【摘 要】
：
数字图像压缩技术是图像数据存储和传输的关键,本文提出了一种小波域内相邻子图像之间的分形编码预测方法.首先选择合适的小波基对图像进行二级小波分解,然后对分解得到的二级高频子图像进行Jacqain方法的分形编码,利用同方向不同分辨率小波域内的子图像之间存在较强的相似性,对二级高频子图像的分形编码参数进行适当的比例变换,最后从水平、垂直和斜方向三个方向近似预测出一级对应高频子图像的分形编码.实验验证表明
【机 构】
：
浙江万里学院,计算机与信息学院,宁波,315100 江西理工大学理学院,江西赣州,341000
论文部分内容阅读
数字图像压缩技术是图像数据存储和传输的关键,本文提出了一种小波域内相邻子图像之间的分形编码预测方法.首先选择合适的小波基对图像进行二级小波分解,然后对分解得到的二级高频子图像进行Jacqain方法的分形编码,利用同方向不同分辨率小波域内的子图像之间存在较强的相似性,对二级高频子图像的分形编码参数进行适当的比例变换,最后从水平、垂直和斜方向三个方向近似预测出一级对应高频子图像的分形编码.实验验证表明,该方法在同类图像基本保证图像解压质量同时,极大地缩短了编码时间和提高了压缩比。
其他文献
对应点的确定是立体匹配的关键技术.传统解决该问题的方法是首先标定相机参数,然后求出投影矩阵,这种方法限制了其应用范围.本文提出了一种基于几何仿射不变量和亮度不变量的缺失摄像机标定参数图像的立体匹配方法.该方法的基本思想是根据特征点在一定条件下的梯度不变性及Mahalanobis距离确定对应点,继而根据其拓扑关系再剔除虚假匹配.实验结果表明,该方法不仅扩大了其应用范围,而且大大地提高了匹配精度,准确
研究了基于小波神经网络进行人脸识别的方法.讨论了小波神经网络对进行分类识别的原理,带动量因子的后向传播算法进行网络训练的过程.然后对人脸图像数据库做分类实验,结果表明小波神经网络具有很强的自适应性,对有噪声、残缺和戴眼镜的图像识别效果较好。
本文首次用样本熵的理论研究了心电图的ST段,将心电图ST段样本熵分析结果和ECG样本熵分析结果进行比较.我们发现了健康人心电图ST段的样本熵值最小、冠心病人的样本熵值升高,而健康人心电图的样本熵值最高、冠心病人的样本熵值降低,并给出合理的解释。
二维最大散度差线性鉴别分析方法不仅有效地避免了在人脸识别中传统的Fisher线性鉴别分析通常存在的"小样本问题",而且特征抽取的速度有了大幅度的提高.本文从二维最大散度差线性鉴别分析的本质入手分析了它与传统的最大散度差线性鉴别分析的等价性,进而提出了一种改进的二维最大散度差线性鉴别分析方法.该方法通过对图像矩阵的重新构造,使其抽取的鉴别特征从理论上更加有利于分类识别.最后在ORL、AR标准人脸库上
二维最大散度差线性鉴别分析方法不仅有效地避免了在人脸识别中传统的Fisher线性鉴别分析通常存在的"小样本问题",而且使其特征抽取的速度有了大幅度的提高.本文通过引入著名的"核技巧",将二维最大散度差线性鉴别分析扩展到非线性空间,提出了一种新的二维核最大散度差鉴别分析方法.该方法不仅抽取了图像中更加有效的非线性鉴别特征,使正确识别率显著提高,而且为二维非线性鉴别分析提供了一个统一的构架.最后在AR
本文对表格手写数字串问题进行了若干技术的研究.首先我们提出了一种克服手写时笔划各种影响的混合二值化方法,然后,提出了一种快速有效的单元格完整字符提取方法,最后,在此基础上提出了一种基于字符前景、字符背景和边分割边识别三方面相结合的字符分割算法.把这些技术应用到自主开发的成绩单自动识别系统(计算机软件著作权编号:软著登字第045128号,登记号:2005SR13627)中,获得了满意的效果。
本文对基于像素点时间信号傅立叶变换的脉冲光热辐射测量技术中缺陷大小的定量检测进行分析研究,用数学形态学边缘检测的方法确定获得的相位图像、幅值图像及原始热图像、对比度图像中缺陷区域的大小.通过对检测缺陷大小和真实大小的对比,分别研究了幅值、相位图像和对比度图像的定量检测效果,讨论了热扩散对定量检测的影响.另外,初步探讨了不同频率下的相位图像的检测效果.
图像分割在SAR图像处理中占有很重要的位置.提出了一种基于Gaussian-Hermite矩的SAR图像分割方法.针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来.实验部分同时采用了仿真数据和实测SAR数据上,通过与小波能量等5种方法的分割结果进行比较,显示出了此方法的有效性。
本文提出了一种基于隐Markov树的无监督的图像分割算法.不同于以往的基于小波域隐Markov树的多尺度分割算法,本文算法直接为低频系数建立树状隐Markov模型,从而把节点的隐状态值和类标号统一起来,直接通过求解解码问题实现图像分割,不需要再为隐状态和类标号的联系建立模型,也无须融合各尺度的分割结果,分割算法简洁明了.同时为了训练模型,本文将一维隐Markov模型中基于最优状态和分支序列的参数估
以曲波(Curvelet)变换和轮廓波(Contourlet)变换为代表,多尺度几何分析的发展给图像处理及高维数据分析带来深刻的影响.针对目前模型主要以自然图像的简化模型为基础进行分析,导致与真正的自然图像还相差甚远的特点,本文采用直方图估计曲波域和轮廓波域的边缘分布,分析联合分布统计信息,提出曲波域广义高斯模型和轮廓波域隐马尔可夫模型,2模型都能够有效地描述变换域系数在尺度间,尺度内和方向间的统