一、基于小波包分解的复杂图像压缩(论文文献综述)
伍子锴[1](2019)在《基于小波及分形码去噪算法的研究》文中认为图像在存储和传输过程中,通常会受到不同的噪声干扰,从而导致图像的失真模糊现象。为了从受噪声污染的图像中获得有价值的信息并且改善图像的质量,就必须对含噪图像进行去噪处理,而含噪图像的去噪效果将会直接影响到图像后续处理的结果。本文主要是对小波包、偏微分方程及分形码图像去噪入手进行深入研究,对多种方法进行改进和相互结合,提出了新的去噪方法。结果表明,新方法很好的保留完整细节和边缘信息,有效的去除噪声。主要工作内容包括以下几方面:1.详细分析图像去噪的国内外研究现状、研究背景和意义,对基于小波、偏微分方程和分形图像编码的图像去噪算法进行了分析和研究。2.深入研究小波包以及偏微分方程的原理,针对大部分偏微分方程去噪算法去噪后边缘纹理信息容易被磨光,尤其是图像的灰度渐变区和图像淡边缘,不能有效地鉴别而被破坏的问题,利用小波包更加精细的信号分解能力和偏微分方程控制梯度变化的优异性能,提出一种新的小波包与偏微分方程相结合的图像去噪算法,用以保护边缘纹理等细节信息,同时兼顾去噪性能。3.深入研究基于分形码的图像去噪,并提出了一种有效的基于分形的图像去噪方法,分层分类用于提高编码速度,并避免大量无效的均方误差(Mean Square Error,MSE)计算。使用动态定义域块和值域块大小的基于四叉树的图像分区用于增加噪声消除的程度。使用非任意种子图像和附加的后处理来实现进一步的去噪。
何永洋[2](2018)在《基于离散小波变换的图像压缩感知编码技术研究》文中研究表明压缩感知(Compressed Sensing,CS)理论突破了奈奎斯特采样定理的限制,可以在对信号进行采样的同时完成对信号的压缩,并被应用于图像编码领域。本文对图像压缩感知编码算法的构造稀疏矢量和测量矩阵等方面进行了研究,提出了三种不同的编码算法,主要创新点如下:(1)提出了一种图像多级小波全子带压缩感知编码算法。在编码端,对进行多级小波变换的图像,构造使用小波变换全子带系数的稀疏矢量,即使用一个低频系数,一个最高层高频子带及其所有子孙系数来构造稀疏矢量,根据高频子带对重建图像的不同重要性来设计权值矩阵,改进测量矩阵,进而对稀疏矢量进行压缩观测;在解码端,提取重建的稀疏矢量的第一个系数进行均值处理得到低频子带,再与还原的高频子带进行多级小波反变换后得到重建图像。(2)提出了一种基于局部重要性的分块小波变换压缩感知编码算法。该算法将图像块方差与纹理的相关性和人的感兴趣区域(ROI)作为局部重要性的参数。在编码端,对图像进行相同大小的不重叠分块后,按照方差大小和ROI将图像块分为k类,并结合图像总体要求设置测量率为k个;对图像块进行小波变换,保留低频子带,将高频子带堆叠为一维稀疏矢量,按照该块所属图像块类别选择对应的测量率进行压缩观测;在解码端,重建高频子带,并与低频子带一起进行小波反变换得到图像块,最后将所有图像块合并得到重建图像。(3)提出了一种基于小波包分解的全子带压缩感知编码算法。该算法使用小波包分解对图像进行稀疏表示,同时完成分块。在编码端,对图像进行小波包分解,构造使用小波包分解全子带系数的稀疏矢量,即由全部子带位于同一位置的系数来构造稀疏矢量,计算每个子带的能量作为该子带的权值,并将所有子带权值堆叠为权值矩阵,用于改进测量矩阵,进而对构造的稀疏矢量进行压缩观测;在解码端,重建稀疏矢量,并还原到小波包系数矩阵中,最后对系数矩阵进行小波包重构得到重建图像。为了验证以上所提到的三个算法性能,本文进行了详细的算法仿真以及结果分析。结果表明本文所提出的三个算法均具有很好的主观视觉效果和PSNR。本文最后总结了全文的工作,分析了三个算法进一步改进之处,以及以后的研究方向。
