脉冲神经网络图像分割的编码方法

针对脉冲神经网络图像分割中的脉冲编码问题,基于Time-to-First-Spike编码策略提出2种编码方式：线性编码和非线性编码。线性编码方法采用从图像像素值到神经元脉冲发放时间的线性函数对应关系,而非线性编码方法采用Sigmoid函数的对应关系。应用2种方法对图像进行分割,实验结果表明,非线性编码方法的分割结果优于线性编码方法,分割图像具有更大的香农熵值,并且非线性编码方法在图像分割时具有更大的取值区间,更容易对参数进行选择,取得最佳的图像分割结果。     

分组无损图像压缩编码方法

提出了一种分组无损图像压缩编码方法,该方法预先确定码字,码字由组号和组内码字表示两部分组成,每组中包含了2n个组内码字,组内码字长度不等.灰度级根据概率大小重新排序,与码字一一对应,得到新的编码表,由此达到图像压缩的目的.将此压缩编码方法与Huffman编码进行比较,比较结果表明,该方法在压缩比和编解码效率等方面都要优于Huffman编码.     

基于改进局部线性特征编码方法的图像分类

特征编码是利用广义视觉词袋模型获得图像稀疏表示的关键步骤。本文研究了两种常用的局部线性特征编码方法即LLC及NSLLC编码方法,并针对其存在的问题,提出了一种利用编码系数非负性约束对其进行改进的方法——NNLLC,并将其应用于图像分类任务中。实验结果表明,该方法能有效改进局部线性特征编码性能,提高图像特征的可区分性,相比于LLC及NSLLC特征编码方法,在图像分类任务中取得了更高的平均分类准确率。     

屏幕内容编码方法研究进展

随着云计算、虚拟桌面等的普遍推广,屏幕内容图像已成为新一代云——移动计算模型——不可或缺的一部分.研究压缩效率高、实时性好、复杂性适中的屏幕内容编码方法是目前视频编码领域的热点问题之一.从空间域、频率域、时间域和颜色空间4方面分析了屏幕内容图像的数据统计特性,进而重点阐述不连续色调图像的典型编码方法,将现有方法分为基于调色板-索引图的编码算法、基于模板匹配的编码算法、基于块匹配的编码算法、基于字典的编码算法、基于形状表示的编码算法以及时间域编码方法、色度编码方法,并进一步总结基于混合框架的屏幕内容编码方法,对各类算法的优势和存在的不足进行比较、分析和讨论.在此基础上,介绍了HEVC-SCC编码国际标准制定工作的进展,并对屏幕内容编码的未来发展趋势进行了展望.     

基于静态串表的图像无损压缩编码方法

结合前像素预测编码方法和Lempel-Ziv-Welch(LZW)编码思想并针对其对于变化频率较高的信号压缩效率较低的问题,提出了一种通过利用图像像素之间相关性构建静态串表对数字图像进行无损压缩的编码方法。通过对前向预测编码处理后的图像数据进行查表编码来实现图像无损压缩。实验结果表明该方法实现简单,压缩效率高于LZW算法和WinZIP算法。     

JULIA图像与快速分形图像压缩编码

首先，本文根据统计规律建立一个小型固定字典，用以加速分形图像的压缩编码； 然后，利用逃逸方法生成Julia图像算法生成8×8的图像块，用作分形图像的压缩编码． 因此，本文使用的压缩方法改变了由通常设计的分形图像压缩编码方法以变化的压缩编码字 典进行编码的缺点．实验结果表明，本文所使用的方法能很好地对图像进行分形压缩编码， 并具有分形图像的部分解码优点．     

可视二维条码的模式编码方法

根据半色调技术原理及半色调图像的纹理特征,提出一种新的可视二维条码编码方法——模式编码。结合纹理相似性和编码信息在码图中的分布情况确定表示0和1的编码模式,以局部灰度一致为原则进行模式转换,通过改变码图局部的纹理结构进行编码。新的编码方法在编码容量和图像的视觉效果上都有了较大提高。     

图像压缩编码方法综述

图像压缩编码在图像处理中起着至关重要的作用,该文首先介绍了图像压缩技术的发展历程和原理;然后对图像压缩的两代编码方法进行了汇总和分析,并根据图像压缩性能评价标准对图像压缩编码方法进行了展望。     

一种新的嵌入式零树小波图像编码算法研究

针对嵌入式零树小波编码方法对所有频率的子带采用同等重要度的编码,不能完全利用小波系数的特点,在逐次逼近量化过程中,编码时间过长,导致编码效率下降等不足,提出了分频嵌入式零树小波编码方法.将小波图像的高频子带和最低频子带分别编码,实验结果表明该方法在保证恢复图像具有良好的视效果前提下,进一步提高了压缩比.     

优化的等级树集分割编码方法

通过对等级树集分割编码方法的研究及对图像小波系数的分布特征的分析，发现等级树集分割编码码流还存在一些冗余。基于此提出了一种优化的等级树集分割编码方法，理论分析和仿真实验证明了该方法的有效性。     

基于卷积神经网络的JavaScript恶意代码检测方法

机器学习的JavaScript恶意代码检测方法在提取特征过程中耗费时间和人力,以及这些频繁使用的机器学习方法已经无法满足当今信息大爆炸的实际需要。提出了一种基于卷积神经网络的JavaScript恶意代码检测方法。采用爬虫工具收集良性和恶意的JavaScript脚本代码获得样本数据;将JavaScript样本转换为相对应的灰阶图像,得到图像数据集;通过构建卷积神经网络模型对图像数据集进行训练,使得模型具有检测JavaScript恶意代码的能力。实验结果表明,相对于机器学习,该方法对收集到的5 800条JavaScript代码样本,检测准确率达到98.9%。     

