提升格式:多项式拟合的预测方法

本文研究提升格式中预测算子的设计问题,目前大多数预测算子,就其本质而言,属于插值预测的范畴,比数据的插值曲线更能代表数据包络线的低频成分,因此在某个局部,数据减去它的拟合预测值（而不是插值预测值）,更能体现提升格式的预测过程应该是局域高通滤波的设计原则,本文提供了四点二次,六点二次和六点三次多项式拟合的计算实例。     

基于小波系数块的运动补偿

提出基于小波系数块的运动补偿算法.所谓小波系数块是指图像的部分小波系数,它 们只与图像的某个局部相关.该文提出的算法先在时空域进行运动估计,得到预测块的运动矢 量.然后利用小波系数的局部空频特性,在小波变换域用参考块的小波系数块对预测块的小波 系数块进行补偿.在时空域进行运动估计,可以充分利用视频编码多年来在运动估计方面的研 究成果.在小波变换域上进行运动补偿,则避免了产生额外的频率成分.文中的理论分析和实验 结果都表明,所提出的算法要优于常用的小波视频编码算法.     

多小波变换的提升格式及其在图象编码中的应用

在简要介绍提升格式和多小波之后，提出了一种新的实现多小波变换的提升格式模型，由于这个模型主要由若干个单小波变换的提升格式搭建而成，因而不必自己推演提升格式的内部结构和参数，另外，这个模型还可以根据实际应用的需要选用不同的单小波，该文还给出用D9／7双正交（单）小波变换的提升格式构造的多小波变换的实例，并把这样构造的多小波变换应用于图象编码，结果表明，该方法可取得比常用的GHM多小波图象编码更好的效果。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

频率域上的分形图象编码

研究了频率域上的分形图象编码，与空间域上的分形图象编码相比，它有两个突出的特点：分阶的亮度变换和几何变换的简化与合并。本文的理论分析和实验数据都表明，无论是在编码时间和压缩比方面，还是在解码的收敛性和图象保真度方面，频率域上的分形图象编码都要优于相应的空间域上的分形图象编码。     

截断点可行性化的率失真优化算法

该文提出了截断点可行性化的率失真优化算法,该算法根据率失真斜率最陡下降准则对精细编码过程相关联的截断点进行重新排序。新算法较JPEG2000减少了超过50%的非可行性截断点;获得比JPEG2000更精细的嵌入式比特流;相同的压缩比下重建图像的PSNR比JPEG2000高0.1dB~0.2dB;耗费的比特平面位编码时间少于JPEG2000。     

离散Hopfield网络:对硬限制函数的修改

本文对离散Hopfield网络经常使用的硬限制函数进行了修改,规定当神经元的各个输入分量的线性加权和等于神经元的阈值时,也即当神经元的有效输入为零时,神经元保持原有状态不变.本文证明,这一修改放宽了离散Hopfield网络稳定性的条件.     

基于小波系数零树结构的分形预测图象编码

提出了一种基于小波系数零树结构的分形预测图象编码方法,首先按照零树结构在同方向不同分辨率的各个子带图象上确定要预测的图象块（Ｒａｎｇｅ Ｂｌｏｃｋ）,也就是将这些图象块串起来构成一棵与零树相类似的图象树（Ｒａｎｇｅ Ｔｒｅｅ）;然后,对每一图象块,在同方向低一级分辩率的子带图象上寻找与其最佳分形匹配的相似块（Ｄｏｍｉａｎ Ｂｌｏｃｋ）,而这些相似块也按照零树结构上下延伸,以产生多棵相似树（Ｄｏｍａｉｎ Ｔｒｅｅ）,其中与图象树最接近的相似树就是图象树的预测树,理论分析和实验结果表明,该方法在峰值信噪比稍微下降的情况下,能够获得较高的压缩比。     

改进的HOG和Gabor,LBP性能比较

为了实现复杂环境下的人脸特征有效表达,提出一种改进的梯度方向直方图(HOG)人脸识别方法.首先以人脸图像网格作为采样窗口并在其上提取HOG特征;然后将所有网格HOG特征向量进行组合,实现整个人脸特征表达;最后采用最近邻分类器进行识别.另外,比较了该方法与Gabor小波和局部二值模式(LBP)2种著名的人脸局部特征表示方法的优劣.实验结果表明,在调优的HOG参数下,在具有光照和时间环境等复杂变化的FERET人脸库中,较少维数的HOG特征比LBP特征有更好的表现,而且HOG特征提取时间和特征向量维数比Gabor小波方法更具有优势.     

CL多小波图象编码

CL多小波具有与多其他多小波（如GHM多小波）不同的特点,一幅图象经过小波变换后,原图象的绝大部分能量都集中在中于最低分辨率子图象,而对于CL多小波而言,其最低分辨率子图象的绝大部分能量又进一步集中于它的第一个分量,这意味着CL多小波图象编码需要考虑的重要系数比其他多小波图象编码减少了四分之三,本文将CL多小波这一特点应用于图象编码,实验结果表明,就压缩比和信噪比而言,这种充分利用CL多小波特点的图象编码方法,其编码结果要优于目前公开发表的GHM多小波图象编码的结果。