李哲洙[3](2018)在《面向航空液压管理系统健康管理的关键测试与数据处理技术研究》文中进行了进一步梳理长期以来,航空液压管路系统在高压力脉动冲击和强机体基础激励下工作,容易导致管路系统产生破坏失效,影响正常飞行工作。目前国内尚未建立面向航空液压管路PHM系统,因此,突破航空液压管路系统关键数据的测量技术,对管路系统关键测试数据进行处理分析,获得蕴含在振动信号中反映管路系统运行状态的特征参数,识别和预测其运行状态的变化,并在事故发生之前及时做出诊断,对于航空液压管路系统的安全运行和维护具有重要的意义和工程应用价值。航空液压管路健康管理系统PHM(prognostics and health management system)系统,是指利用传感器采集的各种数据信息,借助各种数据处理法来评估系统自身的健康状态,在管路系统故障发生前对其故障进行预测,并结合可利用的资源信息提供一系列的维修保障措施。航空液压管路系统健康管理是目前我国航空是一项重要的研究任务,已经列入我国民机重大专项。本文在与中航工业动力所合作的企业研制项目支持下,初步开展了前期预研和关键技术攻关等工作。针对航空液压管路PHM系统在复杂工况下关键测试数据进行有效处理的迫切需求,开展面向航空液压管路系统健康管理的光纤光栅传感测量等关键测试技术研究,以及时频分析技术和非线性变换技术研究为主的数据处理技术研究。以光纤光栅传感和解调理论,小波分析和小波包分解理论,希尔伯特-黄变换理论(HHT)以及非线性动力学和混沌理论、非线性变换技术为基础,获得管路系统动态应变的光纤光栅传感器的安装与布置,温度解耦,波长解调等关键测试技术,实现了管路系统固有特性测量以及试车状态下的动态性能测量;对不同压力状态及其变化过程中的航空液压管路系统振动非平稳信号的小波分析,小波包分解,HHT,相空间重构及其非线性定性分析,掌握了泵源压力脉动激励以及飞机机体基础激励下的液压管路系统的复杂振动行为,所取得的创新性工作如下。1、提出了基于光纤光栅传感的航空液压管路分布式测试技术,实现了液压管路系统故障的定位和判定。通过采用光纤光栅传感和传统电测技术对比测试某型航空发动机液压管路系统的振动特性,从而验证了光纤光栅测量技术在航空液压管路系统PHM的准确性、可行性和先进性。2、提出了不同压力状态下航空液压管路振动信号的时频分析技术。基于小波包分解和HHT分析技术,获得管路在电磁阀切换导致压力突变时的瞬时振动特性,从而克服了传统傅里叶变换技术无法得到的瞬时频率信息,为分析航空液压管路压力突变时非平稳振动分析提供一种新技术。3、提出了不同压力状态下航空液压管路振动信号的非线性定性分析技术,发现了随着液压管路系统压力增加,管路系统由周期、准周期运动变为混沌特征。管路振动信号的复杂度随着系统压力的增加呈先减小后增大的趋势,从而有效的实现航空液压管路系统非线性特性的定性识别。4、提出了基于非线性定量分析技术实现了不同压力下航空液压管路振动信号的非线性预测。基于关联维数、最大Lyapunov指数和代替数据法等非线性参数的估算方法,能够应更加准确的提取管路系统运行特征和识别运行状态,为航空液压管路系统状态监测和实时诊断提供新思路。
唐国维,张岩,李井辉,慕林洹[4](2016)在《基于分形维的小波包EBCOT岩心图像压缩》文中研究表明岩心图像作为石油地质分析和地球物理勘探的重要信息来源,数据量巨大、纹理信息丰富且对比度较弱。提出一种基于分形维的小波包EBCOT岩心图像压缩方法。对岩心图像进行完全小波包分解,以分形维作为代价函数,并以差分计盒法计算每个子带节点的分形维数。通过比较父节点和子节点分形维数值实现剪支以获取最优小波包分解,结合EBCOT算法对岩心图像进行压缩处理。实验结果表明,所提算法的重构图像的PSNR与SSIM值均高于基于熵的小波包压缩算法和JPEG2000算法。
谢力,王忠[5](2015)在《基于小波包变换的图像压缩算法研究》文中认为在图像压缩技术中,针对图像的压缩比与图像质量不能同时最优化的情况下,提出结合小波包变换和奇异值分解的图像改进压缩算法,并给出具体的处理流程。通过图像仿真,发现该算法性能良好,在保证重建质量的条件下,可以有效提高图像峰值信噪比和压缩比,优于单独利用奇异值分解的图像压缩算法和小波包变换的图像压缩算法。
