去除DCT压缩图像缺陷的后处理

基于ＤＣＴ域内系数量化的压缩算法，如ＭＰＥＧ，ＪＰＥＧ等，随着码率的降低，量化也越来越粗糙，使重建后的图象出现“块效应”，振铃效应，视觉模糊等缺陷，本 文提出一种混合算法去除这些缺陷来有效地提高主观质量。首先采用自适应边界滤波，再将ＤＣＴ块分为平坦区域和边缘区域，主地二区域的不同特性采用非线性空间移变滤波来去除图象缺陷。     

一种新的综合编码方案

提出一种新的综合编码方法：①图象编码预处理．在没有改变复杂性的情况下，使结果有明显改进．②在编码过程中，为了提高离散余弦变换（ＤＣＴ）系数量化后的编码效率，提出４叉树与模板匹配混合去零的方法．③对图象子块引入Ｈｉｌｂｅｒｔ排序，使脉冲调制方法的使用更有效．将这些改进方法结合形成新的图象编码算法，取得了理想的压缩比     

WHT图象压缩及增强

本文提出一种Walsh-Hadamard变换(以下简写为WHT)图象压缩方法.该方法将正交变换后的系数矩阵按活性指数分为三类,然后进行自适应门限压缩、比特分配与量化.文中分析了设计原理并给出了实验结果.为了改善低码率下编码图象的质量,文中还提出一种双门限邻域平均算法.使0.5bit/pel编码图象的峰峰信噪比提高约3.6dB.     

用于PACS系统的医学图象量化编码的算法

图象压缩是PACS系统的重要研究部分。作者研究了二维图象小波分解后系数的统计分布与拉普斯分布有很好的一致性；同时，由于不同幅度的小波系数在图象重构中权重的不同，在系数压缩编码时对不同权重的系数采用不同的压缩精度。由此，作者提出了一种适用于PACS系统的图象量化编码算法，该算法以各小波子带图象小波系数的重要统计特征-样本标准差为量化阈值选择依据，精确编码图象重构中权重较大的系数，还利用了人眼的频率视觉特性。实验表明，本算法具有计算简单、不同编码精度时被量化系数可预见的特点，同时在保证图象质量的基础上可获得较高压缩比。     

神经网络在图象压缩编码中的应用

讨论神经网络在图象压缩编码领域中的应用.针对图象矢量量化存在的分块效应问题,对Kohonen自适应模型进行了研究.应用了两个DCT的余弦变换域的特征值,结合Kohonen的自组织特征映射(SOFM)算法对图象元素分类压缩编码.计算机模拟实验表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图象编码压缩比和译码图象质量都有明显的提高.     

基于小波变换的图象压缩

要在模拟和移动通讯中传输数字图象，首先必须对图象实行高比率的压缩，本文对讨论小波变换的特征机理，建立了以小波变换为基础图象压缩软件模拟系统，并同标准ＪＰＥＧ的图象压缩方法做了对比实验，结果证明：在高压缩比时，基于小波变换压缩的重建图象ＰＳＤＮ和重建图象质量都明显地成于传统的ＤＣＴ压缩方法。     

基于余弦变换的快速图象编码技术

图象处理技术在网络通讯和多媒体应用上具有举足轻重的地位,近年来许多新的理论和算法被提出来,其中最引人注目的是子波和分形理论及其相关的算法。本文在这些领域结合ＤＣＴ变换提出了新的图象编码算法,取得较好的效果。     

基于自适应多阈值变换编码的图象二值化处理

给出了一种应用自适应多阈值变换编码，来处理二值图象的方法。首先采用四叉树分块方法，对图象进行自适应分隔，进而在分割的定义块上采用区域编码；为减小压缩损失，再辅以自适应多阈值的阈值编码。实验结果表明：应用所给方法。图象的二值化质量较高。     

一种自适应图象压缩编码算法

提出了一种自适应图象压缩编码算法（ＡＣＣ）,该算法将绝对矩方块截断编码算法（ＡＭＢＴＣ）、内插法和四叉树技术有机结合起来,根据图象的局部特性调节编码算法．仿真结果表明ＡＣＣ算法与文献［５］中自适应算法相比,在相同的压缩倍数下,能得到更好的编码性能．     

一种新二维离散余弦变换快速算法

利用三角函数公式提出了一种将Ｎ×ＮＤＣＴ分解为Ｎ个１－ＤＤＣＴ的新的快速算法－ＤＤＣＴ算法，给出了８×８ＤＤＣＴ的算法流程图，并与其它２－ＤＤＣＴ快速算法在计算量及计算结构上进行了比较，计算机仿真结果表明，ＤＤＣＴ算法的计算精度明显高于行－列法。     

基于神经网络的扎龙湿地土地覆盖分类研究

主要研究神经网络在土地覆盖分类方面的应用问题．采用四层神经网络结构,对扎龙湿地的TM影像进行了分类研究,并提出一种基于鲁棒误差函数的自适应反向传播学习算法．仿真结果表明,该方法能够有效地对扎龙湿地TM影像进行分类．所采用的四层网络结构可减轻存储量大的负担,鲁棒误差函数有效地抑制了大误差,自适应反向传播算法使误差下降更快,而且最终得到的分类精度高于三层神经网络和最大似然法的分类精度。     

