基于模糊逻辑的无损视频压缩的算法

数字视频领域对高质量视频的需求使得无损压缩的应用范围越来越广,为此设计了基于模糊逻辑的无损视频压缩算法。该算法采用基于模糊逻辑的方法计算相邻帧的分块间的相似性以及分块的块内相似性,来确定时间预测与空间预测的选择,时间预测中定义了一种新的运动估计的匹配准则,最后通过相似度估计Golomb编码的最优参数,在无须复杂统计模型的情况下实现低复杂度、快速高效的Golomb编码。实验结果表明,与无损压缩算法JPEG-LS相比,在压缩率上有很大提高。     

基于样本的VVC无损帧内梯度预测算法

为了进一步提升VVC无损帧内编码的性能,在BDPCM编码工具的基础上,利用样本之间的关系,对其进行改进,提出了一种基于样本的梯度预测（Sample-based Gradient Prediction,SGP）算法。在该算法中,预测样本由对应预测方向上的相邻参考样本,以及参考样本之间的梯度信息获得,获得的预测样本被限制在一定范围内。在VVC测试模型（VTM）12.3上的实验结果表明,提出的SGP算法在VVC无损帧内编码中平均节省了5.30%的比特率,编码时间增加了17.7%,解码时间下降了19.5%。相较于BDPCM可以达到的3.88%平均比特率节省,SGP所带来的比特率节省大幅度提升,并且编码时间和解码时间都更短。     

基于模糊逻辑的彩色图像滤波方法

针对图像滤波中噪声点和好的细节点难以正确区分的问题,本文提出了一种基于模糊逻辑的彩色图像滤波方法.利用像元属性值与邻域属性值的接近程度作为其属于该邻域区域的程度,并以此来判别属于噪声点或细节点的程度.用高斯型函数作为模糊化函数,以Sugeno模糊模型进行推理,推理后获得的隶属度值进行反变换后可得滤波后的图像.实验证明这种方法不仅能有效消除脉冲噪声和高斯噪声,同时能较好地保持图像的细节信息.     

基于纹理特征的医学彩色图像无损压缩法

彩色图像的压缩要兼顾效率及质量方面的指标。医学图像具有纹理特征较明显的特点,在此基础上提出了一种新的基于图像纹理特征预测技术的图像压缩方法。该算法与JPEG-LS标准完全兼容,通过纹理特征预测模型,实现图像信息冗余量的最佳去除;同时该算法沿袭了JPEG-LS低复杂度的特点,具有较高的执行效率,适用于实时的医学图像数据采集系统。     

基于模糊域的彩色图像增强

本文提出了一种新的基干模糊域的彩色图像增强方法。先把图像从RGB模型转换为HSV模型,引入了一个新的对比度增强算子——模糊对比度,采用高斯分布函数,在模糊域对V分量进行图像增强,然后再将图像转换回RGB模型。实验证明该方法对干彩色图像的增强能达到令人满意的效果。     

基于深度学习帧内编码快速划分算法

为降低H.266/VVC(versatile video coding)帧内编码复杂度,提出一种基于纹理分类的卷积注意力机制神经网络CBAM-CNN(convolutional block attention module-convolution neural network)模型的快速帧内编码单元划分方法,替代嵌套多类型四叉树QTMT(quadtree with nested multi-type tree)的遍历搜索。综合考虑每个编码单元CU(codinguint)纹理特征,建立基于阈值的纹理分类模型,判断64×64的编码单元是否划分;设计并训练一种CBAM-CNN网络模型,预测32×32,16×16CU的划分结果。仿真结果表明,所提算法使帧内编码时间平均减少43.217%,编码比特率仅增加0.894%,有效降低了帧内预测的编码复杂度。     

基于时态的模糊描述逻辑初探

针对现实生活中,有许多的信息都是具有时间属性并且带有模糊、不精确的特点,在时态逻辑和模糊描述逻辑基础上,利用vager集概念,对基于时态的模糊描述逻辑系统进行了初步的研究,并给出了时态模糊描述逻辑的语法和语义的相关说明.与模糊描述逻辑FALC相比,该系统的提出在一定程度上弥补了FALC作为语义Web逻辑基础在表达时序上的空白.     

低复杂度HEVC帧内编码快速划分算法

高效视频编码(HEVC)在H.264之上实现了显著的编码性能.但是却以明显的编码复杂度为代价获得了性能上的提高,其中,由于对所有可能的编码单元(CU)进行基于率失真优化的遍历搜索,因此编码树单元(CTU)最耗时的部分就是CU的划分.为了解决此类问题,本文提出了一种基于纹理分类的深度卷积神经网络(CNN)模型来对CTU的...     

基于描述逻辑的模糊ER模型

分析了描述逻辑ALNUI与ER模型的关系,特别是如何将ER模型转化为ALNUI的知识库,从而利用ALNUI的推理机制对ER模型进行自动推理的有效性,在此基础上,进一步研究了基于描述逻辑的模糊ER模型.针对模糊ER模型的特点和需求,在描述逻辑ALNUI的基础上,对描述逻辑ALNUI进行了模糊化推广,提出了一种新的描述逻辑,即模糊描述逻辑FALNUI.研究了基于FALNUI的模糊ER模型,即研究了如何将模糊ER模型转化为FALNUI的知识库,并利用FALNUI的推理机制研究了模糊ER模型的可满足性、冗余性和包含关系等自动推理问题,证明了这些推理问题的正确性.     