刘俊杰[6](2014)在《视觉测量图像无损ROI编码技术的研究》文中研究说明在大尺寸精密测量过程中,视觉测量图像是测量系统能够获得的唯一已知量,直接决定着测量结果,但是海量的视觉测量图像数据的存储和传输却成为阻碍测量系统全面自动化的难点问题,同时视觉测量图像所独有的应用特性也给图像压缩编码技术提出了新的要求。本文关于视觉测量图像无损ROI编码技术进行了详细的研究,其主要研究内容如下:1.在深入分析了目前较成熟的视觉测量系统和图像ROI编码理论的基础上,结合视觉测量图像的应用特性分析,提出了视觉测量图像无损ROI编码方案和编码过程中的注意事项及难点问题,并制定了适合于视觉测量图像压缩编码算法的评价标准体系。2.通过对各类图像ROI提取方法分析和研究,总结了在视觉测量图像ROI提取过程中应注意的问题,并建立了系统的视觉测量图像ROI提取以及ROI特征点提取的方法。3.重点研究了基于小波变换的视觉测量图像无损ROI编码方案,提出的划分区域编码的思想使得编码方案适用于任意尺寸的视觉测量图像,增加了算法的普适性;改进的无链表MNLS算法不仅有效的节省了原SPIHT编码算法3个链表的内存空间,而且更好地利用了兄弟节点的相关性,提高了编码效率;ROI系数符号的编码和“0”串码流的处理方式在ROI区域无损编码过程中大量的减少了码流的开支;只编码背景区域几个有效位平面的背景区域有损编码方法在保证背景信息基本可观的同时,提高了整体的压缩比。4.重点研究了基于小波包变换的视觉测量图像编码方法,全面分析和总结了视觉测量图像小波包系数的特性,提出了适合于视觉测量图像的最优小波包基选择准则;针对视觉测量图像小波包系数编码过程中的父子节点间冲突的问题,提出了基于小波包变换的交换位置编码方法,其编码效果与基于小波变换的效果相近,但编码时间较长,因此为了进一步提高编码效率,本文提出了基于小波包变换的Multi-SPIHT编码方法,该方法将多个空间方向树并行处理,在保证编码质量和压缩比的同时节省了近2/3的编码时间。5.在大型三维控制场中对本文提出的基于小波包变换视觉测量图像无损ROI的Multi-SPIHT编码算法从测量精度的实验、压缩比和编码时间的实验以及与V-STARS系统的比对实验等方面进行验证,实验结果证明了本文算法的可行性、有效性和准确性。
罗孟儒,周四望[7](2013)在《自适应小波包图像压缩感知方法》文中提出该文提出一种自适应小波包图像压缩感知方法。该方法选用小波包变换分解图像,基于数学期望和信息熵分析各个小波包系数块的属性,自适应地将其划分为低频信号、无价值信号、特殊处理信号和压缩感知处理信号等4种信号类型,再针对不同的信号类型设计对应的处理方法,适应不同特征的图像。通过此种方法,在图像压缩感知过程中,可以根据不同图像和小波包系数块自适应地选取采样值,来提高压缩感知质量。实验结果表明该文提出的自适应小波包图像压缩感知方法在相同采样值的前提下,不仅提高了图像的重构质量,同时也降低了算法的计算复杂度和所需存储空间。
张岩,聂永丹,唐国维[8](2012)在《基于小波包变换的岩心图像压缩算法研究》文中研究表明由于特殊的地质环境和复杂的地质变迁,岩心图像普遍具有纹理丰富,边缘复杂的特点,较自然图像有很大差别。岩心图像采集过程中如果采用目前通用的压缩算法,会导致在低比特率下图像失真严重,不利于分析和识别。本文提出基于小波包的岩心图像压缩算法,首先采用基于熵的最优基选择算法对岩心图像进行小波包分解,在分解后的小波包子带结构上选择最优的码块尺寸采用JPEG2000编码。实验结果表明该算法获得的PSNR高于标准JPEG2000算法,并且纹理区域具有更好的主观视觉效果。
杨淑丹[9](2011)在《小波图像压缩编码算法的研究》文中认为课题来源于国家自然科学基金项目60702049。随着新一代静态图像压缩标准JPEG 2000的出台,小波变换在图像压缩上获得了成功应用,得到越来越多研究者的关注。以小波变换为基础的JPEG 2000图像编码标准,不仅在压缩比上比JPEG提高近30%,还具有小波变换带来的多分辨率性和可扩展性等。尽管小波变换很大程度上改善了压缩编码性能,但是仍然有很多有待研究和改进的方面。本文在研究小波变换的特性以及典型的小波编码技术的基础上,旨在利用小波包变换,改进小波分解的方式,提高编码效率的方法。为此,本文首先研究了小波变换在图像压缩中的特点和优势,深入分析了小波变换的时频定位、窗口自适应性、多分辨率分解、能量集中性等特性,并对三种典型的小波编码算法进行了比较,包括嵌入式零树编码EZW、等级树中的集合分裂算法SPIHT和JPEG 2000中的带有优化截断点的嵌入式块编码EBCOT。基于上述研究,本文设计了JPEG 2000的小波包变换方法,以估计的熵编码量为改进的代价函数,采用自顶向下的最佳小波基搜索方式,并加以一定的分解深度的限制;随后,在JPEG 2000编解码器上实现了改进的小波包变换,并测试了改进算法的PSNR和编解码时间;最后,为了进一步改进算法的PSNR,从小波变换的滤波器增益的角度上优化了小波系数,实验结果表明,优化的方法能提高PSNR和主观重构质量。
