典型测试对象,理论分析和实验结果均表明:在保持图像质量的前提下,与STC表示方法和目前已经商业化了的JPEG方法相比,NAMC表示方法具有更低的比特率和更少的块数,从而具有更高的表示效率和更快的处理速度,是图像模式的一种更优的有损表示方法。NAMC图像表示方法有两重目的,一是体现在数据量上的优越性,二是体现在图像处理上的优越性。图像处理中的一些原子操作和运算(如:寻找近邻、搜索、计算区域的面积、集合操作等)在复杂算法中是经常用到的。具体研究了NAMC表示方法在图像处理中应用的一个例子,即:基于NAMC表示的快速矩计算算法。该算法的时间复杂度为O(N),其中N为灰度图像用NAMC表示时的同类块的总数。以图像处理领域里惯用的标准’Lena’、’F16’和’Peppers’等灰度图像作为典型测试对象,理论分析和实验结果均表明:与流行的基于STC表示的矩计算算法相比,基于NAMC表示的矩计算算法具有更快的计算速度。针对图像的无损表示,研究了一种基于多子模式的NAM图像表示方法和一种基于光栅扫描的NAM编码优化策略。通过对典型多子模式(三角形和矩形)进行分析,给出了一种基于三角形和矩形的NAM图像表示方法,简称为NAMTR表示方法,并与经典的线性四元树(LQT)表示方法从理论上进行了比较。具体研究了基于NAMTR的二值、灰度和彩色图像表示算法,且对算法的存储结构、数据量以及时间和空间复杂度进行了详细分析。给出了2种多值图像(灰度和彩色图像)的NAMTR表示方法,即直接方法和间接方法,且对这2种方法进行了比较,其中间接方法是一种位平面分解方法,能够有效降低原图像模式的复杂度,从而提高图像模式的表示效率。直接方法和间接方法表示的数据量和压缩比都与图像的复杂度有关,图像复杂度越低,则NAMTR表示的效率就越高。以图像处理领域里惯用的标准’Lena’、’F16’和’Peppers’等图像作为典型测试对象,理论分析和实验结果均表明:与经典的LQT表示方法、目前新提出的矩形NAM图像表示方法及流行的紧凑四元树(CQT)表示方法相比,NAMTR表示方法在子模式(节点数)和数据存储空间上具有明显的优势,是图像模式的一种更优的无损表示方法。NAMTR图像表示方法同样有两重目的,一是体现在数据量上的优越性,二是体现在图像处理上的优越性。作为NAMTR图像表示方法在图像处理中应用的一个例子,研究了一种基于NAMTR表示的二值图像的快速面积计算算法。该算法的时间复杂度为O(N),其中N为二值图像用NAMTR表示时的子模式总数。以图像处理领域里惯用的标准’Lena’、’F16’和’Peppers’等二值图像作为典型测试对象,理论分析和实验结果均表明:与流行的基于CQT表示的面积计算算法相比,基于NAMTR表示的面积计算算法具有更快的计算速度。总之,NAMC和NAMTR表示方法可以应用于图像表示和图像处理的各个方面,在降低存储空间、加快传输速度、提高模式匹配效率等方面具有良好的理论参考意义和实际应用价值。