【摘 要】
：
JPEG2000压缩算法复杂度高、编码速度慢,极大地阻碍了其在以遥感图像压缩为代表的实时领域中的应用.为了解决这一难题,结合DSP的软件流水机制,本文提出了一种基于独立符号编码的位平面扫描方案.该方案将位平面扫描中的符号编码分离出来,在重要性编码通道和清除编码通道之外用一次扫描完成编码块中所有样本的符号编码.该方案的优点是可以减轻重要性编码通道和清除编码通道的任务量,保证软件流水正常建立,进而缩短
【机 构】
：
国防科技大学机电工程与自动化学院,长沙,410073
论文部分内容阅读
JPEG2000压缩算法复杂度高、编码速度慢,极大地阻碍了其在以遥感图像压缩为代表的实时领域中的应用.为了解决这一难题,结合DSP的软件流水机制,本文提出了一种基于独立符号编码的位平面扫描方案.该方案将位平面扫描中的符号编码分离出来,在重要性编码通道和清除编码通道之外用一次扫描完成编码块中所有样本的符号编码.该方案的优点是可以减轻重要性编码通道和清除编码通道的任务量,保证软件流水正常建立,进而缩短位平面扫描的时间.实验结果表明,扫描方案改进后,位平面扫描速度提高为原来的8倍以上.
其他文献
已有的图像匹配算法虽然具有匹配精度高的优点,但由于计算量大,匹配时间较长.本文给出了一种基于投影特征的快速匹配算法.对二维图像进行水平投影,将图像匹配问题由二维转化为一维,结合递推思想,减少图像匹配在每个匹配位置的计算量,从而有效地减少图像匹配的时间.
本文研究了通过自动寻找同名特征点进行多源遥感图像匹配的方法.运用SIFT进行特征点提取与描述,获得初始匹配的特征点对;对于初始的错误匹配点对,采用渐进的几何约束策略进行剔除,进而得到用于匹配纠正的同名特征点对.应用多源遥感图像进行了匹配实验,表明该方法具有尺度、旋转和光照不变的特点,是一种有效的匹配方法.
介绍了在视觉监控领域经常用到的几种运动人体检测算法,如背景减除法、帧差法、对称差分法、基于RGB图像的运动检测法.通过实验,着重从运动对象分割的完整性等方面分析比较了上述方法在检测过程中的优势及不足之处.
车牌识别是智能交通、安防监控领域的热点问题之一,车牌检测是车牌识别系统的第一步,由于受到光照条件、拍摄视角、背景噪声、运动模糊等因素的影响,复杂场景下的车牌检测成为一个难题.Adaboost算法作为一种有效的学习方法已成功运用到人脸检测中,本文设计了一种基于CS Adaboost的车牌检测算法,主要贡献在两个方面:1.改进现有的用于Adaboost训练的车牌特征提取方法;2.提出一种基于CS Ad
SAR海洋图像中尾迹线性特征的检测和精确定位是一个困难的问题.常规的检测方法是利用Radon变换,在参数空间精细离散化时,可以达到较高的检测和定位精度,但计算量很大.针对这个问题,根据Radon变换的基本特性,提出了一种基于Radon变换和多尺度匹配滤波的定位方法.该方法除了可以提供更加可靠的检测外,还可以使得估计的线性特征参数达到亚像素级精度.实际数据处理的结果表明,该方法在参数估计误差和标准差
本文提出一种超声图象胎儿颅骨检测方法,基本处理过程是:使用K-均值算法将象素分为3类,取出亮物体,仅保留其中较大的连通分量,抽骨架后使用随机Hough变换(RHT)进行椭圆检测.该方法采用的预处理过程使RHT需要考察的象素数极大地减少,提高了检测速度;而且该方法还提出了一种新的RHT得分机制,综合考虑颅骨曲线在图象空间和参数空间的表现,提高了检测精度.
本文提出了一种新的基于对HSV模型的分块直方图求交互信息量的镜头检测算法.算法中对每帧图象进行分块求直方图,然后利用相邻帧间对应分块的直方图统计值求交互信息量,最后把所有分块的交互信息量进行加权平均以检测镜头的变化.实验结果表明与传统的直方图相比,该算法对一般场景的镜头变化有更高的查全率和查准率.
随着现代医学影像技术的发展,肺功能的医学影像研究在基础研究和临床应用上也取得了显著的进展.同时,传统的肺功能检查(Pulmonaly Function Test,PFT)操作繁琐、可重复性较差以及不能反映局部肺功能等缺点日益明显.针对这一情况,本文提出一个基于胸部CT影像的肺功能评估方法,首先通过Snake模型分割肺实质,然后计算肺功能特征参数实现肺功能评估.并通过统计学实验分析,证明该方法具有临
数字图像被动认证是一种新兴的认证技术.它事先不需要往图像数据中添加任何签名或水印信息,仅仅依靠图像自身的特性进行认证.本文提出了一种数字图像被动认证方法,对多幅图像拼接篡改的情况进行检测.它利用了篡改区域与非篡改区域在经过一系列处理后自相关性变化程度不同的特点,判断图像是否经过了篡改,并进一步对篡改区域进行分析定位.通过实验,证明了方法的有效性,同时也发现了此方法鲁棒性不强的缺点.
本文针对纺织品彩色印花图案,基于L*a*b*颜色空间采用K均值聚类进行图像分割.在保证不改变印花图案的前提下,通过对印花图案图像进行缩略,得到缩略图,在缩略图上进行第一次聚类,获得第二次K均值聚类的初始聚类中心,再在原始印花图案图像上进行第二次K均值聚类,实现了印花图案的分割.实验结果表明,采用此二次聚类的方法,大大减少了K均值聚类的迭代次数,使聚类计算量和运行时间大大降低,并很好实现了对印花图案