崔文竹[10](2010)在《半调图像的有损压缩算法研究》文中研究说明半调图像被广泛用于连续色调图像的打印、印刷和显示,为节约图像存储容量和传输时间,以实现快速传输和实时处理,就要减少表示图像的数据量,并且要求解码图像有较好的质量。因此,有必要对半调图像进行压缩。现有半调图像压缩算法较少考虑半调图像特性,有序抖动半调图像呈现周期块状纹理,因此结合矢量量化分块编码的思想对有序抖动半调图像进行有损压缩。但原有矢量量化初始码书算法存在非典型码字、运算量大和空间分布不均匀等欠缺,本文给出一种能在训练集中均匀分布的初始码书生成方法,应用到LBG算法中,并结合无损压缩方法,进行二次压缩。实验表明,新方法压缩比高、实现简单,且解码后图像视觉效果得到明显改善。图像的小波变换以反复分解低频分量的方式进行,半调图像中的细节信息多分布在中、高频段。直接运用传统的小波变换会丢弃半调图像的细节信息,因此考虑对半调图像进行小波包变换压缩编码,重点对常用小波包系数的扫描方式和阈值函数的选取进行了改进,以提高压缩效率。通过实验确定小波包分解层数和小波包函数。仿真实验表明,该算法压缩效果较好。
二、基于小波包分解的复杂图像压缩(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波包分解的复杂图像压缩(论文提纲范文)
(1)基于小波及分形码去噪算法的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 图像去噪技术的研究现状 |
1.3 本文的主要安排 |
第二章 图像去噪技术的相关理论 |
2.1 小波变换 |
2.1.1 理论概述 |
2.1.2 阈值去噪 |
2.2 偏微分方程 |
2.2.1 基于PM模型的图像去噪 |
2.2.2 基于MCD模型的图像去噪 |
2.3 分形码理论 |
2.3.1 分形编码 |
2.3.2 分形解码 |
2.4 本章小结 |
第三章 小波包与偏微分方程相结合的图像去噪算法 |
3.1 PM模型与MCD模型相结合的去噪模型 |
3.2 新去噪模型的提出 |
3.3 实验结果与分析 |
3.4 本章小结 |
第四章 基于分形码的图像去噪算法 |
4.1 算法实现 |
4.1.1 层次化分类 |
4.1.2 四叉树分块 |
4.2 合理性分析 |
4.3 实验结果与分析 |
4.4 本章小结 |
第五章 结论与展望 |
5.1 研究总结 |
5.2 工作展望 |
参考文献 |
硕士学位期间发表论文 |
(2)基于离散小波变换的图像压缩感知编码技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 国内外研究现状 |
1.3 本文的创新点及工作安排 |
第二章 压缩感知理论综述 |
2.1 概述 |
2.2 压缩感知理论框架 |
2.2.1 传统的信号采样与压缩 |
2.2.2 压缩感知理论框架 |
2.3 压缩感知关键技术 |
2.3.1 信号的稀疏性 |
2.3.2 测量矩阵 |
2.3.3 信号重构 |
2.4 图像分块压缩感知 |
2.5 本文研究的意义 |
2.6 本章小结 |
第三章 图像多级小波全子带压缩感知编码算法研究 |
3.1 概述 |
3.2 小波变换压缩感知原理 |
3.2.1 小波变换基础知识 |
3.2.2 小波变换分析 |
3.2.3 多分辨率分析与Mallat算法 |
3.2.4 图像小波变换CS编码分析 |
3.3 构造稀疏矢量和改进测量矩阵 |
3.3.1 小波系数分析 |
3.3.2 构造稀疏矢量 |
3.3.3 改进测量矩阵 |
3.4 算法流程及分析 |
3.4.1 算法流程 |
3.4.2 编码端 |
3.4.3 解码端 |