基于格雷码的NAM彩色图像表示方法

提出了一个重要定理,即所有格雷码(Cray Codc)位面图的复杂性之和小于所有二值位面图的复杂性之和,并将格雷码应用到基于NAM的彩色图像表示方法中,提出了一种基于格雷码的NAM彩色图像表示方法(简称为GNAM表示方法)。给出了GNAM表示算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析。理论分析和实验结果均表明,与无格雷码的NAM表示方法和经典的线性四元树表示方法相比,GNAM表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是一种有效的彩色图像表示方法。     

Two-stage dither to enhance gray scales based on real-time motion detection in plasma display panel

In order to reduce gray scale loss in low and middle-high gray scale ranges which are caused by inverse gamma conversion and limited gray scale method for dynamic false contour (DFC) improvement, respectively, and enhance gray scales both in static and moving regions of an image, two-stage dither based on real-time motion detection method is proposed. Firstly, the image is divided into blocks, and the motion state of each image block is detected according to real-time motion detection method. So limited gray scale method to improve DFC can only be used in moving image blocks. Then, ordered dither and random dither combined with minor pixel separation (MPS) are used to improve gray scale loss caused by inverse gamma conversion and limited gray scale method, respectively. The experimental results show that motion detection can be implemented easily and the detection accuracy is more than 99.3%. The gray scales in moving and static image regions are all expressed smoothly while DFC is markedly improved.     

利用提取边缘线的方法定位条形码

为解决基于图像处理方式识别条形码的问题,提出了利用图像边缘线来有效且快速定位条形码的方法。该方法首先用大津法对原始灰度图像获得一个阈值,并对图像中灰度小于此阈值的像素进行隔行隔列处理,提取边缘线。然后将图像分割成大小相等的水平条,依据质心的位置和水平条中边缘点的数量分布确定起始条。通过已知的离散直线中小阶梯最下端的边缘点来拟合直线,并得到直线倾斜角度。仿真实验比较了Sobel算子边缘检测方法和该方法提取边缘线,以及用检测直线的Hough变换方法和该方法进行直线拟合的处理效果和运行时间,结果表明了所提出算法的有效性、快速性和可靠性。     

一个基于各向异性的热传导方程导出的图像锐化算子

Ｗｉｔｋｉｎ等人的迟度空间滤波办法是对原图像一个逐渐平滑的过程,这个过程可以用传统的热传导方程来描述,假设“热量”由低温向高温外流动,导出一个各向异性的反向热传导方程。将它用于图像处理,通过选择合适的各向异性函数,使得在盛兴趣的边缘处“热量”由低温向高温处流动,即“灰度”从“     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

FANUC系统进给倍率PLC程序设计

主要介绍了格雷码与二进制码的不同、FANUC-0i MATE D进给倍率信号、CODB指令转换原理,介绍了用格雷码输出的编码开关配合CODB指令实现FANUC系统标准面板倍率开关修调的PLC程序设计方法。通过实例具体说明了CODB指令中数据表设置方法,同时用这种方法设计的倍率修调PLC程序在切削加工过程中当倍率变换时进给轴速度不会窜动,使运行保证平稳,不会影响到零件的加工精度。     

Multiresolution approach for multiple human detection using moments and local binary patterns

Human detection is a central problem in development of any surveillance application. In this study, we present a simple and efficient, multi-resolution gray scale invariant approach for multiple human detection. The multiresolution is important for objects of different size and gray scale invariance is important due to uneven illumination and within-class variability. The proposed method is based on integration of central moments upon multi-resolution gray scale invariant local binary patterns operator. Since, the local binary patterns operator is invariant against different resolutions of space scale and monotonic change in gray scale, therefore the proposed method is robust in terms of variations in space scale as well as gray scale. Another advantage is high computational accuracy of the method due to use of moment operator which enhances the efficiency of the proposed method. Moreover, the proposed method is simple, as these operations can be performed within a few steps in a small neighborhood and a lookup table. The proposed method is tested on multiple human images and experimentally found appropriate for multiple human detection. The proposed method has been evaluated over two datasets, one is our own created dataset and the other is standard INRIA human detection dataset. Experimental results obtained from the proposed method demonstrate that better discrimination can be achieved for human and non-human objects in real scenes.     

图像清晰度评价方法研究

数字图像的清晰度评价一直是各类数字成像系统的一个关键问题，而在已有的一些的评价参数中，由于评价方法不同，均存在一些局限性，为此，针对图像的清晰程度提出一种新的评价方法，目的在于能够快速、准确地评价数字图像的清晰度。该评价方法评价参数可通过改进边缘锐度算法(EAV)得到，然后与机测MTF值的变化趋势一起做曲线回归分析，以便和其他传统清晰度评价参数做对比。通过上百幅各类数字图像的测试，结果表明，该评价参数与数字成像系统的MTF值变化有着很好的正相关关系，其不仅能够更准确地反应数字图像清晰度变化的趋势，而且便于简捷、快速地应用于各类数字图像的清晰度评价。     

基于微粒群算法的二维最大熵图像分割方法

该文研究了基于二维最大熵的图像分割方法,针对二维最大熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于微粒群算法的二维最大熵图像分割方法.该方法运用微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值对作为阈值进行图像分割.实验结果表明,由于该方法考虑了点灰度和区域灰度均值,且采用了离散的全局搜索算法,所以不仅得到了令人满意的分割效果,而且大大的提高了计算速度,是一种实用有效的图像分割方法.