一种用于海量图像多分辨率局部重建的压缩算法

论文通过对Shaprio嵌入式小波系数零树编码方法的误差进行分析,针对海量图像数据量庞大的特点,提出了一种便于海量图像局部重建的量化算法。在该算法的基础上,结合位平面编码和游程编码,得到了比较高的压缩比。实验证明这种方法简单有效,易于编程实现,在对相关项目所涉及的海量图像进行处理过程中取得了很好的效果,是一种行之有效的压缩方法。     

基于新型三层误差反向传播网络的图像压缩

基于误差反向传播算法对图像进行压缩的工作已有很多。论文介绍了三层误差反向传播网络拓扑结构和新型二层误差反向传播网络拓扑结构,为进一步提高图像压缩的压缩比和压缩质量,在新型二层误差反向传播网络拓扑结构的压缩层和重建层之间加入一过渡层,使得网络在学习过程中更好地收敛到原始图像。论文提出了新型三层误差反向传播网络拓扑结构并给出了相应算法的严格数学推导过程。经过上机压缩测试,相对于其它误差反向传播算法对图像进行压缩的压缩比、学习速度和压缩质量都有很大提高,取得了很好的效果。     

用于过程数据压缩的自控精度SDT算法

针对过程数据的压缩,提出一种自控精度SDT算法,通过在压缩过程中对参数的动态调整,使误差控制在给定范围内,保证了压缩精度并且获得了更高的压缩比。相比于SDT算法,压缩比提高了60%~75%,实际误差与期望误差的绝对差在10-3数量级。该算法在UWnTek控制工程软件中测试完成并正式使用,具有重要的工程意义。     

基于拼贴误差拟合（补偿）的分形压缩算法

采用分形压缩算法来提高压缩速度和压缩比的一种有效途径是降低对拼贴误差的要求 ,然而这往往导致图象失真 .为克服该问题 ,在经典分形压缩算法的基础上 ,提出了一种新的基于拼贴误差拟合 (补偿 )的分形压缩算法 .该算法可以提供两种不同拼贴误差的分形编码 ,由于通过对不同区块使用与之相适应的相似变换类型 ,可以有效地补偿拼贴误差 ,从而可降低压缩图象的失真度 .理论研究和实际应用表明 ,该算法为分形压缩图象所面临的失真度和压缩比的矛盾提供了一种有效的解决方案 .     

基于预测模型的轨迹数据压缩方法

针对目前路网环境下海量轨迹数据压缩效率低下的问题,提出了一种基于预测模型的轨迹数据压缩方法（CTPM）。通过将轨迹数据的时间信息和空间信息分别进行压缩,使得压缩后的轨迹数据在空间维度上无损,并且在时间维度上误差有界,以此提高压缩效率。在空间方面,首先利用部分匹配预测（PPM）算法通过轨迹已经行驶的部分路段对其下一时刻可能的位置进行预测;然后通过删除预测成功的路段来减少轨迹数据的存储代价。在时间方面,首先利用轨迹通行状况具有周期性的特点,构建了不同时间区间的通行速度统计模型,来预测移动对象进入下一路段所需要的时间;然后删除预测时间误差小于给定阈值的路段数据来进行压缩处理。实验结果显示,与已有的基于路网的并行轨迹压缩（PRESS）算法相比,CTPM的空间压缩比和时间压缩比平均分别提高了43%和1.5%,同时时间压缩误差减小了9.5%。实验结果表明所提算法在提高压缩比的同时有效地降低了压缩时间和压缩误差。     

改进的四进制哈夫曼算法

提出了一种改进的四进制哈夫曼树的生成算法,通过分析算法的平均码长和编码效率,论证了算法相对于传统的四进制算法的优点。并用C语言分别实现两种算法,进行了压缩比和压缩时间的比较,证明了改进算法在压缩比和压缩速度上的提升。     

一种基于SDT算法的新的过程数据压缩算法

针对流程工业实测过程数据压缩存储问题,在深入分析旋转门（SDT,Swing Door Trending）算法的基础上,提出了一种基于SDT算法新的过程数据压缩算法（NSDT,New Swing Door Trending）。NSDT算法采用曲线对过程数据进行拟和以实现数据压缩,与SDT算法相比能取得更好的压缩效果。根据理论分析和实验数据结果分析,证明了NSDT算法确实可以在不增加压缩误差的前提下,有效地提高压缩比。     

一种基于SDT算法的新的过程数据压缩算法

针对流程工业实测过程数据压缩存储问题,在深入分析旋转门（SDT,Swing Door Trending）算法的基础上,提出了一种基于SDT算法新的过程数据压缩算法（NSDT,New Swing Door Trending）。NSDT算法采用曲线对过程数据进行拟和以实现数据压缩,与SDT算法相比能取得更好的压缩效果。根据理论分析和实验数据结果分析,证明了NSDT算法确实可以在不增加压缩误差的前提下,有效地提高压缩比。     

