基于误差-参数分析的超分辨率盲辨识和复原算法

提出了一种实现规整化超分辨率复原算法的新方案,用来去除欠采样过程中的空间积分模糊和补零插值导致的边缘波纹.并将这种新方案运用到误差-参数分析法来准确地估计表征模糊函数的参数.当运动估计存在误差时,将误差-参数分析法和搜索算法相结合,降低参数辨识的计算量.仿真实验证明了提出的超分辨率算法实现方案和盲辨识方案的有效性.     

图像编码的多分辨率分类矢量量化算法

本文结合小波多级变换后不同方向,不同尺度的系数要关性,提出了一种多分辨率的分类矢量量化方案,对由不同分辨率水平、不同方向的小波系数组成的矢量块分类量化编码,并设计了相应的性能良好的分类器,给出不同条件下的实验结果和数据,从而证明了该编码方案不但提高了图像的质量,同时计算复杂度也有一定的降低。     

基于模糊矢量量化的语音转换方法

因传统矢量量化方法进行语音转换时的量化误差会引起特征空间的不连续性,使转换后语音的效果不理想,故采用模糊矢量量化技术提出一种新的、有效的语音转换方法。通过实验验证,基于模糊矢量量化技术的语音转换可以有效实现不同人之间的语音转换,转换后的各项指标均较为理想。     

一种提高矢量量化器性能的方法

矢量量化技术是一种既能高效压缩数码率，又能保持语音质量在编码方法，它不但能用于波形编码，而且能用于参数编码，本文主要论述了矢量量化在参数压缩编码中的应用，即应用模拟退火方法设计矢量量化器，对语音ｃｅｐ参数库进行压缩，通过语音倒谱参数库压缩前后，语音正确识别率听变化来评价所设计矢量量化器的性能，文章中提出了适用于语音倒谱参数的模拟退火时间表，对于所涉及的扰动范围，扰动次数方面主要参数进行了一定的探讨     

基于空间矢量调制的异步电机离线参数辨识

提出了一种基于空间矢量调制方式的异步电机参数辨识方法,可在电机静止状态下测量相关参数。该方法在考虑导通压降、开关延时、集肤效应和死区效应因素的基础上,提出了相应的补偿措施,提高了辨识的精度。并在以TMS320F28335为主控制器的异步电机无速度传感器矢量控制系统上进行实验,实验结果验证了该方法辨识的参数准确性高,可直接应用于无速度矢量控制系统。     

非对称树结构矢量量化方法研究

文章介绍一种图像低频子带编码的矢量量化方法—非对称树结构矢量量化。     

一种快速模糊矢量量化图像编码算法

本文在学习矢量量化和模糊矢量量化算法的基础上,设计了一种新的训练矢量超球体收缩方案和码书学习公式,提出了一种快速模糊矢量量化算法。该算法具有对初始码书选取信赖性小,不会陷入局部最小和运算最小的优点。实验表明,ＦＦＶＱ设计的图像码书性能与ＦＶＡ算法相比,训练时间大大缩短,峰值信噪比也有改善。     

矢量量化中线谱对参数失真度量准则的确定

线谱对是一种频域的线性预测参数，在如何对其进行有效地量化方面，人们已经进行了广泛的研究，本文从人的主观感觉出发，将加权均方误差准则应用于线谱对参数的矢量量化中，并用自激励编码方式来检验量化后合成语音质量。实验结果表明，在感沉上８ｂｉｔｓ线谱对参数的矢量量化与３４ｂｉｔｓ线谱对参数的标量量化几乎产生相同的合成语音质量。     

一种基于高分辨率的模糊矢量量化算法

本文在矢量量化中引入了分辨率思想,并从分辨率的角度考察了原有算法,针对它们在分辨率方面存在的缺点,提出了一种典型的分辨率调制方法以及相应高分辨率算法,实验也取得了令人满意的对比结果.     

基于小波理论的矢量量化遥感图像压缩方法

分析了遥感图像的统计特性，提出了适合遥感图像压缩的矢量量化与小波变换相结合的压缩方法。该方法将遥感图像小波变换后高频子图划分为一定大小的的像块，对局部相关性较强、灰度变化较小的像块进行高倍压缩；对局部相关性较小、灰度变化较大的像块进行高保真压缩。实验表明，本方法具有良好的压缩性能，适用于遥感图像的压缩。     

基于支撑向量机的盲超分辨率图像复原算法

本文提出了一种基于支撑向量机的盲超分辨率图像复原算法.首先采用Sobel算子和局部方差从训练图像中提取能够表征模糊参数信息的特征向量,并利用支撑向量机建立特征向量与对应的候选参数的映射关系,然后通过建立的模型对不同光照条件下的低分辨率图像进行参数辨识,最后根据辨识出的模糊参数融合不同光照条件下的低分辨率图像同时实现了图像动态范围和空间分辨率的增强.为了实现低分辨率图像间的亚像素配准,还提出了一种基于Retinex的亚像素运动估计算法.仿真结果表明与传统算法相比,无论从主观视觉还是定量描述上本文算法均具有较好的效果.     

