HLZ:一种采用混合字典的自适应无损编码算法

研究了在数据无损压缩领域影响常规的两种压缩算法：LZ78及LZ77， 一种改进的混合字典压缩算法HLZ（Hybrid LZ）。HLZ是基于LZ78和LZ77的一种混合算法，利用了LZ78和LZ77的互补特性，在用HLZ算法进行地，当发现已经到达字典中提供的词汇终点时，并不立刻进行编码，而是与滑动窗口相比较，若当前 字符串在滑动窗口中的匹配长度尚不及它在字典中的匹配串的长度，则采用LZ78输出，否则用LZ77编码输出，在还原输出编码时，HLZ算法建立了一个链结构，将字典中具有相同首字母的词链接起来，大大养活了搜索字典中对应最长匹配串的时间，实验结果表明，HLZ算法具有与LZ78和LZ77町似的计算复杂度和存储复杂度，但具有更好的全局与局部自适应性，更高的压缩效率。     

LZ77信源编码与纠错编码的有效结合

LZ77编码是一种高效信源编码方法,它已被广泛地应用于各种无损压缩算法中。通常,压缩数据必须用纠错编码进行保护,因为压缩数据中的误码对解压缩后的数据的危害很大。针对LZ77压缩数据的特性,提出了分别对压缩数据的三个参数-匹配位置、匹配长度和未匹配字符进行高效纠错编码的方法。     

一种基于算术编码的文本数据压缩算法

提出了一种基于算术编码的文本数据压缩算法,将扫描产生的偏移量、匹配数据长度等全局优化问题转化为局部优化问题,并从Glomb编码思路出发,推导出一种参数选择算法;对LZ77算法进行修正,提出一种预测编码方法,获得预测参数。对预测参数、偏移量、数据匹配长度、保留文本数据使用MQ算术编码器进行编码,针对不同类型数据,设计出不同的编码算法和相应的上下文算法。对算法进行仿真,并与Winzip、WinRar压缩效率进行比较,结果表明对纯文本数据、Word文档数据、C语言程序代码,图像数据等,该压缩算法优于Winzip;在纯文本数据、Word文档数据、C语言程序代码压缩方面与WinRar相当或者略好,但在图像压缩方面的性能与WinRar相比略有不足。     

基于改进CDC的实验原始记录匹配算法

针对当前实验室检测报告的生成过程存在时间长和易出现偶然性差错等问题,提出基于栅栏因子的通用实验原始记录文件自动抓取技术．先通过计算文件整体hash值准确过滤当日已读取文件,再使用改进的内容可变长度分块（content-defined chunking,CDC）算法进行文本分块．该CDC算法改进之处主要体现在：设定滑动窗口下一单位为行与行间距之和的高度以及滑动窗口内字节大小的范围．待文本分块结束后,使用基于数据块索引的字符串匹配算法完成匹配．该字符串匹配算法结合数据块索引表构建模式串与数据块的映射关系,之后由模式串Pn通过数据块索引表快速匹配到相应数据块．使用海关实验室的实验原始记录文件进行测试,实验证明,该算法的内存占用量少且分块吞吐量更大．     

基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

非线性分形图像压缩编码的优化

从减少搜索匹配块的数目入手,提出了一种旨在降低分形编码的复杂度,缩短编码时间的分形图像压缩的改进算法.提高了经典分形编码的压缩效率,并且保证获得高质量的重建图像.本算法采用了将方块转换为圆盘的方式来完成值域块与定义域块的匹配,扩充了编码字典.同时,对圆盘匹配中最大旋转角度进行了概率上的最优定位,优化了搜索块的范围,缩短了块的匹配时间.实验结果表明,本算法简单、有效,并具有良好的压缩结果和高质量的重建图像.     