3.5 本章小结 |
第四章 基于局部重要性的分块小波变换压缩感知编码算法研究 |
4.1 概述 |
4.2 传统图像BCS算法分析 |
4.3 基于局部重要性的图像小波变换压缩感知编码算法 |
4.3.1 图像块方差分类 |
4.3.2 图像感兴趣区域(ROI) |
4.3.3 基于局部重要性的压缩感知 |
4.4 算法流程及分析 |
4.4.1 算法流程 |
4.4.2 编码端 |
4.4.3 解码端 |
4.5 本章小结 |
第五章 基于小波包分解的全子带压缩感知编码算法研究 |
5.1 概述 |
5.2 小波包分解压缩感知原理 |
5.2.1 小波包分解概述 |
5.2.2 小波包分解分析 |
5.2.3 图像小波包分解 |
5.2.4 基于小波包分解的压缩感知编码 |
5.3 构造稀疏矢量和改进测量矩阵 |
5.3.1 构造稀疏矢量 |
5.3.2 设计权值矩阵 |
5.3.3 改进测量矩阵 |
5.4 算法流程及分析 |
5.4.1 算法流程 |
5.4.2 编码端 |
5.4.3 解码端 |
5.5 本章小结 |
第六章 实验结果与分析 |
6.1 实验平台以及图像质量评价标准 |
6.1.1 实验平台 |
6.1.2 图像质量评价标准 |
6.2 图像多级小波全子带压缩感知编码算法的仿真实验 |
6.2.1 实验设计 |
6.2.2 实验仿真结果 |
6.2.3 实验结果分析 |
6.3 基于局部重要性的分块小波变换压缩感知编码算法的仿真实验 |
6.3.1 实验设计 |
6.3.2 实验仿真结果 |
6.3.3 实验结果分析 |
6.4 基于小波包分解的全子带压缩感知编码算法的仿真实验 |
6.4.1 实验设计 |
6.4.2 实验仿真结果 |
6.4.3 实验结果分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
附录1 攻读硕士学位期间申请的专利 |
致谢 |
(3)面向航空液压管理系统健康管理的关键测试与数据处理技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 航空液压管路系统结构特点 |
1.3 航空液压管路系统PHM |
1.3.1 航空液压管路系统PHM意义 |
1.3.2 航空液压管路系统PHM基本原理 |
1.3.3 航空液压管路系统PHM的框架 |
1.4 国内外研究现状 |
1.4.1 PHM国内外研究现状 |
1.4.2 工程测试技术发展现状 |
1.4.3 数据处理与分析技术发展现状 |
1.5 本文的研究内容 |
1.6 章节安排 |
第2章 基于光纤光栅传感的航空液压管路关键测试技术 |
2.1 光纤光栅传感测量技术特点 |
2.2 光纤光栅的传感测量原理 |
2.2.1 光纤Bragg光栅温度传感特性 |
2.2.2 光纤Bragg光栅应变传感特性 |
2.2.3 光纤Bragg光栅温度-应变交叉敏感 |
2.3 光纤Bragg光栅解调原理 |
2.4 管路系统振动响应的光纤光栅传感测量 |
2.4.1 扫频激励下光纤光栅试验结果对比 |
2.4.2 定频激励下光纤光栅试验结果对比 |
2.4.3 压力脉动激励下管路系统振动响应对比分析 |
2.5 WP6-JIA航空发动机液压管路振动的光纤光栅在线测试 |
2.6 MA60飞机地面开车状态下的液压管路的对比测试 |
2.7 基于光纤光栅的液压管路系统状态监测与故障诊断 |
2.7.1 卡箍松动故障的定位 |
2.7.2 管体碰撞故障定位 |
2.8 本章小结 |
第3章 航空液压管路振动信号的小波分析与小波包分解 |
3.1 小波变换与小波包分解基本理论 |
3.1.1 小波变换原理 |
3.1.2 小波变换的多分辨性 |
3.1.3 小波分析与小波包分解 |
3.1.4 小波包分解频带能量监测原理 |
3.2 不同压力状态下航空液压管路振动试验分析 |
3.2.1 压力脉动试验系统 |
3.2.2 不同压力状态下液压管路的FFT分析 |
3.3 不同压力状态下航空液压管路振动信号小波分析 |
3.4 不同压力状态下液压管路系统信号的小波包分解 |
3.4.1 分析步骤 |
3.4.2 分析结果 |
