基于小波变换和SVM的图像压缩仿真研究

为了在较高的压缩比上获得很好的压缩性能,提出了一种基于小波变换和支持向量机(SVM)的图像压缩方法。压缩过程分三个步骤:首先对图像进行四级提升小波变换,这里采用提升格式是因为它比采用传统的Mallat算法的计算速度快;其次对变换后的小波系数用SPIHT的继承树进行重新排序;然后用回归支持向量机提取支持向量;最后对压缩后的数据进行算术编码。图像的解压缩过程是上面4个步骤的逆过程。实验结果表明,所提出的方法与常用的JPEG2000相比,当压缩比较高时有很好的性能。     

正交FDWT与雷达数据压缩及目标识别方法

本文由共轭镜像滤波器构造有限维内积空间的正交多分辨分析与快速离散小波变换(FDWT),并将其用于降低雷达数据存储量,提出基于压缩数据的小波域相关与最小距离分类方法.变换域识别法计算速度快.实验结果表明,本文的变换、压缩和识别方法是有效的,小波变换域数据降维描述目标的能力强.     

高速实时图像压缩系统去条带效应的方法研究

在实时压缩高分辨率CCD相机产生的高数据率图像时,为保证实时性,必须采用分块图像数据,并且流水处理的工作方式。但在分块处理过程中,由于小波变换的边界扩展及系数量化等原因会产生较严重的边缘赝像效应。针对此问题,分析了其产生的原因并采用重叠处理部分图像数据的方法,很好地解决了此问题。实验显示此方法消耗的额外时间不多,满足实时处理的要求,并且极大地提高了重建图像的质量。     

基于小波变换和GPU加速的地形绘制技术研究

研究基于GPU和小波变换的海量地形数据实时绘制技术,通过小波变换构造地形网格的动态多分辨率模型,利用小波完备的数据重建功能,实现不同分辨率数据间的实时转换,减少从慢速外存向内存读数据的时间开销,提高绘制效率。通过小波渐近绘制算法解决不同分辨率模型间的平滑过渡问题,通过扩大了小波变换的采样范围解决块间小波变换的边界问题,通过顶点数据拟合算法解决相邻地形块间的裂缝问题,优化GPU的地形遮挡剔除算法,挖掘GPU的通用计算能力,在加速几何绘制的同时加速小波变换,进一步提高算法的效率。     

基于M进制小波的视点相关多分辨率地形模型的简化

在地形可视化领域，DEM和正射影像是主要的数据来源，它们都可看作是表示地形信息的二维信号。多进制小波是直接对标准二进制小波的综合，广泛应用于信号处理和影像压缩处理等领域。本文首先论述了多进制小波分析的原理，提出了在不同的视线高度下，利用不同进制的小波对DEM和影像实时压缩，构建与视点相关的动态多分辨率地形模型。结果表明，该算法具有压缩比高，压缩速度快，保真性好等优点，并且解决了不同尺度地形子块间的“裂缝”问题，满足了大规模DEM和影像实时无缝漫游的要求。     

小波变换在激光陀螺信号处理中的应用与实现

针对动态条件下激光陀螺(RLG)随机噪声其非平稳和非正态分布的特性,提出了基于小波变换的RLG降噪方法,研究了小波去噪和Lipschitza指数奇异值检测的原理,给出了离散Db4小波滤波器的硬件实现方法,采用双正交静态小波基对RLG信号进行不同尺度的分解,通过不同小波基及低通滤波效果的比较,发现Db4小波具有较好的去噪性,其分解和重建滤波器系数也十分简单,验证了小波变换在陀螺仪信号去噪中的可行性,在用Db4滤波后的数据进行导航解算时,发现导航误差有很大的减小,研究成果对导航系统精度的提高有着重要的参考价值。     

小波变换用于CT图像重建及处理研究

研究了小波变换多分辨率图像重建和局部区域重建算法。在算法中 ,小波滤波器直接修正重建滤波器 ,重建得到各种细节图像 ,并能快速地得到重建图像的轮廓。由于小波变换的局部性 ,使用局部数据能重建局部图像。通过小波多尺度分析和重构系数控制 ,提出一种简单算法 ,在重建中进行图像增强和噪声消除 ,该算法将图像重建与图像处理结合在一起。与通用的算法相比 ,能提高重建速度和图像质量     

