基于几何流多级树Bandelet分割编码的医学图像压缩方法

本文提出了一种新的医学图像压缩方法,利用稀疏表示方法结合图像结构的几何规律,构建图像的灰度级有规则变化的方向的几何流表示方法,获得二元方形图像四叉树表示形式。针对几何正则化数据的小波分解结果存在较少的显着系数问题,使用二维向量场表示正则性的方向,并用样条表示法得到了这些方向的逼近。最后,在几何流图像的方向分解的基础上,利用M-band离散小波变换构建多级树Bandelet分割编码方式,实现了Bandelet系数计算改进。实验结果表明,该方法可有效提高医学图像压缩方法的计算效率。     

基于自适应编码次序的多级树集合分裂算法

为了在图像轮廓处获得更好的压缩效果,在多级树集合分裂(SPIHT)算法的基础上提出了一种优先编码周围邻域中重要系数较多的系数与集合的小波图像压缩算法。在编码之前对系数或集合按照周围重要系数的个数进行排序,而且在扫描完周围有重要系数的集合后,就精细扫描已经得到的重要系数。这种编码次序是自适应确定的,不需要任何额外的存储空间,而且在到达指定压缩比时能够编码更多的重要系数。实验结果表明,对比原来的SPIHT算法,该方法能提高峰值信噪比并改善主观视觉感受。     

改进的多级树集合分裂(SPIHT)算法

基于中频和高频子带小波系数中的不重要数的相关性，对SPIHF算法提出一些改进．在改进SPIHT算法中，利用一个组合函数来减少相应位置中频子带的不重要小波系数的冗余．构造集合d来减少高频子带带间的冗余．实验结果表明，改进SPIHT算法相对于改进前SPIHT算法有理想的压缩效果，峰值信噪比和人眼视觉效果都有所提高．     

基于零树编码的数字水印算法

随着多媒体技术的发展,数字水印技术已经成为数字版权保护领域的一个研究热点。针对传统数字水印技术的有限性,通过对频域数字水印算法进行分析,提出了一种新的数字水印算法。新算法以零树编码思想为基础,对原始图像和水印图像进行小波变换和零树编码嵌入,实现了二维彩色图像将为水印信息嵌入到二维图像数据中。实验证明,新算法在对彩色图像进行水印处理方面达到较好的效果,具有较好的健壮性。     

改进的嵌入式小波零树编码算法

EZW静态图像压缩算法,由于充分利用了小波变换图像的良好性质,引起了图像数据压缩领域的广泛注意.EZW算法被认为是静态图像变换编码领域迄今为止最好的算法之一.通过对EZW算法及其改进算法的介绍,分析了这些算法存在的不足,并提出一种简单而有效的静态图像压缩算法,根据图像经小波分解后系数的特点和人眼视觉特性对Shapiro的EZW算法进行改进.由于人眼对图像的边缘信息的丢失非常敏感,改进后的算法更加注重边缘信息的编码,实验结果表明,重构后的图像更加清晰,尤其在低比特率时更加明显.     

多级编目名称路径的生成方法

在实际应用中经常会有些类似财务科目式的把结点的上下层关系置入编码中的数据,以多级编码的方式存储在库表中,但有时为了获取某结点在树结构中从根结点到本身结点的名称路径却不得不要通过编程来实现。通过对Oracle的SQL语句的分析,提出用一句Oracle的SQL语句完成从根结点到本身结点名称路径的生成方法,此法在多个系统中得到实际应用,简便实用大大提高了程序的可靠性,也为其他多级编目式的树型关系数据获取绝对路径提供一种新颖的方法。     

改进的嵌入式小波零树编码算法

在分析EZW算法的基础上,提出一种改进的图像编码算法,把小波系数分解成2组较小的小波系数,分别对其进行编码,并移除EZW算法中的副扫描过程,从而省去了存储重要系数的位置信息的比特数,减少了EZW算法中扫描次数,在很大程度上提高编码速度,缩减需要编码的符号数目,是种快速的编码算法。实验结果表明,运用该算法处理得到的图像质量能够满足大多数的应用需求。     

VEMBP:支持更新的XML树编码方法

对有序XML文档树进行编码,不需要访问XML原始文件就能够实现对XML数据的管理,提高了XML管理系统的效率。针对查询提出的编码方案具有很高的查询性能,但更新效率很低。为提高更新性能而设计的方案存在查询效率低或者编码空间大等问题。为了在提高更新XML文档效率的同时不对查询性能和编码空间产生负面影响,提出了一种新的编码方法VEMBP(Vector Encoding Method Based of Prime),该方法利用向量表示有序XML节点之间的顺序关系,采用素数表示有序XML文档节点之间的结构信息;并设计了一种算法来实现在没有牺牲查询性能的前提下完全避免更新过程中的二次编码和重新计算,降低了更新代价,同时编码空间也得到了控制。实验结果显示,VEMBP具有较好的查询和更新性能。     

基于多级语义信息融合编码的序列标注方法

序列标注是自然语言处理领域的基本任务。目前大多数序列标注方法采用循环神经网络及其变体直接提取序列中的上下文语义信息,尽管有效地捕捉到了词之间的连续依赖关系并取得了不错的性能,但捕获序列中离散依赖关系的能力不足,同时也忽略了词与标签之间的联系。因此,提出了一种多级语义信息融合编码方式,首先,通过双向长短期记忆网络提取序列上下文语义信息;然后,利用注意力机制将标签语义信息添加到上下文语义信息中,得到融合标签语义信息的上下文语义信息;接着,引入自注意力机制捕捉序列中的离散依赖关系,得到含有离散依赖关系的上下文语义信息;最后,使用融合机制将3种语义信息融合,得到一种全新的语义信息。实验结果表明,相比于采用循环神经网络或其变体对序列直接编码的方式,多级语义信息融合编码方式能明显提升模型性能。     

一种支持动态插入的XML文档树编码IFED

XML文档树编码用来标识节点在文档树中的位置,XML文档查询算法通常通过编码来判断节点的祖先后代和兄弟关系,编码的好坏对查询效率影响很大.目前提出的编码主要分为两大类:区间编码和前缀编码,最近提出的扩展的前缀编码-Extended Dewey,由于通过单个节点的编码能够得到节点对应的路径,所以它支持有效的查询,但不支持动态插入.提出了一种新的XML文档树编码-IFED,它由Extended Dewey编码改进而来,既支持高效地查询,又支持动态插入.