基于不可分双正交小波的二维数据压缩方法

构造了一种新的不可分双正交的对称小波滤波器，该滤波器具有有理系数，其对应的小波函数具有四阶消失矩，尺度函数具有非常好的Hölder光滑性。同时提出了基于该滤波器进行数据重构时的边界延拓方法。使用SPIHT和SPECK两种算法的实验表明，该文构造的小波滤波器在二维数据压缩方面具有较好的效果。     

WSN中基于区间小波的偶合数据压缩算法

根据传感数据的偶合特征,提出一种基于区间小波的偶合数据压缩算法。根据数据的强偶合特性处理传感数据,利用最小二乘法对强偶合数据进行曲线拟合,结合区间小波良好的分频特性,减少传感器网络中传输的数据量。理论分析和仿真实验结果表明,该算法能对传感数据进行有效压缩,减少网络能耗。     

基于小波神经网络的心电数据压缩方法研究

本文在研究心电信号特征的基础上提出了动态心电数据的小波神经网络压缩算法.本算法对原始心电数据实行实时分桢;采用最速梯度下降法优化网络参数.对MIT-BIH数据库中的几组数据进行压缩,给出压缩/重建的实验结果并分析讨论.研究表明:该算法具有参数收敛速度快、数据压缩性能良好的特点.     

基于面积阈值的矢量数据压缩方法

曲线矢量数据压缩本质是信息压缩问题,它在计算机制图中具有十分重要作用。在分析传统矢量数据压缩方法的基础上提出一种基于向量运算的曲线矢量压缩的新方法,该方法与传统数据压缩方法的区别在于以面积为判定标准,利用面积的可叠加性提高算法的精度和效率。实验证明该算法容易实现,数据压缩量大,算法时空复杂度低且能有效地控制矢量图形的面积误差在一定范围内。     

一种基于小波的三维扫描线数据处理算法

从三维点云数据中提取实物的边界特征点,在以计算机视觉为基础的数字化曲面重建过程中有非常重要的意义。为提高精度,重建之前,必须对通过各种方法获得的大量原始散乱数据进行除噪及精简处理。基于此,提出了一种基于小波变换的激光测量扫描边界特征点提取算法,我们通过严格的理论推导,构造了一种类似mexh小波的小波基来对两种边界特征点进行检测。多次实验结果显示：该算法有效地避免了噪声和冗余数据的干扰,较精确地定位到了边界特征点,通过重建原始数据,准确地提取了三维实体的外型轮廓,同时也为实现冗余数据的精简提供了一种新的思想。     

一种基于小波的轮廓特征提取算法

从大量含有噪声的3维点云数据中提取实物的边界特征,在以计算机视觉为基础的数字化曲面重建过程中有非常重要的意义。为提高重建精度,需要首先对大量原始散乱数据进行除噪及精简处理,但常规的数据处理方法由于没有区分噪声和特征点,因而使重建精度大大降低。为了准确的进行轮廓特征提取,提出了一种基于小波变换的激光测量扫描表面轮廓特征提取算法,并通过严格的理论推导,构造了一种类似m exh小波的小波基用来对两种边界特征点进行检测。多次实验结果显示,该算法不仅有效地避免了噪声和冗余数据的干扰,较精确地定位到了边界特征点,而且通过重建原始数据,较准确地提取了3维实体的外形轮廓,同时也为实现冗余数据的精简提供了一种新思想。     

基于小波神经网络的光谱数据压缩与分类研究

文中介绍了一种基于小波分析而构造的神经网络模型－小波神经网络,利用它并适当选取网络结构和小波基。实现了对化学物质红外光谱数据的压缩表达和分类,实验表明,网络在大幅度压缩数据的同时能很好地恢复原始光谱,较准确地反映吸收峰的和强度。在分类方面它比其它网络具有更高的分辨率和特征提取能力。     

传感器网络中一种存储有效的小波渐进数据压缩算法

现有的数据压缩算法大多以节能为设计目标,很少顾及到节点有限的存储容量.设计适合传感器网络小波变换的环模型和基于覆盖重叠的分簇模型,消除边界效应.基于此两种网络模型,分别提出存储有效的二维和三维渐进小波数据压缩算法,该算法依据小波函数的支撑长度和簇头的可用存储容量来确定渐进传送的数据单元,具有存储有效性;依据空间相关性来选择渐进传送数据的传感器节点,从而在存储有效的同时又节省网络传输耗能.从存储开销、能量消耗和网络延时等3个方面分析了算法的性能.理论分析和实验结果表明,和一般的数据压缩算法相比,小波渐进压缩算法在耗能相当的情况下,节省了节点的存储容量.     