一种快速的DEM数据无损压缩算法

为减少网络GIS海量数字高程模型（Digital Elevation Model,DEM）数据的存储与传输数据量,提出一种编解码快速、压缩位流具有三种嵌入（分辨率嵌入、感兴趣区域嵌入和质量嵌入）特点的DEM无损压缩算法——DFC（DEM Fast Compression）算法。选用2/6可逆整数小波分解DEM数据,对变换系数的每级分辨率数据按照区域划分分区,对每个分区子带系数的每一个位面在一次扫描中完成简单高效的自适应游程Golomb_Rice编码。实验数据表明：比JPEG2000算法编码、解码时间分别减少了61.12%和56.23%,而压缩比仅仅降低了10.91%;比SPIHT算法编码、解码时间分别减少了58.83%和50.71%,而压缩比仅仅降低了7.54%;比GZIP压缩比平均提高了74.05%;比n点最优预测算法压缩比提高了5.83%。DFC算法在保持较好的压缩性能的同时,大幅度减少了编解码时间,并且在各级分辨率具有很好的精度性能。

Abstract：

To decrease DEM data volume for storage and transmission in net-GIS,the DFC （DEM Fast Compression） algorithm for DEM lossless compression was proposed,which has three embedded characters （resolution,region of interest,and fidelity）.The 2/6 reversible integer wavelet was selected to decompose DEM data.Every resolution of the transform coefficients was partitioned into many precincts according to the area.In each sub-band of each precinct,only in one pass,the bits of every bit-plane were run-length encoded with adaptive Golomb_Rice coding which is very simple and effective.The experiments show that：compared with JPEG2000,DFC＇s encoding and decoding time decrease 61.12% and 56.23% respectively,while the compression ratio decreases only 10.91%;compared with SPIHT,DFC＇s encoding and decoding time decrease 58.83% and 50.71% respectively,while the compression ratio decreases only 7.54%;compared with GZIP,DFC＇s compression ratio increases 74.05%;compared with n neighbors＇ prediction algorithm,DFC＇s compression ratio increases 5.83%.Thus,the DFC algorithm decreases the coding and decoding time largely while maintains favorable compression performance,and has excellent accuracy performance in every resolution data.     

小波变换在船载海洋重力测量数据处理与分析中的应用

船载重力测量是获取海洋地球重力场的重要方法之一,为提高船载重力测量数据的精度,采用Db8小波和Haar小波两种小波变换方法,分别对添加了两种随机噪声的某海域重力测量数据进行降噪处理与分析。结果显示,经Db8小波处理的数据绝对精度分别提高了1.024 2 mGal和9.274 7 mGal,相对精度分别提高了71%和93%;采用Haar小波变换后,绝对精度分别提高了0.804 4 mGal和9.109 5 mGal,相对精度分别提高了56%和91%。两种小波变换方法处理后的数据均能够很好地保留数据基本变化趋势、为重力勘探判别物体提供判别依据。     

基于小波分析和非线性PCA的图像压缩算法

提出一个基于小波分析和非线性PCA(nonlinear principal component analysis,NLPCA)的图像压缩算法,该算法通过对小波分解系数的能量大小对各个小波子图进行分类,然后用具有高强压缩能力的NLPCA对各类子图进行不同程度的压缩。其主要特点是在高压缩比条件下能达到很高的图像重构信噪比。实验结果表明该算法性能良好,在压缩比为93.1时其图像重构信噪比都能达到30以上。     