基于 CatBoost 算法的面向对象土地利用分类

为实现较高层次的遥感影像分类及有效去除高维特征的信息冗余,以 Sentinel-2 遥感影像为数据源,应 用 CatBoost 算法对龙江县进行了面向对象的土地利用分类。利用 CatBoost 算法对全部特征集进行降维,分别使 用 CatBoost、ＲF(Ｒandom Forest)和 AdaBoost 算法进行土地利用分类并对分类结果进行对比。研究结果表明, CatBoost、ＲF 和 AdaBoost 算法的 Kappa 系数均在 0． 77 以上,且 CatBoost 算法的 Kappa 系数高达 0． 911 4。因此 CatBoost分类法是土地利用分类的有效方法,为土地类型的划分提供了快捷可行的方法。     

基于侧抑制系数的红外图像细节增强算法

针对红外图像对比度低、细节不清晰和视觉效果模糊的缺点,提出了基于侧抑制系数的红外图像细节增强算法。通过分析指数分布侧抑制系数计算方法的不足,提出利用二次函数分布计算侧抑制系数的方法,提高算法增强红外图像细节的能力,利用红外图像本身的灰度信息自适应地调整侧抑制系数的参数,进而自适应确定侧抑制网络,对图像目标和背景进行不同程度的抑制,结合临界可偏差(just noticeable difference,JND)曲线中得到的人眼视觉分辨率特性,对图像进行能量恢复调整,使图像均值保持在人眼适宜观察的状态。仿真结果显示,与自适应指数函数侧抑制算法相比,算法处理后的红外图像对比度、信息熵以及信噪比都得到提高,图像细节更加清晰,视觉效果得到明显改善。     

改进的PSO优化SVM的病理图像分类算法

为了提高医学病理图像分类的准确率,提出了一种带有粒子位置权重和粒子之间相关度函数的PSO(particle swarm optimization)参数寻优算法.首先,在经典PSO算法的基础上提出了一种基于适应性原则的位置更新策略.然后,在粒子进行参数寻优的过程中,设计了一个增加粒子之间相关性的函数.该算法可以在不考虑速度影响的情况下进行参数最优解的搜索.最后,用经过PSO优化的支持向量机(SVM)算法分类检测病理图像.实验结果表明,该算法的分类准确率达到了98.5%,较高于另外几种算法.分类检测结果符合临床诊断结果,满足医学研究要求.     

基于边缘检测的块分类水印算法

文章阐述了感知特性在水印技术中的重要应用,提出一种基于边缘检测的块分类自适应水印算法,把原图像分块,通过计算图像块中边缘点的数量进行分类。根据分类结果,不同强度的水印分量被嵌入到不同图像块的DCT低频系数中去。试验结果表明,该方法具有计算简单、感知效果好及鲁棒性强等特点。     

基于图像处理的烟叶叶片结构分类算法

针对采用传统工艺方法进行烟叶叶片结构检测和分类的缺点,介绍了图像处理和分析技术在烟叶叶片结构分类识别中的应用,讨论彩色图像分割、连通区域标记、面积的检测、识别和分类等主要的图像处理算法,提出一种动态的烟叶叶片面积大小分类的算法,它是基于类的分离度思想而提出的.该算法对于不同品质的烟叶图像具有自适应性,且计算准确、速度快,能满足实时性要求.此算法已有效地应用于烟叶叶片结构自动分类系统,并取得了令人满意的效果.     

一种基于图像特征的小波域水印算法

为了更好地解决度规失真问题,提出了一种基于图像内容特征的鲁棒水印算法。该算法利用小波变换提取图像的特征信息,通过特征系数的选取和自适应嵌入策略,使得每个图像的水印相互独立,检测时不需要原始水印的先验知识,传递的副信息少。实验结果表明,该算法对原图像的影响极小,并且对于各种通用的图像操作具有极好的鲁棒性,有较高的实际应用价值。     

基于自适应动量更新策略的Adams算法

Adam算法是目前最常用的优化算法之一，但其面临学习率震荡导致模型不收敛问题，其改进算法AMSGrad也存在梯度递减导致的二阶动量失效问题。针对上述问题，提出了基于自适应动量更新策略的Adams算法。首先，通过为一阶动量和二阶动量引入自适应更新参数，并在最后的参数更新期间采用较小的一阶动量更新参数，构建了一种自适应的动量更新策略。其次，基于该更新策略，提出了一种能够快速收敛的Adams算法。最后，通过理论分析证明了Adams算法的收敛性。基于文本分类和图像分类的对比实验表明，相比于Adam和AMSGrad算法，Adams收敛速度更快、训练结果更好，且具有优秀的泛化能力；消融实验证明了Adams算法自适应动量更新策略的有效性。     

基于图像内容的自适应量化双水印算法

提出一种在小波域嵌入双水印的新算法,该算法提取小波低频域的特征信息生成两个水印,将一个水印结合邻域信息以块量化方法嵌入,用于版权保护,将另一个水印的Hash值以单系数量化方法嵌入,用于内容认证,量化步长根据邻域的纹理特征自适应确定.实验结果表明,该算法在保护数字图像版权的同时,能够很好地完成内容真实性认证.     

基于小波变换的多光谱图像和全色图像配准算法

研究一种快速、准确的适用于大角度旋转的多光谱图像和全色图像自适应配准方法.该算法首先基于小波变换提取图像的角点作为特征点,然后提出利用基于区域带旋转角度估算的相似度最大和三角形相似的方法确定最佳的配准参数,最后采用迭代算法优化配准参数.实验结果表明:该方法可以准确、自动地获得不同的多光谱图像和全色图像之间的配准参数.