彩色图象三维DCT变换压缩编码

由于彩色图象是以三分量形式表示的，因此在对其进行压缩编码时不仅要考虑它在空间，结构等方面上的冗余信息，还应充分利用各分量间的相关性。此文提出了一种彩色图象三维矩阵表示模型的三维ＤＣＴ变换压缩编码方法。     

一种基于二维DCT的分形静止彩色图象压缩编码

在彩色图象编码技术中，普遍存在的一个问题是未能充分利用各分量间的相关性。本文针对彩色图象各分量间存在的极强的结构自相似性，提出一种基于二维ＤＣＴ的分形编码方法。此方法在采用变换编码方法去除彩色图象各分量内部冗余的基础之上，采用分形编码方法进一步去除了存在于三分量之间的冗余信息。仿真结果表明，这种编码方法的效率明显优于ＪＰＥＧ基本彩色系统的编码效率。     

基于DCT的残差自适应编码压缩

本文提出了图象残差压缩的概念，建立了在JPEG压缩算法基础上改进的，基于DCT的残差自适应编码压缩方法，该方法与JPEC压缩算法相比，压缩速度没有显著差别，但恢复图象信噪比高可提高约1分贝，对局域相关性较弱的遥感类图象，恢复图象精度的提高尤为明显。     

JPEG图象压缩方法研究及应用

为了在ＦｏｘＰｒｏ平台下显示ＪＰＥＧ格式的图象，本文对ＪＰＥＧ压缩算法进行了讨论，对压缩模式，离散散余弦变换，量化与逆量化，色彩系统以及熵编码和解码进行了优化设计。     

基于电话线传输的嵌入式JPEG图象编码系统

文章首先介绍基于电话线传输的嵌入式JPEG图象编码系统的组成结构，在此 对系统的各个组成模块特别是实现数据压缩的DSP模块进行了详细的分析，给出了不同模块间的接口设计电路。     

高质量运动图象压缩编码的小波变换方法研究

研究基于小波变换的高质量运动图象压缩编码方法。通过对运动估计后图象内的帧内编码宏块首先进行离散余弦变换（ＤＣＴ）编码,然后再对整幅图象进行小波变换（ＷＴ）与零树编码,从而达到运动图象的高质量压缩编码目的。     

基于小波的彩色序列图象压缩编码

此文提出了一种基于小波变换的运动估计算法，时间复杂度比常规算法降低了一个数量级，同时在估值精度上可与常规算法媲美。利用更佳频率分辨率小波分解处理运动补偿余量误差善了复现图象质量。实验结果表明，该算法在高压缩比情况下图象复现质量显著优于ＭＰＥＧ－２，具有广阔的应用前景。     

基于JPEG2000的高动态范围图象压缩

高动态范围图象对真实场景的色阶和动态范围进行编码,如辐射度图。通过对JPEG2000编码器进行扩展,提出了一个高动态范围静态图象的压缩方法。该方法基于应用于高动态范围图象显示的色调映射技术,通过可变基底的对数映射函数对图象像素的32位浮点格式的辐射度值进行变换,然后将数据输入到JPEG2000编码器,并依据HVS模型的对比灵敏度特性对小波系数进行加权处理。实验显示,该方法对图象有较大压缩率的同时还保持较好的主观质量。     

减少JPEG压缩图象方法效应的小波域图象增强

低比特率ＪＰＥＧ压缩图象往往产生严重的广声效应。利用小波分析良好去噪和边缘检测特性,本文提出一种减少ＪＩＰＥＧ压缩图象澡方块效应的有效算法。计算机仿真结果表明,所提算法能有效地改善解码图象的视觉质量。     

基于JPEG的医学图象特征提取

针对医学图象数据库中大量存在的ＪＰＥＧ压缩图象,提出了一种新颖的特征提取算法。该算法提取的特征既包含空域局部信息又包含域频域局部信息,全面表达了图象的特征,使得基于内容查询的精度提高;压缩数据只需霍夫曼解码而不必恢复为原始图象即可提取特征,算法耗费时间大为减少;在ＪＰＥＧ压缩图象分辨率分析的基础上提出了由“粗”到“精”的查询。     

基于有序神经网络的神经模糊预测控制

本文使用有序神经网络和改进的模糊控制器构成了一种新型的神经模糊预测控制方法，有序网络学习速度快，所需神经数目少，用事先训练好的有序网络代替传统的预测模型，以期增强输出预测的准确性；同时，用一种改进的模糊控制器原有的PID控制器，增强系统的鲁棒性。仿真结果表明，所提出的神经模糊预测控制方法可以获得理想的控制效果。     

一种基于神经网络的可调整模糊系统模型

对基于人工神经网络的模糊系统进行研究,建立了一种可调整的模糊系统模型,并且在智能汽车控制器中得到了运用。通过神经网络对输入的经验值进行学习、调整来获得模糊系统控制的新参数。经计算机仿真,并与传统模糊控制模型相比较,小车绕开障碍的性能得到了明显的改善,是一种比较理想的模糊系统模型。     