传感信号采集中的误差受控压缩与压缩上限的确定

提出了一种传感信号采集中的误差受控压缩算法.为适应传感信号特征多变的情况,根据各段信号的自相关系数动态调整梯度预测器的系数;通过改进最大步长均匀量化器降低量化噪声;采用Golomb-Rice编码算法对量化后的预测误差序列进行编码.根据数据采集系统前端噪声水平确定压缩误差参数的上限,进而获得压缩比的上限.算法在供水管道泄漏信号采集中的应用表明,压缩比达2.63时,压缩后重构信号漏点定位误差增加量小于0.2 m.     

SCADA中历史数据的SDT算法研究与改进

随着物联网和大数据技术的快速发展,数据采集与监视控制SCADA系统每天采集的数据量呈几何级数增长,传统的数据压缩算法--旋转门算法SDT 已经不能满足SCADA系统对历史数据压缩的要求。在深入研究了数据压缩方法尤其是旋转门SDT算法的基础上,提出了一种改进的ASDT 算法,并用Java语言加以实现。ASDT算法通过正弦曲线拟合数据以实现数据压缩,与传统SDT算法的性能相比,ASDT算法能取得更好的压缩效果。实验数据结果表明,相对于传统SDT算法,ASDT算法可以在不显著增加压缩误差的前提下,有效地提高压缩比。     

一种改进的基于压缩感知的心电压缩算法

为了解决远程动态心电记录仪数据量过大的问题,并且克服基于压缩感知的压缩算法压缩比有限的问题,提出压缩感知压缩与移位差分位压缩结合的心电数据压缩算法,移位差分位压缩算法是无损压缩算法,在不影响压缩感知重构精度的前提下进一步提高压缩比。经实验证明,该方法将压缩感知原有4倍的压缩比最高提高到11倍,最小为4.81倍,压缩端的计算复杂度为O(N),满足远程动态心电记录仪的需求。     

基于GPU的多分辨率体数据重构和渲染

基于小波变换的多分辨率压缩算法能够获得很高的压缩比,因而被广泛地用于压缩体数据.针对这种压缩策略,研究基于GPU的数据重构的方法,可以只从CPU向GPU传输少量的压缩数据,从而提高数据传输效率.因为好的数据结构是实现基于GPU的重构算法的关键,所以文中提出适合使用矩形纹理表示的数据结构--Nested Tileboard;然后给出基于该数据结构在GPU上实现多分辨率重构的方法,使用Nested Tileboard保存中间数据及重构结果;还提出了基于Nested Tileboard的多分辨率体绘制方法,直接对重构数据进行体绘制,从而实现数据重构和体绘制的无缝连接.     

用于CS的广义稀疏度自适应匹配追踪算法

压缩感知理论的基本思想是原始信号在某一变换域是稀疏的或者是可压缩的,并将奈奎斯特采样定理中的采样过程和压缩过程合二为一。稀疏度自适应匹配追踪（SAMP）算法能够实现稀疏度未知情况下的重构,而广义正交匹配追踪算法每次迭代时选择多个原子,提高了算法的收敛速度。基于上述两种重构算法的优势,提出了广义稀疏度自适应匹配追踪（Generalized Sparse Adaptive Matching Pursuit,gSAMP）算法。针对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标,以及主观视觉上对所提算法与传统的贪婪算法进行对比。在压缩比固定为0.5时,gSAMP算法的重构效果优于传统的MP、OMP、ROMP、SAMP以及gOMP贪婪类重构算法的效果。     

基于压缩感知理论的WSNs时序信号分段压缩算法

针对压缩感知理论(CS)应用在无线传感器网络中时序信号在传输过程存在压缩比率低、通信能耗高等问题,提出了一种时序信号分段压缩算法来解决在信号稀疏度未知及高稀疏度条件下,压缩感知数据重构算法中存在的重构效率低,重构精度差,影响网络生命周期的问题.该算法将采集数据中非零元素个数作为分段依据,通过减少段内非零元素组合数量来提高信号重构精度,同时利用了压缩感知理论特性实现了对信号的高压缩率.实验结果表明,在以混沌量子免疫克隆重构(Q-CSDR)算法为重构算法、在信号盲稀疏度及稀疏度高于40的条件下,能够以大于0.4的压缩比率对信号进行压缩,其重构信号的均方误差小于0.01,能够延长网络寿命2倍左右.     