3.5 本章小结 |
第4章 压力突变状态下航空液压管路系统振动信号的HHT特性分析 |
4.1 引言 |
4.2 HHT与EMD的理论 |
4.2.1 瞬时频率 |
4.2.2 固有模态 |
4.2.3 EMD分解 |
4.2.4 EMD计算流程与算法 |
4.3 不同压力状态下航空液压管路振动信号HHT分析 |
4.3.1 5MPa压力状态下HHT分析 |
4.3.2 10MPa压力状态下HHT分析 |
4.3.3 15MPa压力状态下HHT分析 |
4.3.4 21MPa压力状态下HHT分析 |
4.4 压力突变状态下航空液压管路振动信号HHT分析 |
4.4.1 电磁阀开启瞬间冲击 |
4.4.2 电磁阀关闭瞬间冲击 |
4.5 本章小结 |
第5章 航空液压管路系统振动信号的非线性定性与定量分析 |
5.1 引言 |
5.2 不同压力状态下航空液压管路信号的非线性定性分析 |
5.2.1 庞加莱(Poincare)截面法 |
5.2.2 不同压力状态下航空液压管路系统信号的散点图 |
5.2.3 不同压力状态下航空液压管路系统信号的近似熵 |
5.2.4 不同压力状态下航空液压管路系统信号的复杂度 |
5.3 不同压力状态下航空液压管路振动信号关联维数的估算 |
5.3.1 嵌入空间构筑 |
5.3.2 关联积分 |
5.3.3 关联维数 |
5.3.4 重要参数讨论 |
5.3.5 不同压力下航空液压管路出油管口振动信号的非线性参数分析 |
5.4 基于最大Lyapunov指数的航空液压管路系统信号非线性定量分析 |
5.5 基于代替数据的航空液压管路系统信号的混沌识别算法 |
5.5.1 时间序列一步预测误差的统计量的计算 |
5.5.2 代替数据集的生成 |
5.5.3 假设检验 |
5.5.4 算法流程及校验 |
5.5.5 不同压力状态下航空液压管路系统信号的混沌识别结果与比较 |
5.6 本章小结 |
第6章 航空液压管路PHM数据采集与分析系统设计与实现 |
6.1 系统总体设计方案 |
6.2 硬件系统设计 |
6.2.1 传感器的选取 |
6.2.2 数据采集模块设计 |
6.3 软件系统设计 |
6.3.1 系统的设计方法及原则 |
6.3.2 系统功能模块及实现 |
6.4 系统验证 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 论文结论 |
7.2 工作展望 |
参考文献 |
致谢 |
攻读博士学位期间发表的论文和科研成果 |
作者简介 |
(4)基于分形维的小波包EBCOT岩心图像压缩(论文提纲范文)
1 引言 |
2 小波与小波包分解 |
3 基于分形维数的最优小波包基选取 |
3.1 分形维数 |
3.2 岩心图像分形维数的计算 |
3.3 最优小波包基选取 |
4 基于EBCOT的岩心图像压缩 |
5 实验数据分析与比较 |
结束语 |
(5)基于小波包变换的图像压缩算法研究(论文提纲范文)
1 基于小波包分解的图像压缩 |
1.1 小波包变换 (Wavelet Packet Transform, WPT) |
1.2 代价函数 |
1.3 最优基的快速搜索 |
1.4 小波包图像压缩算法的基本步骤 |
1.5 算法实验与结果 |
2 奇异值分解 |
2.1 奇异值分解 (SVD:Singular Value Decomposition) |
2.2 图像奇异值分解的压缩方法 |
3 基于SVD与WPT的图像压缩算法 |
4 结论 |
(6)视觉测量图像无损ROI编码技术的研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 视觉测量图像特性分析 |
1.2.1 视觉测量图像的形成 |
1.2.2 视觉测量图像的统计特征 |
1.3 ROI 编码概述 |
1.3.1 ROI 的定义和特点 |
1.3.2 ROI 编码现状 |
1.4 视觉测量图像无损 ROI 编码总体方案 |
1.5 视觉测量图像无损 ROI 编码的难点问题 |
1.6 本文的主要内容及结构安排 |
第二章 视觉测量图像 ROI 编码理论基础 |
2.1 图像压缩中的小波变换 |