一种矢量量化编码的加速算法

本文提出了一种基于最小均方误差测度的快速矢量量化编码算法。在进行均方测度计算之前，通过一组距离测度的不等式判据和预排序的码书，排了作大部分候选码字。     

说话人辨认系统中码本生成的新算法

提出了一种新的适用于离散HMM说话人辨认系统的VQ码本训练方法,码本的训练准则是使码本中各码字的利用率趋于均等.将新方法训练的码本与用LBG算法训练的码本进行了比较,实验表明,在基于离散HMM的说话人辨认系统中,用新方法训练的码本性能优于用LBG算法训练的码本,特别是在与文本无关的情况下,使系统的正确辨认率显著提高.     

序号预测矢量量化器及其在图象编码中应用

本文提出一种序号预测矢量量化器的结构，与一般矢量量化器相比，它充分利用了图象极强的二维相关特性，并采用预测的方法去除冗余码字，从而在保证译码图象质量与一般矢量量化器的译码图象质量相同的前提下，压缩比可提高一倍以上。     

多正则化混合约束的模糊图像盲复原方法

图像复原是一个长期的且极具挑战性的逆问题。为了实现模糊图像的盲复原,该文提出一种多正则化混合约束的模糊图像盲复原方法。首先,运用一种图像的局部结构提取策略(Local Structure Extraction Scheme, LSES)将图像中的大尺度图像边缘准确地提取出来。然后,在模糊核(Blur Kernel, BK)的估计阶段,将提取的大尺度图像边缘与前期研究中所提出的一种结合稀疏性和平滑特性的双重正则化约束模型相结合,实现模糊核更加准确的估计。在图像的复原阶段,为了得到高质量的复原图像,提出一种结合全变差(Total Variation, TV)模型和Shock滤波器不变特性的多正则化约束模型,从而实现模糊图像的清晰化复原。最后,通过半二次性的变量分裂策略对提出的模型进行最优化求解,能够在准确地估计出BK的同时得到高质量的复原图像。在人造的模糊图像和真实的模糊图像中进行了大量的实验,证明了所提方法的有效性,且与近几年的一些极具代表性的模糊图像盲复原方法相比,不仅主观视觉效果得到了显著的增强,而且客观评价指标也得到了明显的改进。     

基于多通道盲复原和改进K-SVD模型的图像恢复

图像盲复原( IBR)问题一直是图像处理中的重要研究课题。目前空间不变的多通道图像盲复原算法研究较为普遍,这种算法具有较好的盲去模糊效果,但是对噪声的抑制能力不足,特别是对含有大量噪声的低分辨率图像而言,消噪效果较差。基于K-奇异值分解( K-SVD )的模型能够有效地处理噪声方差较大的图像,但是不能自适应图像的稀疏先验性。为了解决上述问题,在全变分( TV)多通道IBR算法处理的基础上,结合一种改进的K-SVD消噪模型的优势,提出了一种新的组合图像恢复方法。改进的K-SVD模型考虑了图像特征系数的稀疏先验知识和最大化稀疏度,具有自适应的消噪鲁棒性。分别采用模拟的和真实的低分辨率图像(毫米波图像)进行测试,与采用单一的多通道盲恢复和图像消噪算法相比,实验结果表明所提出的图像恢复方法具有较好的视觉效果和较高的信噪比。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

A New Image Coding Algorithm Based on Self-Organizing Neural Network

ＡＮｅｗＩｍａｇｅＣｏｄｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＳｅｌｆ－ＯｒｇａｎｉｚｉｎｇＮｅｕｒａｌＮｅｔｗｏｒｋＬｉＨｏｎｇｓｏｎｇＡＮＤＱｕａｎＺｉｙｉ（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉ...     

基于HMM的说话人辨认系统及其改进

对基于隐马尔可夫模型(HMM)的说话人辨认系统进行了讨论,完成了系统设计。对系统中矢量量化这一关键性环节进行了改进,提出了一种新的基于遗传算法的码本生成方法。测试结果表明,改进后的系统具有较高的正确识别率,特别是在与文本无关的情况下。     

Gaussian Process-based Feature-Enriched Blind Image Quality Assessment

The objective of blind-image quality assessment (BIQA) research is the prediction of perceptual quality of images, without reference information. The human’s perceptual assessment of quality of an image is the backbone of BIQA research. Therefore, human-provided, mean opinion score (perceptual quality) has been analyzed in detail, and it has been observed to follow the Gaussian distribution and thus can be ideally modeled by the same. In this paper, we have proposed an integrated two-stage Gaussian process-based hybrid-feature selection algorithm for the BIQA problem. Moreover, a new consolidated feature set (obtained from the proposed algorithm), consisting of momentous Natural Scene Statistics (NSS)-based features is used in combination with the Gaussian process regression algorithm for the design of a new blind-image quality evaluator, referred to as GPR-BIQA. The proposed evaluator is tested on eight IQA legacy databases, and it is found that the proposed evaluator proficiently correlate with the human opinion, and outperformed a substantial number of existing approaches.