基于JPEG-LS压缩比控制的图像压缩加密算法

针对传统图像压缩比控制不精细及低维混沌系统保密性不高的问题,提出一种基于连续色调静态图像的无损或近无损压缩标准(JPEG-LS)压缩比控制的图像压缩加密算法.在深入分析JPEG-LS中失真控制参数Near对图像压缩比和重建质量的影响的基础上,首先,对光栅扫描的图像数据进行梯度处理;然后,比较梯度值与Near的大小关系以决定进入游程模式进行游长编码或常规模式进行Golomb编码;再次对三维Lorenz混沌系统生成的序列进行随机性处理,采用该序列作为密钥分别对游程模式、常规模式和全模式(游程和常规两种模式)下的压缩码流进行加密;最后,对Near进行实时动态调整,实现了对图像的压缩比精细控制且提高了保密性.仿真结果表明,所提算法能够实现良好的压缩比控制,且重建图像质量比线性压缩比控制算法提高了大约0.5 dB;同时算法安全性高,能够有效抵抗熵攻击、差分攻击、穷举攻击、统计攻击等多种攻击,且加密对压缩效率基本没有影响.     

基于字典学习的卫星图像压缩算法研究

针对卫星图像的特点及当前卫星图像在传输和存储上面临的问题,提出了一种基于稀疏表示的卫星图像二级无损压缩算法。通过传输稀疏表示后的稀疏系数来代替图像本身的传输,完成对卫星图像的第一级压缩;对非零稀疏系数先作预处理后实现聚类,然后依据聚类索引对原始非零稀疏系数的位置排序;最后对处理后的非零稀疏系数和位置数据分块,并利用改进的自适应哈夫曼算法对非零稀疏系数的数据块编码,利用差分编码和改进的自适应哈夫曼算法对位置数据块编码,完成对图像数据的第二级压缩。实验结果表明,与传统算法相比,所提算法具有明显优势,改进算法的压缩率是传统算法的1/3~1/2,且可同时实现卫星图像的高倍无损压缩与高分辨率重建。     

叠加特征信息辅助的语音传输与重构

为改善压缩语音传输系统的重构精度且不增加系统的频谱开销,提出一种叠加特征信息辅助的语音压缩传输与重构方法。提出方法首先提取稀疏语音信号的特征信息;抽取的特征信息以叠加序列方式叠加在压缩语音信号上进行传输;接收机重构时,借助特征信息辅助重构算法进行语音重构。分析与仿真结果表明,相比于传统的压缩感知语音重构方法,在较高信噪比或较低压缩率情况下,提出方法可改善语音重构精度,且不增加传输系统的频谱开销。     

基于自动镜头分割的视频压缩编码算法

将镜头分割引入压缩编码,针对分割镜头特性确定适当的编码器及参数,能够提高视频压缩编码的效率．为此,提出了一种基于对分查找的镜头分割算法(VSSB)以及关键帧频率计算公式．其算法的核心是通过对分查找形成二叉树,同时通过广度优先搜索寻找分割点,具有O(log n)的时间复杂性．针对实时应用,采用了双阈值比较的镜头分割算法,能够较好地实现镜头切变和渐变的检测．基于镜头分割算法,建立并实现了并行方式的编解码系统模型．实验证明,基于镜头分割的编码方法能够提高压缩比,缩短压缩编码时间,有利于改善重建图像质量。     

基于分形集的图像压缩方法

分形图像编码是一种极具发展前途的图像压缩方法,但由于其发展时间较短,还有许多问题尚待解决,其中较为突出的是,在很长的编码时间和较高的压缩比下重构图像质量尚不能令人满意。提出了一种新颖的分形图像压缩算法,即基于Julia集的分形图像压缩方法。该算法采用Julia曲线集合作为压缩编码字典,使用自适应四叉树法实现图像压缩。通过计算机模拟实验结果显示,此算法具有较高的图像压缩比和高质量的重建图像,编码速度提高也很明显。     

An Optimized Quantization Technique for Image Compression Using Discrete Tchebichef Transform

Discrete Tchebichef transform (DTT) has been utilized to improve the reconstruction quality of the traditional methods in image compression. Although DTT has the effective capability of energy concentration and ease of computation, not been exploited polynomials in orthogonal transform as compared with discrete cosine transform (DCT). This paper proposes an efficient lossy compression based DTT to produce better quality reconstructed image for the desired compression ratio. We combine soft decision quantization (SDQ) to design optimal quantization table and to approximate the rate-distortion for the purpose of the reconstruction quality. Compared with DCT under the scheme of JPEG baseline system, experimental results show that the proposed algorithm is of greater reconstruction image quality when the bit ratio exceeds 0.5 bpp. The bit ratio is decreased by 0.25, 0.49, 0.20 bpp, respectively when peak signal-to-noise-ratio (PSNR) is 35, 40, 45 dB. Meanwhile, they are similar on the elapsed time in encoding and decoding.