2.1.1 图像的小波分解 |
2.1.2 小波基的选择和评估 |
2.1.3 提升小波变换 |
2.2 ROI 编码基础理论 |
2.2.1 ROI 掩模的标记方法 |
2.2.2 ROI 编码的基础算法 |
2.3 图像压缩算法的评价标准 |
2.3.1 常用压缩算法的评价标准 |
2.3.2 视觉测量图像压缩算法的评价标准 |
2.4 本章小结 |
第三章 视觉测量图像 ROI 提取方法的研究 |
3.1 ROI 提取方法研究现状 |
3.2 视觉测量图像 ROI 提取的难点及注意事项 |
3.3 视觉测量图像压缩过程中 ROI 提取方法 |
3.3.1 预处理过程 |
3.3.2 阈值分割方法 |
3.3.3 边缘膨胀 |
3.3.4 视觉测量图像 ROI 特征点的提取 |
3.4 实验验证 |
3.5 本章小结 |
第四章 基于小波变换的视觉测量图像无损 ROI 编码方法 |
4.1 概述 |
4.2 视觉测量图像编码区域的划分 |
4.3 位平面提升方法的选择 |
4.4 改进的无链表 SPIHT 算法 |
4.4.1 SPIHT 算法的不足 |
4.4.2 MNLS 算法描述 |
4.4.3 MNLS 算法分析 |
4.5 ROI 区域的无损编码 |
4.5.1 主区域 ROI 系数编码 |
4.5.2 副区域内 ROI 像素的编码 |
4.6 背景区域编码 |
4.6.1 主区域背景系数的编码 |
4.6.2 副区域背景部分的编码 |
4.7 编码实现步骤 |
4.8 实验结果与分析 |
4.9 本章小结 |
第五章 基于最优小波包的视觉测量图像压缩方案 |
5.1 引言 |
5.2 图像小波包变换 |
5.2.1 小波包树结构 |
5.2.2 视觉测量图像小波包系数特性分析 |
5.3 最优小波包基的选择方法 |
5.4 视觉测量图像小波包系数编码方法 |
5.4.1 交换位置法 |
5.4.2 Multi-SPIHT 法 |
5.5 实验结果与分析 |
5.6 本章小结 |
第六章 大型三维控制场中视觉测量图像编码算法的实验 |
6.1 实验准备 |
6.2 实验过程 |
6.3 实验结果与分析 |
6.3.1 测量精度实验 |
6.3.2 压缩比实验 |
6.3.3 编码时间实验 |
6.3.4 与 V-STARS 系统比对实验 |
6.4 实验结论 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 前景展望 |
参考文献 |
博士期间发表论文及科研情况说明 |
致谢 |
(8)基于小波包变换的岩心图像压缩算法研究(论文提纲范文)
1 岩心图像小波系数分析 |
2 小波包变换 |
3 基于小波包的岩心编码算法 |
4 实验结果与分析 |
5 结束语 |
(9)小波图像压缩编码算法的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的背景和意义 |
1.2 图像压缩技术的发展 |
1.3 小波图像压缩技术的研究现状 |
1.3.1 小波系数的改进 |
1.3.2 熵编码的改进 |
1.3.3 码流分配的改进 |
1.4 课题主要研究工作 |
1.5 主要研究成果 |
1.6 论文的内容安排 |
第二章 小波图像压缩编码技术 |
2.1 小波变换 |
2.1.1 傅立叶变换 |
2.1.2 窗口傅立叶变换 |
2.1.3 小波变换的定义 |
2.1.4 多分辨率分解 |
2.1.5 二维图像的小波变换 |
2.1.6 小波变换的能量集中性 |
2.2 小波系数量化编码 |
2.3 JPEG 2000编码技术 |
2.3.1 JPEG 2000的特点 |
2.3.2 编解码框架和主要模块 |
2.3.3 预处理 |
2.3.4 小波变换 |
2.3.5 量化 |
2.3.6 EBCOT编码算法 |
2.4 本章小结 |
第三章 构造JPEG 2000中的小波包变换 |
3.1 小波包变换 |
3.1.1 小波包变换的引入 |
3.1.2 小波包变换原理 |
3.2 代价函数 |
3.2.1 基于熵的代价函数 |
3.2.2 基于R-D优化的代价函数 |
3.2.3 基于实际码率的代价函数 |