一种冗余字典下的信号稀疏分解新方法

针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法．该算法首先利用多组正交基构造冗余字典,然后采用迭代式分组匹配追踪,每次迭代从字典中选出一组和原始信号或残余最匹配的正交基,采用正交分解快速算法进行正交分解得到少量重要系数,多次迭代后逐渐稀疏逼近原始信号．实验结果表明,基于小波正交基级联冗余字典进行信号稀疏分解时,在同等稀疏条件下,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约30倍,而且可避免过匹配现象．     

改进的Sunday模式匹配算法的设计与实现

针对Sunday模式匹配算法低效率问题,研究了它的改进算法I—Sunday算法．依据模式匹配算法的跳跃思想,I—Sunday算法在遇到坏字符时,不但考虑当前匹配窗口的下一位字符,而且也考虑了下一位字符之后长度为模式串长度的那个字符,这就跳跃了更大的距离．另外,匹配时采用双向并行方式进行匹配．为了验证I—Sunday算法的性能,在同等条件下,在匹配次数和比较的字符个数两方面对I—Sunday算法进行实验．实验结果表明,由于I—Sunday算法能够跳过大量的坏字符,大大地减少匹配次数和字符的比较,从而缩短匹配时间,有效地提高模式匹配速度．     

最佳滑动窗口编码法及其在快速模幂乘中的应用

大数模幂乘是实现RSA、E1Gamal、DSA等公钥算法的基本运算,其运算速度对这些算法的实现起着重要的作用.首先对基于滑动窗口的模乘算法作了部分改进大大减少了空间复杂度;给出了最佳窗口长度的计算方法.然后将改进后的算法推广到模幂运算.通过分析得知,当RSA的加密指数e的长度为512位时,该算法平均只需要做616次大数模乘便可实现A×BemodN运算.最后用滑动窗口法与二进制法、加法链法、Yacobi法等其他模幂乘算法进行了比较,并指出滑动窗口法和Yacobi法是目前最好的模幂乘算法.     

数据流上周期更新滑动窗口的连接算法

根据滑动窗口的更新粒度定义了两类滑动窗口：连续更新滑动窗口和周期更新滑动窗口．由于已有的滑动窗口上的查询处理算法都是针对连续更新滑动窗口提出的,并不适用于周期更新的滑动窗口,因此提出了三种有效的周期更新滑动窗口连接算法,即BSHJ、BSNLJ和BSNHJ算法．理论分析和试验结果表明BSNHJ算法具有最好的性能．     

基于LZW算法的未知恶意代码检测方法

为克服传统方法在特征提取上存在的缺陷,提出一种基于Lempel-Ziv-Welch(LZW)压缩算法的未知恶意代码检测方法.忽略未知恶意代码结构将其看成字符串流,依据事先确定的阈值限制抽取的字符串长度,以实现处理效率和性能间的折衷;将所抽取的字符串按照其类别建立符合统计特性的压缩字典,即正常代码和恶意代码字典;利用2个字典对待测文件进行压缩,得到不同的压缩率,依据最小描述长度原则将其归类为能取得最好压缩率的类别,达到检测未知恶意代码的目的.实验结果表明,基于LZW算法的检测方法对未知恶意代码具有较好的识别效果.     

基于经验数据分解的干涉多光谱图像压缩算法

针对干涉多光谱图像数据的非平稳特性,提出一种经验数据分解的图像压缩算法．经验数据分解利用干涉曲线数据的局部特性和变化规律,将其分解为局部区域数据和值以及差值数据,从而实现对非平稳数据的多分辨率分析．本压缩算法首先利用经验数据分解方法去除干涉多光谱图像数据的相关性,并提出对应的二维多级分解结构．最后对分解系数采用改进的EBCOT算法进行编码．实验结果表明,与JPEG2000标准相比,本算法在无损压缩时输出码率平均下降0.15比特／像素,而有损压缩的重建图像质量提高1.1~2.5dB,同时降低恢复光谱的相对二次误差,有效的保护了光谱信息．     

基于自适应边缘保持算法的图像插值

为了较好地保持图像的边缘信息,提出一种新的基于线性预测模型的边缘保持算法．该方法根据低分辨图像和高分辨图像之间的几何对偶特性(即图像的边缘在不同分辨率下具有不变性),用低分辨线性预测模型取代高分辨线性预测模型,以此来计算最优插值系数向量．通过具体的例子验证了该模型边缘保持的有效性．实验结果表明,该方法具有较好的自适应性、边缘保持特性和较低的计算复杂度．     

改进导向滤波器立体匹配算法

针对基于滤波器的立体匹配算法精度不高以及易受外界环境影响的问题,提出基于改进导向滤波器的立体匹配算法.在传统梯度向量中加入经过预处理后图像的梯度信息,结合Census变换计算匹配代价.构建自适应窗口,采用改进的导向滤波器聚合匹配代价;经过视差处理获得高精度的视差图,在低纹理区域能取得较好的匹配结果.实验结果表明,相比其他基于滤波器的立体匹配算法,该算法在Middlebury和KITTI平台上的测试结果具有更高的精度;对光照失真条件具有更好的鲁棒性,能应用于室外场合;计算复杂度与匹配窗口大小无关,具有较好的实时性.     

