一种二维矢量图形的硬件优化渲染算法

提出了一种适用于嵌入式设备的二维矢量图形硬件优化渲染算法。在采用超采样反锯齿模式下,该算法中每个像素点只使用一个方向权重计数器,而并非以往算法中每个像素点使用多个计数器,从而达到节省硬件资源,并大幅减少渲染所需计算量的效果。实验结果表明,和以往算法相比,在8-queen超采样模式和XVGA显示大小下,能节省83%的存储器使用量和65%的存储器访问量,并且能取得较好的反锯齿效果。     

基于粒子群优化算法的小波神经网络

针对粒子群算法具有不易陷入局部极小、收敛速度快等特点,提出了一种基于粒子群的小波神经网络学习算法,优化了小波神经网络中的各个参数,并将该方法应用于函数仿真试验。试验表明,该算法能减少迭代次数、提高收敛精度,是小波网络的有效训练算法。     

一种基于视觉特性的图像质量评价指标

在分析多通道结构、遮掩效应、敏感度带通特性等人类基本视觉特性（HVS）的基础上,提出了一种新的图像质量评价指标的构造方法。指标构造先借助多尺度几何分析（MGA）中的Contourlet变换对图像进行子带分解以此模拟视觉多通道结构特性,然后在各子带中使用一种遮掩效应模型获取失真图像和参考图像之间的视觉误差,最后通过对比度敏感函数（CSF）获取不同子带的视觉误差加权系数,从而获取图像质量评价值。本文在具有5种类型降质图像的LIVE图库进行性能比较实验,结果表明本文所设计指标比峰值信噪比PSNR、结构相似度SSIM算法具有更好的稳定性和主客观评价一致性。      

神经网络在翡翠评估中的应用

翡翠价格影响因子权重的确定方法使得其评估结果具有较强的主观性,神经网络则可以有效地排除主观因素的干扰。构造了一个多影响因子的翡翠评价3层BP网络模型,并对中国地质大学(武汉)学苑珠宝某商家的翡翠戒面样本进行了综合估价。通过该实例表明,应用神经网络评估翡翠的价格具有方便、真实、可靠的特点。     

安徽栏杆金刚石矿物特征及其寄主母岩地球化学特征研究

安徽栏杆金刚石矿位于郯庐断裂带西侧,主要产生在碱性基性岩中,大多为黄色-褐黄色,透明,金刚光泽,立方体与曲面菱形十二面体聚形为主,另有立方体与八面体聚形、八面体与菱形十二面体聚形,粒径大小0.50~0.60mm。激光拉曼光谱的测试结果显示,在1 332cm-1具有典型金刚石峰,且谱形谱峰一致。本区的含金刚石母岩的微量元素特征显示其富集大离子亲石元素(K、Rb、Sr、Th和Ba),高场强元素(Nb、Ta、Zr和Hf)无明显亏损,暗示其形成于大陆板内环境,为地幔低度部分熔融的产物;稀土元素特征表现为轻稀土强烈富集,重稀土相对亏损,暗示了源区富集特征,Eu的负异常则显示岩浆经历了明显的斜长石结晶分异。结合中国东部碱性基性岩的金刚石成因条件及地球化学特征分析认为,本区碱性基性岩具有金刚石成矿地质背景。     

利用相位一致性的图像质量评价方法

各种图像处理建立在有效性地提取图像特征之上,如图像分类、分割和图像质量评价等,因此获取有效的图像特征对于图像处理意义十分重大。不同于在图像灰度的突变点处直接定义图像特征,相位一致性(PC)在傅里叶分量的相位保持高度一致的位置观测图像特征,获得了丰富的特征信息和精确的特征定位,与人类视觉系统(HVS)对图像特征的认知相符。提出了一种新的基于相位一致性特征的图像质量评价方法。该方法使用退化与参考图像的相位一致性在局部区域的相似度来测量图像质量的退化程度;并且考虑到相位一致性是纹理和边缘的反应,而人类视觉系统对纹理丰富的区域较为敏感,利用相位一致的局部最值作为加权值,将局部的相似度结合为单个的图像质量评分值。实验结果表明,提出的图像质量指标具有较好的主客观一致性。尤为重要的是,该指标对图像的亮度和对比度变化不敏感。     

基于多项式运算的无累积误差Loeffler DCT算法

为避免离散余弦变换(DCT)中的乘法操作以及运算过程中的累积误差,提出一种基于多项式运算的Loeffler DCT算法。将传统Loeffler DCT算法的流程分成3个模块:常规数值运算模块、多项式运算模块和结果再生模块;通过多项式运算,DCT算法中涉及到的无理数乘法操作被分解成简单的整数加减及移位运算。分析和实验结果表明,该算法能完全避免乘法操作,且由于无计算累积误差,在图像处理过程中能保证较高的图像质量。     

基于CSF的图像质量评价方法研究

文章中频带结构相似度的权值采用相关系数和频带敏感度的乘积.在LIVE图像库上的实验结果显示,评价全部图像时文章评价模型的各项标准均优于传统的评价模型,其客观评价结果与主观评价结果具有更好的一致性.     

基于特征聚类的稀疏自编码快速算法

稀疏自编码网络在自然语言、图像处理等领域都取得了显著效果.已有的研究表明增加网络提取的特征个数可以优化稀疏自编码网络的处理效果,同时该操作将导致网络训练耗时过长.为尽可能减少网络的训练时间,本文提出了一种基于特征聚类的稀疏自编码快速算法.本算法首先根据K均值聚类最优数确定本质特征的个数,再由网络训练得到本质特征,并通过旋转扭曲增加特征的多样性,使网络处理效果得到提升的同时,减少网络训练耗间.实验在标准的手写体识别数据库MNIST和人脸数据库CMU-PIE上进行,结果表明本文所提算法能在保证网络正确率有所提升的同时,大幅度缩短网络训练耗时.     

一种针对高斯模糊图像的无参质量评价方法

针对模糊图像高频分量的特性,提出了一种针对高斯模糊图像的无参质量评价方法。该方法利用小波变换对模糊图像提取高频分量,在高频分量功率谱上构造评价指标。实验结果表明提出的评价指标优于PSNR和SSIM,其客观评价分数与主观评价分数具有更好的一致性。