基于DICOM标准的医学图像有损压缩的研究

本文采用DICOM标准所规定的两种有损压缩方法对单帧胸部CT图像进行有损压缩。实验形式分为两种：(1)采用基于离散余弦变换的JPEG算法在不同压缩比下对50幅单帧胸部CT图像进行有损压缩。三位放射科专家对压缩后的医学图像与原始图像进行对比评片。根据评片结果进行受试者工作特性ROC分析和t检验,得出在压缩比10:1以下的胸部CT图像对临床诊断无影响的结论。(2)采用基于小波变换的JPEG 2000算法对单帧胸部CT图像进行有损压缩。通过客观保真度准则判定,在压缩比为20:1以下时胸部CT压缩图像依然具有诊断价值。     

静止彩色图象压缩编码技术

近些年来，人们在继续研究灰度图象压缩编码技术的同时，越来越关注它们在彩色图象压缩编码技术中的推广使用。本文着重介绍用于静止彩色图象压缩编码中的几种主要技术的进展情况。     

基于卷积神经网络的交通标志模糊影像识别

当前方法不能有效的识别交通标志模糊影像,且识别交通标志所用的时间较长,存在识别效果差和识别效率低的问题。提出基于卷积神经网络的交通标志模糊影像识别方法,首先对交通标志模糊图像做亮度均衡化处理,消除交通标志自身因素和天气因素对交通标志识别过程产生的影响。对均衡化处理后的图像进行分割,计算各个图像块的显著度,挑选显著度最高的图像块作为交通标志图像的感兴趣区域。提取感兴区域中存在的HOG特征向量和LBP特征向量,对HOG特征向量和LBP特征向量进行融合,得到交通标志图像的HOG-LBP特征。将HOG-LBP特征输入卷积神经网络中,在卷积神经网络中进行前向计算和反向计算,根据计算结果调整偏差和权值,输出交通标志模糊影像的识别结果,实现交通标志模糊影像的识别。仿真结果表明,所提方法的识别效果好、识别效率高。     

基于神经网络的图像KL变换方法的改进

KL变换作为最优变换在图像压缩中很有应用潜力.传统的基于神经网络的图像KL变换方法存在一些不足.本文提出了一种基于神经网络的图像KL变换的改进方法.该方法的特点是:通过对图像进行行列两次分割得到两组学习样本,分别对两个神经网络进行训练,用训练好的两个网络对原图像进行二次KL变换.对新方法进行仿真,结果表明所提的方法图像压缩效果较好,有效的消除了变换对于分割方向性的依赖.     

应用模糊神经网络预测油田产量

为了研究受多变量、时变和不确定因素影响的油田产量预测问题,将模糊逻辑推理技术与人工神经网络相结合,构建具有模糊逻辑推理和学习功能的模糊神经网络(FNN)系统。该系统基于现有的油田开发历史数据,建立相应的规则集,使用神经网络的训练方法(如梯度下降学习算法),在训练过程中调整参数,并自适应增加规则,以使系统的输出最佳地逼近于目标样本。通过对某油田的实际开发历史数据的拟合与测试,结果表明该模糊神经网络能够较精确地预测未来的油产量,与常规的BP神经网络相比,其预测精度更高、训练速度更快。因此,基于模糊神经网络(FNN)的油田产量预测方法研究具有较好的实际应用价值。     

一种基于改进T-S模糊推理的模糊神经网络学习算法

针对模糊神经网络学习算法计算量过大,在预测模型设计中提出了基于改进T-S模糊推理的模糊神经网络学习算法。主要工作如下:首先,改进T-S模糊推理方法,定义基于偏移率的T-s模糊推理方法;然后,通过将此模糊推理方法与基于合成规则的模糊推理方法及距离型模糊推理方法相比较可以看出,所提方法有较少的计算量,且比较有效;最后,在此基础上改善了模糊神经网络学习算法,并将其应用于天气预测与安全态势预测。测试结果表明,该方法明显改善了学习效率,减少了预测模型设计中的学习次数与时间复杂度,并降低了学习误差。     

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到调整模糊隶属函数和模型规则的目的,从而使系统具备了自适应的特性,实验结果表明,这种基于模糊高斯基孙数神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

基于DCT的彩色图像数字水印算法

实现一种在彩色载体图像中嵌入彩色水印图像的算法。在嵌入时,先将载体图像分成与水印图像大小相同的块;然后,在DCT变换域中,将水印图像R、G、B层的变换系数嵌入到载体图像每一块对应层的中低频系数中。在提取时,先通过DCT反变换从带水印图像的每一块中提取出水印图像,再计算这些水印图像的平均值从而得到最终的水印图像。测试结果表明该算法满足了数字水印的不可见性和鲁棒性要求。