基于小波半规则网格压缩均方误差的近似方法

为了实现数据量大的图像在网络上的快速传输,就必须对其进行高压缩。现在一般采用比较先进的小波压缩方法,但用压缩后的数据重构得到的图像与原图像相比有明显的差别。为了降低这种失真,开始部分提出了一种有效的基于位分配模型的性能优化方法;为了实现这种快速和低复杂度的分配方法,提出了和半规则网格几何编码相关的重建均方误差的近似方法。并用实验结果说明,在基于模型分配的过程中将上述近似方法得到的结果作为失真可以改善小波编码器的性能,提高编码增益,从而达到在不降低图像压缩率下提高图像质量的目的。     

基于核的最小均方误差改进算法及其应用

传统基于核的最小均方误差(KMSE)算法在进行人脸识别时,需要求解多个方程,计算量较大。为此,提出一种用于多类识别的基于核的多元最小均方误差(KMSEMC)算法,该算法只需一个方程即可。在AR人脸库上的实验及数据分析表明,该算法在时间复杂度和识别率等方面计算量较小,在识别性能和计算时间上都优于同类传统算法。     

混合PSO在最小均方误差调节器中的应用

利用最小均方误差调节器来改善有限拍系统是一种常用的方法,而调节器参数的选择是非常重要的。本文在确定最小均方误差调节器的过程中设计基于模拟退火的粒子群算法对参数进行了优化,并对一具体系统进行了仿真。结果表明,混合粒子群算法比单独使用粒子群算法和模拟退火算法的效果要好,同相关文献确定参数方法相比,系统的超调量和调节时间都得到了明显的改善,验证了所提算法的有效性。     

基于小波变换的不规则网格的多分辨率分析

Lounsbery 提出了一种三角形网格多分辨率分析方法，但该方法只能应用于规则的三角形网格，且包含了重新网格化的过程。为了解决该问题，基于小波变换，该文扩展了Lounsbery的方法。该算法直接对不规则网格进行渐进压缩，得到了不同分辨率的网格。在此过程中还可以基于三角形网格的连接信息，对三角形网格进行优化，使之更加规则，从而使该文算法得到了改善。将该文算法与以前的算法进行了比较，结果表明，该文算法速度快，效果良好，有一定的实用性。     

一种基于最小均方误差原理的位同步捕捉算法

提出一种数字通信系统中基于最小均方误差原理的位同步捕捉算法,对算法的提出、原理以及性能进行了理论分析,同时在加性高斯白噪声信道下进行了大量的计算机仿真,给出了在某无线通信系统中的应用结果.此算法通用性强,实现位同步捕捉速度快,易于高速单片机及DSP实现,具有良好的抗噪性能.     

基于均方误差的变形图像的质量评价

随着数字图像技术的发展图像质量评价已成为了一个重要的研究课题.作为图像质量的一部分,图像逼真度通常由均方误差来表示.均方误差作为既简单又古老的客观图像质量评价方法沿用至今,在图像质量评价中扮演着重要角色,但在实际应用过程中发现其存在一定的局限性.从对比度拉伸、亮度变化、加噪声、模糊、放缩、平移、旋转等经典图像变形的角度出发,实现了给定一个均方误差值和允许误差值,得到11种均方误差值近似相等的变形图像.经分析得出,同一均方误差下的不同变形图像给人的主观感受不同;图像经很小的几何修正后,对应的均方误差值可能很大;均方误差越大,图像失真越严重.并设计了一个120人的主观评价实验,验证了均方误差在基础变形图像上评价的局限性.     