一种有效的片上系统测试数据压缩算法

测试数据的规模和容量直接影响了片上系统的测试成本,故提出了一种测试数据编码的压缩算法——MinComp．该方法采用不等间距的编码方式,根据测试数据中游程长度的统计分布情况来调整各组数据的大小,从而提高测试数据的压缩率,降低了测试成本．为了使编码算法对应的解码电路的硬件开销最小化,该算法还引入了前后缀标识位的概念,这样可减小解码电路的规模和复杂度．对ISCAS89 benchmark电路的实验结果表明,采用MinComp编码方式的压缩效率要比Golomb等编码方法好,而且实现方式简单．     

一种低复杂度的多用户MIMO THP排序算法

Tomlinson-Harashima预编码算法是一种有效的多用户多输入多输出下行链路算法,但是它的性能严重依赖于预编码符号的顺序．为了有效地衡量Tomlinson-Harashima预编码排序算法的性能,定义了一种排序增益因子．在此基础上为了最大化排序增益,提出了一种基于近似等对角QR分解的低复杂度Tomlinson-Harashima预编码排序算法．该算法通过对信道矩阵的行向量排序,使信道分解后的三角阵具有近似相等的对角元素值,改善了排序性能．仿真表明,与优化的Tomlinson-Harashima预编码排序算法相比,该算法大大降低了计算复杂度,而误码率性能几乎没有损失．     

快速的多模式匹配算法

在基于有限状态自动机的多模式匹配算法(DFSA算法)基础上,结合Tuned BM算法的优点,提出一个快速的多模式字符串匹配算法,实现了多模式匹配过程中不匹配字符的连续跳跃.在此基础上进一步改进,得到一个最差时间复杂度为线性的匹配算法.分析指出算法实际比较的字符数随着模式串长度的增加而下降,并随模式集的增大有所增多.实验表明,在模式串较短时,算法需要的匹配时间仅为AC算法的1/2到1/3,AQR算法的9/10左右;在模式串较长时,所需时间为AC算法的1/4至1/8,AQR算法的3/4左右.     

改进的地图匹配算法在车载导航系统中的应用

介绍了目前常用的几种地图匹配算法的特性,在分析了各种地图匹配算法的基础上,给出了一种改进的自适应滑动窗口的地图匹配算法,有效解决了地图匹配计算量大、对行车位置反应敏感等问题。在实际车载导航系统中的应用表明,该算法可以满足实时应用需求。     

用于立体图像编码的自适应块匹配视差估计算法

提出了一种新的自适应块匹配视差估计算法,对图像用固定尺寸分块并做视差估计,利用对应块之间的亮度估计误差判断是否进行自适应的块匹配估计．在自适应块匹配算法中使用亮度估计误差的方差来控制匹配窗口的大小和形状,得到最优的匹配窗口．用这个窗口重新进行视差估计,得到最后的视差矢量．实验证明,该算法的估计误差小于传统的固定尺寸块匹配算法,效率优于一些用于立体图像分析的自适应块匹配算法,是一种简单、实用、适合编码系统使用的视差估计算法．     

基于深度卷积特征与LLC编码的现勘图像分类

为了改善低层特征对图像内容描述不够精确而导致现勘图像分类准确率低的问题,提出一种利用深度学习特征的改进局部约束线性编码(local-constrained linear coding,LLC)算法。采用滑动窗口法提取图像密集卷积神经网络(convolutional neural networks,CNN)特征;利用近似LLC算法对提取的密集CNN特征进行快速编码和最大池化,并采用多尺度空间金字塔匹配产生包含空间位置信息的稀疏编码特征。最后,利用支持向量机对现勘图像进行分类从而得到高效的图像特征。对比实验结果表明,该算法的分类准确率较高。