【摘 要】
：
考虑到多光谱图像的谱间相关性,本文提出了一种基于三维自适应预测的多光谱图像的无损压缩算法。首先根据谱间相关性对波段排序,然后设计一种新的线性预测器。用与待预测像素有较强相关性的相邻像素自适应地估计预测系数的值。消除了大部分的谱间冗余和空间冗余后,再用JPEG-LS进一步去除残差图像的空间冗余。实验表明,该算法能有效去除多光谱图像间的相关性,较其他压缩算法压缩比有很大提高,且算法简单,便于硬件实现。
【机 构】
：
国防科学技术大学理学院数学与系统科学系,湖南长沙 410073 海军蚌埠士官学校基础部,安徽蚌埠
【出 处】
：
全国第18届计算机技术与应用学术会议(CACIS)
论文部分内容阅读
考虑到多光谱图像的谱间相关性,本文提出了一种基于三维自适应预测的多光谱图像的无损压缩算法。首先根据谱间相关性对波段排序,然后设计一种新的线性预测器。用与待预测像素有较强相关性的相邻像素自适应地估计预测系数的值。消除了大部分的谱间冗余和空间冗余后,再用JPEG-LS进一步去除残差图像的空间冗余。实验表明,该算法能有效去除多光谱图像间的相关性,较其他压缩算法压缩比有很大提高,且算法简单,便于硬件实现。
其他文献
本文对6根名义屈服强度为550MPa高强冷弯型钢单侧覆带肋钢板墙体立柱试件进行了足尺轴压试验研究。为了全面了解单侧覆板高强冷弯型钢墙体立柱的轴压性能，利用ANSYS通用程序建立了有限元分析模型并用试验结果进行了验证，在此基础上，分析了墙面板材、螺钉间距、水平扁钢拉条、钢板接缝等因素对墙体立柱轴压承载力的影响。为了便于工程设计，给出了立柱计算长度系数μ的建议取值。本文研究成果可供设计参考。
提出了一种基于车辆侧面图像的车型自动识别方法。首先通过车辆侧面图像的获得一幅以车辆边界所围区域为白色像素和所有背景为黑色像素的二值轮廓图,然后使用环投影法对其进行特征降维,获得车辆的一维特征,再经小波分解后获得该一维模式的各级分解子模式,最后求解该一维模式和各层近似分解子模式曲线的分形维数。将此分形维数向量与该车车型建立对应关系,据此如果求得某一车辆的分形维数向量,那也就获知了该车的车型。通过对大
传统均值滤波和中值滤波对高斯型噪声和椒盐型噪声有着不同的滤波特性。实际滤波时,由于图像往往会受到两种不同性质噪声的同时干扰,由于单独采用中值滤波或均值滤波都不会达到最好的去噪效果,为了能同时对两种不同性质的噪声进行滤除,不少学者提出了混合滤波算法,算法把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用均值滤波算法,而对受椒盐噪声污染的像素则采用中值滤波算法进行
A. M. Tourapis等人所提APDZS算法是一种高效的运动估计算法。通过对具体数据进行分析,发现该算法存在较大搜索冗余,从而提出了一种改进的APDZS算法(IAPDZS).首先是初始候选向量的选择,增加(0,0)向量作为候选初始向量;其次是对搜索顺序进行改进,去除了以(0,0)为中心进行的第二次搜索;第三是对具体搜索过程进行改进,根据不同的搜索模式,调整搜索策略;最后针对不同运动模式的编码
近年来我国部分地区多次出现强积雪导致门式刚架房屋檩条发生侧向弯曲和扭转破坏，甚至拉动刚架横梁引起倒塌。目前冷弯薄壁C形檩条的设计通常不考虑扭转作用的影响，本文结合积雪荷载作用下倒塌破坏厂房檩条的变形状况，考虑扭转作用，对C形檩条的承载力进行分析研究，提出设计建议。
基于经典形态学的边缘检测方法虽然具有较好的去噪能力,但不能反映图像全部的边缘特征。在深入分析扩展数学形态学的定义基础上,提出了一种基于扩展数学形态学的多尺度多结构元素的自适应灰度图像边缘检测方法。该算法针对图象中噪声和边缘形态的不同建立了多结构元素,利用扩展灰度变换原理进行多尺度边缘提取。实验结果表明,与经典的边缘检测方法相比,该方法不仅能有效地去除噪声,而且检测得到的图像边缘具有良好的边缘特性。
在机器视觉的应用中,观测数据常常含有大量的噪声和离群数据,这就需要机器视觉算法必须具有一定的鲁棒性。由于鲁棒估计方法对离群数据的容忍度强,人们很早就将其与机器视觉结合起来。近年来,鲁棒估计在物体识别,图像恢复与分割,运动分析,三维重建等机器视觉领域取得了广泛的应用。本文主要回顾了各种应用于机器视觉领域的鲁棒估计方法,列举了几个鲁棒估计技术在机器视觉方面的应用实例,并预测了该技术今后的发展趋势。
提出一种在视频中跟踪人脸的新方法。该方法首先用肤色特征检测出第一帧中的肤色区域,再计算出人脸的大小和位置,用来初始化卡尔曼滤波器,同时对满足条件的肤色像素进行高斯建模。然后用卡尔曼滤波器预测出下一帧人脸的大小及位置,再用高斯肤色模型检测人脸,最后根据新检测到的像素更新肤色模型。实验结果表明,该方法可以实时准确的跟踪到人脸,并对不同光照,背景,角度的场合具有一定的鲁棒性。
为提高人脸检测速度,提出了一种基于特征和基于图像相结合的快速人脸检测方法。在训练阶段,利用训练样本的低频小波系数来训练fisher线性分类器和支持向量机(SVM);在检测阶段,首先利用双眼区域的亮度关系和脸部的对称性来快速过滤掉大量的背景区域,再利用fisher线性分类器去除部分背景区域,最后用SVM对余下的区域进行进一步的验证,以确认是否是人脸。实现结果表明了该方法的正确性和有效性。
提出了一种基于邻域空间信息的模糊c均值聚类图像分割算法,算法基于像点邻域空间信息修正模糊隶属度函数,从而获得合理聚类中心。对一组含有不同类型噪声的pepper图像应用FCM算法和改进的FCM算法进行了仿真实验,比较和分析不同算法的聚类有效性。针对纤维增强复合材料微观结构图像应用不同算法进行图像分割实验,实验结果证明改进的基于空间信息的FCM具有对噪声不敏感的特点,能获得更好的图像分割结果。