基于最小均方误差的圆弧分段曲线拟合方法

提出了一种基于最小均方误差准则的圆弧分段拟合方法。该方法采用自适应高斯滤波器对原始曲线进行平滑处理以消除噪声影响,并提出了一种适合于圆弧曲线拟合的分段算法。在该算法的基础上根据最小均方意味着准则,以圆弧作为基元对曲线进行拟合。实验结果表明,该方法能够较好地消除噪声影响并保留曲线的局部特征。     

基于均方误差的8位深度神经网络量化

为模型量化后具有更高的准确度,提出以量化均方误差(QMSE)为指标的确定量化系数的方法,针对量化后性能损失严重的小型网络,进一步提出更新统计参数(USP)的方法。QMSE将量化过程中的舍入和截断操作产生的噪声相结合,以此作为选取合适量化系数的指标;USP通过更新批次归一化层中的均值和方差,矫正模型量化产生的均值和方差偏移。实验结果表明,在不进行重训练的情况下,使用QMSE+USP对常见的深度神经网络量化,模型性能优于其它算法。     

WCDMA系统中的差分最小均方误差多用户检测算法

宽带码分多址(Wideband code division multiple access,WCDMA)系统中现有的自适应多用户检测算法需要训练比特,不能适应快衰落信道。本文根据WCDMA系统中特有的二级扩频体制的特点,提出基于差分最小均方误差(Differential minimum mean square error,DMMSE)准则的自适应多用户检测算法。该算法根据相邻接收符号幅度变化的比率变化自适应调整横向滤波器的权系数,从而不需要通过训练比特开销跟踪信道状态信息的方式来抑制多址干扰。仿真结果表明,在存在多普勒频移的传播环境下,DMMSE算法的误码性能优于现有的自适应最小均方误差(Minimum mean square error,MMSE)算法。     

基于信号强度测距的最小均方误差定位算法

针对室内视距（LOS）和非视距（NLOS）混合环境下的定位精度不高的问题,提出基于信号强度测距的最小均方误差定位（Strength Ranging-based Minimum Mean Square Error localization,SRMSL）算法。SRMSL算法先建立基于超宽带（ultra wide band,UWB）的测距模型,并分别构建在LOS和NLOS环境下的最小均方误差函数,再估计未知节点位置。利用中值函数滤除异常的抽样值,有效辨识NLOS环境下的测距信息。仿真和实验结果表明,提出的SRMSL算法在定位精度方面优于M估计和最小中值平方估计。     

基于空间网格细分的不规则场景的光线跟踪

针对不规则场景中光线跟踪算法绘制速度慢的问题,在深入学习和比较近些年的光线跟踪加速算法的基础上,提出了一种改进的网格细分的光线跟踪算法。首先,设置矩形场景包围盒,剔除对场景没有影响的外部光线,进而简化求交运算;其次,采用新方法创建空间网格,该方法可使空间单元数量和存储空间复杂度都限定在一定范围内;最后,对网格进行细分,这一步骤消除了传统空间网格算法忽略部分空白区域对加速效果产生的不良影响, 极大完善了传统空间网格算法。通过实验证明,该方法能有效提高光线在空白空间的穿行速度,不仅提高了时间效率,而且减少了空间开销。     

基于峰值网格改进的小波聚类算法

针对小波聚类算法在不同网格划分尺度下表现出的聚类效果差异,提出了一种基于峰值网格的改进方法.算法主要针对小波聚类中连通区域的检测方式进行改进:首先,将小波变换后的空间网格依网格值的大小进行排序;然后利用广度优先搜索的方式遍历每一个空间网格,以检测经小波变换后数据中的峰值连通区域;最后,标记连通区域并将其映射到原数据空间...     

基于网格搜索的船体不规则分段动态堆放方法

针对船体分段建造后在堆场中的空间调度问题,提出基于网格搜索的分段动态空间调度算法。首先,利用改进的粒子群算法产生多个可行的分段堆放序列;然后,采用基于网格搜索的定位策略对堆放序列进行空间布局解码。在解码过程中,运用位图对场地及投影多边形进行信息描述,快速寻找多边形的最佳定位位置。考虑分段堆放问题的动态性的时空关联性,同时以场地平均利用率和需要挪动的场地内分段总数的综合加权作为评价函数,利用改进的粒子群算法对方案进行择优,得到近似最优解,实现了堆放方案的全局优化。通过对船厂实际生产数据的实证分析以及堆放算法间的对比分析,结果证明,所提算法在综合评价场地利用率、移动分段数和运算效率的条件下是最优的。     