无损检测中基于模糊逻辑的多传感器数据融合

模糊逻辑在多传感器数据融合中得到广泛的应用,但是基于模糊逻辑的多传感器数据融合在无损检测中的应用还是一个崭新的课题,本文给出了一种新的用于无损检测数据融合的模糊逻辑结构,并且给出了隶度函数以及运算符的定义,最后给出了例子阐明了这种结构在无损检测中的应用。     

一种基于整数小波变换的图像无损压缩方法

由于第二代小波变换可以实现图像的整数到整数的变换,而且图像的恢复质量与变换时边界采用何种延拓方式无关,完全可以克服由第一代小波变换所带来的缺陷。该文利用这个特性,提出了一种基于整数小波变换的图像无损压缩算法。该方法首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,最后将预测误差进行哈夫曼编码。实验结果表明,该方法算法简单,有较好的压缩性能,与JPEG无损压缩模式相比较,有较大的优势。     

一种JPEG无损压缩算法的仿真与实现

研究图像压缩算法优化算法的效果,针对目前通用无损压缩算法都难以对JPEG文件进行压缩,提出了一种洗牌算法和无损压缩算法相结合的无损压缩方法。在将JPEG图像文件进行压缩前对文件进行有效规整,产生冗余,然后再结合通用无损压缩算法进行无损压缩进一步去除文件内部信息冗余。进行仿真实验验证,算法能够进一步将JPEG图像文件无损压缩1%-3%。结果表明,上述算法能进一步无损去除文件内部冗余,减小文件体积,算法简单,时间复杂度低,易于实现,是一种有效的快速图像压缩算法。算法已经获得专利保护。     

基于神经网络的多光谱遥感图像无损压缩

分析并改进了利用自组织特征映射(SOFM)神经网络设计码书的方法,提出了一种基于改进SOFM算法设计码书的矢量量化和分类谱间预测相结合的多光谱图像无损压缩方法。该方法对光谱信息进行矢量量化,根据分类信息生成残差图像以去除数据的空间相关性,构造分类谱间预测器去除数据的谱间结构和统计相关性。对机载64波段多光谱遥感图像的试验结果表明,该方法无论是对训练集内图像还是训练集外图像,均取得了较好的压缩效果,平均无损压缩比达到3.2以上。     

基于块方向信息的指纹图像无损压缩编码

根据指纹图像在局部具有很强的方向性，提出了一种基于块方向预测的无损压缩编码方法。在此方法中，首先将指纹图像分成8×8的图像块，计算出每一块的块方向信息，并根据这个方向信息，对各个块自适应地选择一个预测器；然后通过预测误差的Context模型进一步去除相邻像素之间的相关性；最后采用Rice算法对误差图像进行编码。实验表明，这种方法简单实用，压缩效果好于JPEG无失真模式和JPEG-LS。     

基于地物反射特性的多波段遥感图像无损压缩方法

要实现多波段遥感图像的无损压缩,去除空间和谱间的相关性是其中的重要环节。通过分类,分析不同地物在不同波段的反射特性,再根据不同地物的波段反射特性构造出针对不同地物的谱间预测器,用以去除谱间相关性。对于去除谱间相关的残差图像,采用Ｓ＋ Ｐ变换,以去除空间相关。实验取得了令人满意的效果,证明了这种方法的有效性。     

整型小波变换应用于遥感图像无损压缩

基于“提升”(Lifting)算法实现整型小波变换(IWT),然后将图像变换到小波域,用零树编码 和算术编码相结合的方式对图像进行无损压缩,并针对遥感图像波段之间的相关性进行了谱间预 测。最后进行了一些相关实验,实验证明将IWT应用于遥感图像无损压缩是有效的。     

基于可逆整数小波变换的遥感图像的无损压缩

针对遥感数据的特点，将可逆整数小波引入遥感图像压缩领域，与SPIHT编码相结合，试验选用了几种可逆整数小波对几幅遥感图像和标准测试图像进行图像无损压缩试验，结果与JPEG2000相比都所有提高。     

基于改进SPIHT的图像无损压缩算法研究

针对应用于图像无损压缩的传统SPIHT算法没有充分利用小波系数低频子带带内的相关性且存在编码冗余的不足之处,提出了基于改进SPIHT的图像无损压缩算法。首先对原始图像进行整数小波变换,然后对小波变换后的低频子带和高频子带分开编码,即对低频子带进行预测编码;对高频子带,当阈值小于等于2时,改变了传统SPIHT算法的编码方式,减少了比特输出。实验结果表明,与传统SPIHT算法相比,比特率平均降低了0.0653bpp。     

基于预测的无损图象压缩技术

预测压缩技术是无损图象压缩的基本技术,分析了基于预测的无损图象压缩方法,综述了预测无损图象压缩技术的研究进展,并对预测压缩算法的设计进行了有益的讨论。