基于db4小波变换的电能质量数据压缩算法

针对传统小波变换运用于数据压缩算法存在的问题,提出了基于db4小波变换的数据压缩算法。该算法针对电能质量数据的特点,根据db4小波变换具有多分辨率分析的特性,将检测数据变换到小波域,以使信号能量主要集中于低频系数上,而后采用软阈值压缩算法处理小波低频系数。并采用游程编码的方式存储数据。对实际数据进行压缩,该算法压缩效果良好,计算速度快,适用于实时性要求较高的场合。     

传感器网络中一种基于小波变换的数据压缩算法

在无线传感器网络中,数据分发耗费大量的能量和通信带宽.在保证数据精度的前提下,如何有效地减少数据发送量是传感器网络中的一个重要研究问题.结合传感器网络的数据特性及小波变换的特点,提出了一种基于小波变换的数据压缩算法,该算法在为感知数据建立小波系数的同时,能够在保证数据精度要求的前提下最大程度地压缩小波系数,并能够为小波系数建立快照索引.理论分析和实验结果表明,提出的算法能对传感器网络中的数据进行有效压缩,并有效地减少传感器网络中数据的传输量,降低传感器节点和整个网络的能量消耗.     

基于小波分析的时间序列数据挖掘模型

论文提出一个基于小波分析的时间序列挖掘模型TSMiner,它支持时间序列数据挖掘的整个过程。该模型由5部分组成:原始数据的可视化、数据预处理、数据约简,模式发现和结果模式可视化。该模型应用小波实现数据的多层次可视化表示、数据约简和多尺度模式发现。它可以帮助用户观察高维数据,理解中间结果和解释发现的模式。     

基于小波的大脑图像边界跟踪算法研究

准确提取医学图像中目标的边界在图像处理分析和医疗应用领域具有重要意义。针对大脑图像中纹理复杂,难以区分非正常区域和正常区域边界的问题,本文提出了一种基于小波多尺度分析的边界跟踪方法。该方法首先对原始大脑图像进行小波变换,得到图像的多分辨率表示,然后利用一种改进的轮廓跟踪算法对最低分辨率的图像进行跟踪,最终获得了大脑中非正常区域的边界。实验结果表明该算法可以有效地去除噪声以及脑部正常纹理的干扰,提取出目标特别是非正常区域的边界特征,执行效率高,跟踪准确。     

基于二进小波变换的主动轮廓模型

针对传统的主动轮廓模型对噪声敏感的缺陷,在推广梯度矢量流的基础上,提出了基于二进小波变换的改进外力场的计算方法.通过综合利用图像小波分解的高频信息,迭代计算获得其外力场,使蛇在图像的多尺度空间中搜索目标轮廓.针对蛇模型对初始轮廓的依赖性问题,给出了在一维最大熵阈值分割后的图像上获取初始轮廓点的方法,减少了人工的干预,加快了蛇的收敛速度和效果.实验结果表明该模型能有效地排除噪声的干扰,搜索凹陷轮廓,而且对脆弱轮廓有很好的逼近能力.     

基于小波变换的散乱点数据处理方法

散乱点数据处理在科学可视化研究、逆向工程、计算机视觉等领域有广泛应用。本文根据小波变换的基本原理和多维小波变换算法,设计了一种基于小波变换的散乱点数据处理方法。通过对散乱点的分层处理,将图像视频的三维小波变换应用于散乱点。在满足后期可视化显示要求的基础上,按照需要约减表示细节的高频子带,可应用于三维可视化数据的前期处理方面。     

如何进行数据压缩

信息如何被高效存储和传递的问题一直是计算机研究的一个重要课题,而解决这一问题的最常用的就是数据压缩技术。首先讲述了数据压缩的原理、分类,然后用哈夫曼方法编写了一个用于无损压缩的算法并对这个算法进行了详细的描述。这个算法不仅适用于文档类文件的压缩,还可以对图像类文件进行压缩。最后对这个算法进行分析得出结论。     

小波多分辨率分解的雷达视频压缩研究

由于雷达视频信号数据量非常巨大,在对雷达情报的传输和记录时都要求进行相应的数据压缩。依据雷达视频信号的特点和人眼的视觉特性,提出并详细分析了一种基于小波变换域的雷达视频信号压缩算法,并结合某型雷达信号记录仪采集的数据进行测试,验证结果表明,算法取得了较好的压缩效果,完全满足该雷达信号记录仪的需要。     

具有误差修正的线矢量数据小波变换

由于已有的基于小波的线矢量数据多尺度表示算法中未考虑数据的非均匀采样特性,也未给出有效的误差控制方法,因此经过多级小波分解后,可能导致局部区域形变过大.针对以上问题,提出一种具有误差修正的线矢量数据小波变换算法.首先对数据进行高频分量的小波分解,以高频系数作为判断依据,寻找出低频表示误差过大的位置;在这些位置利用插值对数据增加采样;最后对处理后的数据进行低频分量的小波分解.实验结果表明,该算法能很好地解决线矢量数据小波多尺度表示中局部误差过大的问题.     

基于改进型小波基的图像压缩方法研究

利用变分原理和二维非张量积样条小波对原有的Daubechies小波基进行改造,并结合多层感知器建立起图像压缩方案,对标准Lenna图像信号进行实验,计算结果证明用要恢复图象有良好的效果和较高的压缩比。