基于整数小波变换的图像压缩算法

IWT（integer wavelet transform）是一种基于提升格式整数小波变换的图像压缩算法.IWT比传统的浮点小波变换效率要高.在硬件实现时,整数运算比浮点运算便宜,基于提升格式的整数分解时所需的存储空间只是传统变换的一半.基于此考虑有损压缩,图像先作基于提升格式的整数分解,然后结合改进的EZW和自适应量程编码.在编码性能不受影响的情况下,此算法比Shaprio的EZW编码要快1.5倍.     

整数到整数小波变换及其DSP实现

随着互联网的普及和图像应用范围的不断扩大,对图像的编码提出了新的要求,即不仅要求高的压缩比,还要求有许多新的功能,如渐进编解码、从有损压缩到无损压缩等。小波编码较好地实现了这一思想,从小波滤波器的多相位矩阵出发,利用因子分解方法,实现了小波变换由传统卷积模式转变到提升体制,克服了第1代小波变换所带来的缺陷。在此基础上实现了整数到整数小波变换,利用数字信号处理器（DSP）予以实现。     

基于小波域奇异值分解的图像压缩算法

提出了基于小波域奇异值分解（SVD）的图像压缩算法,该算法通过对小波分解系数进行奇异值分解,进而对小波系数进行压缩,实现图像压缩。将该算法与图像奇异值分解直接压缩的算法进行了实验比较,实验结果表明,该算法较图像奇异值分解直接压缩的算法具有更好的性能,在同样压缩比的情况下能获得更高的信噪比。     

基于小波包分解的 SAR图像压缩 *

针对 SAR图像含有丰富的中、高频信息 ,而基于小波变换的图像压缩方法会丢失高频细节信息 ,提出了基于小波包分解的 SAR图像编码算法。小波包变换对 SAR图像进行完全分解 ,再用与后续编码器相关联的代价函数进行最佳基搜索 ,然后根据各子带小波包系数的重要性进行加权 ,采用多级树集合分裂算法 ( SPIHT)编码。实验结果表明 ,该算法更好地保留了 SAR图像的细节信息 ,获得了同压缩比下优于传统 SPIHT算法的编码性能 ,更有利于后续图像处理。     

小波变换编码在医学图像压缩中的应用

文章结合医学图像的特点探究了一种图像压缩编码方法：先对图像进行小波分解，然后针对不同层不同子图的特点对小波系数的各部分进行相应处理。小波分解后，低分辨率子图像的小波系数的动态变化范围大，因而采用BP神经网络进行自适应非线性预测编码，而对高分辨率子图像采用基于Kohonen网络的自组织特片映射（SOFM）算法的矢量量化进行编码，上述压缩方法可以在保证重构图像质量良好的情况下获得较大的压缩比，从而可以较好的满足医学图像存储的要求。     

一种基于小波压缩的图像检索系统的研究

介绍了一种采用ZTE／改进SPIHT算法的图像检索系统的设计方法。ZTE／进SPIHT算法把图像编码成多层比特流,即底层和加强层,这种特性使得该方法在图像检索系统中优于其它压缩方法。底层比特流同时作为缩小图,消除了数据的冗余,而加强层比特流的快速传输性则改善了检索系统的传输性能。     

基于小波包变换的指纹图像分级压缩算法

针对指纹图像中频分量丰富,高频和低频分量相对较少的特点,利用小波包分析提出了一种指纹图像分级压缩算法。将小波包变换后的指纹图像按能量多少进行分级,对包含能量较多的中频子图像,采用无损差分脉冲编码调制（DPCM）,对包含能量较少的低频和高频子图像,采用嵌入式零数编码（EZW）算法;并将压缩图像码流与特征点信息相结合进行图像重建。仿真实验表明,该算法在保证重建质量的前提下,比传统的小波零树编码算法压缩比平均提高了约1.832,信噪比平均提高了约4.07,平均运算时间减少了约26%。