一种基于视觉模型的图像编码方法

提出了一种新的图像压缩编码方法，根据视觉的生理学和心理学特性，设计一组与编码图像无关且对人眼有意义的模块（视觉模块），利用这些模块对分块子图作匹配。该方法提供了与视觉相一致的较好的图像质量，压缩比与矢量量化相近。由于采用了简单的匹配算法，大大降低了编码的复杂性，此方法适于实时应用场合。     

机器人立体视觉模块的故障诊断

针对机器人的视觉模块，提出了一种故障诊断的算法．该方法根据极线几何理论，利用基本矩阵离线地得到故障诊断的期望范围，再根据匹配像素点是否落在期望范围内判断视觉模块当前是否存在故障．与常规方法相比，不需要增加额外的传感器，且占用系统资源较少，具有相当好的实时性．实验证明，利用该方法进行故障诊断的错判率和漏检率均在3％以下。     

四级邻域匹配分形近似编码

为了缩短分形编码中值域块与定义域块池中的定义域块逐一匹配时间，提出了四级邻域匹配分形近似编码。在编码时，对不同的图像匹域进行不同级的编码，并将值域块与定义域块的全局匹配改为邻域匹配。该方法与Ｊａｃｑｕｉｎ的分形块编码相比，不仅大大地缩短了编码时间，同时也提高压缩比，两者解码图像峰值信噪比相近。     

坐标网格立体视觉测量中的图像匹配技术

利用立体视觉技术，实现对板料成形分析中应用的大批量坐标网格的变形进行无接触自动测量与分析，以减少工作量并提高测量的速度和精度．主要针对圆形坐标网格变形的立体视觉测量中的图像匹配技术进行了研究．在对网格图像进行特征提取与编码的基础上，实现网格单元的子域匹配，并通过对摄像位置进行预约束，建立起左右对应像素点纵向图像坐标间的约束关系，从而实现左右图像特征点的快速准确匹配方法．该方法程序实现简单，匹配结果可靠，无二义性，可推广应用于其他具有相似结构特征的三维图像的立体匹配中．     

四级邻域匹配分形近似编码

为了缩短分形编码中值域块与定义域块池中的定义域块逐一匹配时间，提出了四级邻域匹配分形近似编码．在编码时，对不同的图像区域进行不同级的编码，并将值域块与定义域块的全局匹配改为邻域匹配．该方法与Ｊａｃｑｕｉｎ的分形块编码相比，不仅大大地缩短了编码时间，同时也提高压缩比．两者解码图像峰值信噪比相近     

多尺度匹配的分形近似编码

将多尺度分析的思想引入到值域块与定义域块匹配过程中，预先剔除掉在粗尺度下与值域块不匹配的定义域块，相对减少了在细尺度下与值域块匹配的定义域块．该方法为缩短分形编码的搜索时间提供了一条新途径．与全局搜索匹配分形块编码相比，大大地缩短了编码时间     

多尺度匹配的分形近似编码

将哆尺度分析的思想引入到值域块与定义域块匹配过程中，预先剔除掉在粗尺度下与值域块不匹配的定义域块，相对减少了细尺度下与值域匹配的定义域块。该方法为缩短分形编码的搜索时间提供了一条新途径。与全局搜索匹配分形块编码相比，大大地缩短了编码时间。     

基于生成对抗网络的虚拟试穿方法

为了解决传统虚拟试穿方法存在的手臂遮挡与细节模糊问题,提升重建图像的视觉质量,提出一种基于生成对抗网络的虚拟试穿方法.通过纹理提取模块和残差样式编码模块提取服装细节信息,并结合人体表征输入与人物姿势来重建试穿图像,解决了手臂遮挡问题,实现了对扭曲失误服装的修复还原,且重建图像服装边缘清晰.定性分析表明,改进虚拟试穿方法...     

基于多个伪随机序列调制的视觉脑机接口研究

传统的基于编码调制的视觉脑机接口(BCI)使用一种编码及其移位来调制不同的视觉目标,限制了目标数的增加,因而限制了系统的信息传输率。基于两种不同类型的三个伪随机序列调制实现了一个48个刺激目标的BCI系统。采用两个不同的Golay码和一个近完美序列对目标进行调制,使得每个码的自相关特性和每个码之间的互相关特性都很好,大大提高了刺激目标数。通过模板匹配法对训练数据进行分类识别获得了很高的识别准确率,并和一类支持向量机方法进行了比较。选取了8个受试者进行了实验膜板匹配法的平均识别准确率达到93.49%,证明了这是一种提高刺激目标数的好方法。     

从二维图象中恢复距离信息的体视匹配方法

利用双目立体视觉技术从二维图象中恢复三维距离信息是立体视觉研究中的一个重要研究方向，在双目立体视觉系统中，立体匹配部分是其核心部分。该文提出了一种基于边缘特征的立体匹配方法。该方法用边缘象素作为匹配基元，利用边皆的位置，差分强度和梯度方向属性，在核心线约束和视差连续性约束下，通过迭代运算实现了立体匹配，获得了较好的匹配效果，通过对匹配结果进行三维重建表明，该方法是有效可行的。     

深度图的快速自适应帧内预测模式选择算法

基于高效率视频编码(high efficiency video coding, HEVC)三维视频扩展的深度编码,引入了深度模型编码模式(depth modeling mode, DMM)和区域边界链编码(region boundary chain, RBC)模式. RBC 模式通过遍历编码单元(coding unit, CU)当前深度下所有的边缘线预测模板来得到最佳的预测模板, 但在显著提升编码效率的同时, 其计算复杂度也增加了数倍. 深入研究了在HEVC 模式粗选过程中选出的最优预测模式与DMM 和RBC 这两种模式的相关性, 以及与直接Wedgelet 搜索模板集合各个方向的相关性, 并在此基础上提出了一种快速的自适应深度图帧内预测模式选择算法. 该算法将编码块分为平坦块、方向性编码块以及纹理复杂块3 种. 对平坦块跳过DMM 和RBC 模式, 而对方向性编码块的直接Wedgelet 搜索过程则跳过不必要的方向模板搜索, 从而提高编码速度. 实验结果表明, 在全I 帧模式下,该深度图帧内预测模式选择方法平均节省了75.4% 的编码时间, 而在合成视点端仅带来0.4%的性能损失.     