基于改进多孔算法的时间序列预测

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。     

基于近似逐次超松弛预处理的自适应CQ算法

在处理基于不完全数据重建的不适定反问题时, 针对预处理CQ算法存在的不足, 提出了一种近似的逐次超松弛自适应预处理矩阵选择策略. 该方法利用近似特征值矩阵在处理矩阵相乘和求逆中的优势, 将正则化与超松弛预处理方法合, 通过迭代逐次逼近预处理矩阵, 并给出了算法的自适应步长. 结合稀疏角度CT图像重建问题, 给出了算具体实现步骤, 通过仿真可以验证: 该策略可以使预处理CQ算法有较快的收敛速度; 当存在噪声时,也可以较好地通过提前停止迭代来提高重建精度. 该策略为预处理CQ算法在不完全数据重建领域的应用提供了参考.     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。     

无人机视觉着舰导航鲁棒角点精确检测算法

针对舰载无人直升机着舰时拍摄的图像存在大尺度、角度畸变,使得合作目标角点难以检测的问题,提出一种鲁棒角点精确检测算法。设计了一种彩色非对称合作目标,通过计算合作目标的最小周长多边形（minimum perimeter polygon,MPP）来获取轮廓上的角点。针对这些角点存在伪角点及未排序问题,给出了斜率约束、距离约束和方向约束策略。最后,针对亚像素Harris角点检测算法精度高但未排序、三重约束的MPP角点检测精度低但已排序的问题,制定了这两种角点检测方法的融合策略。实验表明,所提算法可以有效解决合作目标图像发生大角度畸变以及一定尺度畸变范围内的角点检测。     

抗几何变换的小波域自适应图像水印算法

小泼变换不具有几何不变性，因此，小渡域水印对抗几何攻击是一个十分困难和富有挑战性的课题。提出了一种抗几何变换的小波域自适应图像水印。此方法根据人眼视觉系统掩蔽特性，将水印自适应地嵌入DWT域的低频子带。并且通过在DFT中频区域一个圆环上嵌入模板以及对一个限定区域不变质心的提取，实现在水印检测前估算和校正图像所经历的几何变换。实验结果表明：该水印不仅具有较好的不可感知性，而且对诸如旋转、缩放、平移等几何变换和常规的图像处理具有较强鲁棒性。     

基于CAD模型的边界离散元法仿真算法研究

为实现由边界的二维CAD模型(二维CAD软件设计图)建立边界的二维离散元法分析模型,提出一种基于图元的二维边界离散元法仿真算法。该算法采用Bresenham方法设置边界图元信息以进行邻居搜索,采用几何和数值方法进行颗粒与边界图元的接触检测、接触点求解和接触叠合量的计算。实例验证证明了该算法的正确性和有效性,为实现由机械部件的CAD模型进行机械部件工作过程的离散元法仿真分析奠定了基础。     

地形起伏地区雷达导航图几何校正方法

合成孔径雷达(synthetic aperture radar,SAR)应用于导航系统可以提高导航精度,然而地形起伏地区SAR图像固有的几何畸变使得导航误差增大。鉴于在地形起伏地区难以获得高精度的地面控制点,提出了一种适合于地形起伏地区SAR导航图的三步几何校正法。首先,利用数字高程模型（digital elevation model, DEM）在斜距平面内校正地形引起的距离位置误差。然后,在地距平面内校正斜地比例误差。最后,根据航向角将实时图由载体坐标系变换到导航坐标系。对算法进行了详细的描述,并分析了算法的复杂度和精度,最后根据实测DEM数据做了仿真实验,验证了算法的有效性和精确性。     

基于压缩查找表的高精度正弦信号生成算法

使用直接数字频率综合（direct digital synthesizer, DDS）技术生成正弦信号时,幅度精度与查找表容量两个条件相互制约,由于容量限制,高精度需要的超大容量查找表在实际中往往无法实现。针对该问题,提出了一种基于压缩查找表的高精度正弦信号生成算法。首先,推导了DDS输出信号精度与查找表容量的关系,为查找表的设计提供了理论依据。然后,依据精度需求构造了一种高效的压缩查找表,给出了查找表容量与压缩比的关系。最后,给出了算法的实现流程,通过仿真验证了信号精度及压缩比,信号幅度为10⁶,精度为10^-5时,压缩比达到10⁷倍。     

基于节点相似性的LFM社团发现算法

传统的局部适应度社团发现算法(LFM)在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明:在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。