一种题库编码存储方案与标准经试卷智能打印技术

针对含有数学公式的数理类题库试题存储与打印的困难,提出一种基于打印格式对试题进行编码存储的方案,给出了基本的编码方式,有效解决了数理类试题的存储及打印问题,并实现了从题库中任意抽题组卷后标准化试卷的自动智能打印生成。     

神经放电节律的不同复杂分岔序列的实验研究

神经放电节律在参数空间的分岔结构不仅是重要的动力学问题,对于揭示神经信息编码也具有重要的意义．在大鼠损伤坐骨神经模型,研究了不同K^＋通道阻断剂的浓度下神经自发放电随Ca^2＋浓度变化的分岔序列规律．结果发现,包含节律模式种类较少的简单分岔序列可以与包含多类周期和混沌的复杂分岔序列相互转换,复杂分岔序列之间也可以转换．分岔点附近的混沌节律的不同是识别分岔序列不同的主要标志．研究结果不仅丰富了神经放电的非线性动力学现象,也会为建立神经放电在参数空间的分岔序列结构进而揭示神经编码机制提供帮助．     

二维流场模拟的矩阵标识法

采用二分步法，从积分型方程出发，在有限控制体上建立守恒型差分格式，对二维浅水波方程进行求解。求解线性代数方程组采用矩阵标识法，提高了计算效率，特别适合于流域大尺度水流的模拟。计算网格采用无序编码方法，灵活方便。算例表明，本文方法能够模拟宽广湖泊一类大尺度的二维水流。     

基于局部模式纹理描述符的杂草自动分类算法

传统的耕作过程中,除草剂的施用对环境、人体健康以及其它生物都会产生不利的影响。为了解决这个问题,提出了基于局部模式纹理描述符的简单有效的杂草自动分类算法,首先借助于局部二元模式（LBP）、局部的三元模式（LTP）、局部定向模式（LDP）三种广泛使用的纹理描述算子对杂草图像进行纹理编码,然后通过微观层面的纹理图案将杂草图像分类成阔叶杂草和禾本科杂草,最后利用模板匹配和支持向量机完成了杂草的自动分类。在自己拍摄的400张杂草图像样本上的实验验证了所提方法的有效性,实验结果表明,与最先进的方法相比,所提方法取得了更好的分类性能。     

基于离散小波分形的图像压缩编码

应用小波嵌入式零树编码技术 ,并将其与分形编码技术相结合 ,实现了对小尺寸图像 (12 8× 12 8× 8bits)的有效压缩 .在较好的图像主观质量与峰值信噪比的前提下 ,获得了压缩比较高且无分块效应的重建的小尺寸图像 .     

基于视觉特性的自适应混合编码

提出了一种基于视觉特性的自适应混合编码方法,对于不同性质的子块施用不同的方法.文中还给出了选择某类方法的理由,并给出了对强变化的单边沿的一种有效的编码方法.模拟实验表明:结果是令人满意的.     

高质量宽带音频信号组合正交变换编码

本文提出了一种高质量音频信号组合正交变换编码算法，编码质量优于传统的离散余弦变换（ＤＣＴ）编码，具有更好的稳定性，同对编译码的复杂度相当。此外还给出了实验结果。关键词     

基于CL多小波变换的图像编码

图像的压缩编码是存储、处理和传输大容量的图像信息的基础,提高图像的压缩效率一直是人们不断追求的目标。对图像进行压缩编码,目前成熟的做法都是在变换域进行。在研究图像的多小波变换的基础上,提出了一种面向传输的图像编码方法:基于CL多小波变换的图像精细可分级编码。实验结果表明,该编码方法是对多小波应用于图像编码很有价值的研究。     

分布式水文模型子流域编码方法对比分析

根据分布式水文模型对子流域编码的要求,对文献中河流和流域编码方法进行研究。研究发现只有5种编码方式符合要求,分别是:拓扑属性表法、二叉树编码、多叉树编码、Pfafstetter法、干支拓扑编码。在深入研究这5种编码规则的基础上,对比分析其优缺点,并以第二松花江作为实例进行子流域划分及编码。结果表明:拓扑属性表法、多叉树编码和干支拓扑编码方法在河段单一汇流、多河段汇流支持方面优于其他编码方法;在直接计算相邻上下游子流域编码方面,拓扑属性表法可以直接查找获取,二叉树编码和干支拓扑码编码方法可直接计算,Pfafstetter编码和多叉树编码均需要遍历整个编码体系进行搜索获取;在判别任意2个子流域上下游关系方面,Pfafstetter编码和干支拓扑码均优于其他3种方法。不同编码方式具有各自的优缺点,在实际应用中需要根据不同分布式水文模型具体研究内容和编码要求选择适宜的编码方式。