3.2.4 本文改进的代价函数设计方案 |
3.3 搜索方式 |
3.3.1 向上搜索 |
3.3.2 向下搜索 |
3.3.3 改进的JPEG 2000小波包分解的搜索方式 |
3.4 分解级数 |
3.4.1 小波分解级数对图像质量的影响 |
3.4.2 小波包分解的级数限制 |
3.5 改进的小波包编码框架 |
3.6 算法验证平台的搭建 |
3.6.1 Jasper软件解析 |
3.6.2 C语言与MATLAB的混合编程 |
3.6.3 改进的小波包变换编码器实现框架 |
3.7 本章小结 |
第四章 改进的JPEG 2000小波包变换代价函数 |
4.1 代价函数公式的推导 |
4.1.1 EBCOT编码器分析 |
4.1.2 代价函数的计算公式 |
4.2 概率模型 |
4.2.1 小波系数的统计模型 |
4.2.2 概率模型的验证 |
4.3 条件概率计算方法 |
4.3.1 幅值的条件概率 |
4.3.2 符号的条件概率 |
4.3.3 改进的代价函数 |
4.4 实验结果与分析 |
4.4.1 PSNR性能测试 |
4.4.2 小波包树结构 |
4.4.3 无损压缩长度 |
4.4.4 实验总结 |
4.5 本章小结 |
第五章 JPEG 2000的小波包系数优化 |
5.1 小波分解的系数变化 |
5.1.1 小波变换的滤波器增益 |
5.1.2 量化噪声影响因子 |
5.1.3 量化噪声影响因子的计算 |
5.1.4 小波包分解的增益计算 |
5.2 分解系数优化 |
5.3 实验结果与分析 |
5.3.1 PSNR性能测试 |
5.3.2 重构的图像质量测试 |
5.3.3 编解码时间测试 |
5.3.4 实验总结 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 进一步的研究工作 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(10)半调图像的有损压缩算法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题简介 |
1.2 课题背景及研究意义 |
1.3 论文的研究内容和结构 |
2 典型数字半调方法及图像特征概述 |
2.1 数字半调技术 |
2.2 有序抖动法及其半调图像特性 |
2.3 误差分散法及其半调图像特性 |
3 矢量量化有序抖动半调图像压缩算法 |
3.1 矢量量化 |
3.1.1 矢量量化基本原理 |
3.1.2 LBG算法中初始码书生成方法 |
3.2 矢量量化有序抖动半调图像压缩算法 |
3.2.1 算法设计 |
3.2.2 初始码书的改进 |
3.2.3 码书的训练 |
3.2.4 Huffman编码 |
3.3 算法仿真及实验结果 |
3.3.1 图像压缩质量客观评价 |
3.3.2 实验及结果 |
4 小波包半调图像压缩算法 |
4.1 小波包变换简述 |
4.1.1 双正交小波包 |
4.1.2 双正交小波包的分解与重构算法 |
4.2 基于最优小波包基的压缩算法 |
4.2.1 小波包分解层数和小波包函数的确定 |
4.2.2 最优小波包结构的选择 |
4.2.3 系数扫描方式及阈值方法改进 |
4.2.4 算法实现 |
4.3 实验结果分析及评价 |
4.3.1 小波包压缩图像评价方法 |
4.3.2 算法结果 |
结束语 |
致谢 |
参考文献 |
研究成果 |
四、基于小波包分解的复杂图像压缩(论文参考文献)
- [1]基于小波及分形码去噪算法的研究[D]. 伍子锴. 南京信息工程大学, 2019(04)
- [2]基于离散小波变换的图像压缩感知编码技术研究[D]. 何永洋. 南京邮电大学, 2018(02)
- [3]面向航空液压管理系统健康管理的关键测试与数据处理技术研究[D]. 李哲洙. 东北大学, 2018(01)
- [4]基于分形维的小波包EBCOT岩心图像压缩[J]. 唐国维,张岩,李井辉,慕林洹. 计算机科学, 2016(11)
- [5]基于小波包变换的图像压缩算法研究[J]. 谢力,王忠. 通信与信息技术, 2015(03)
- [6]视觉测量图像无损ROI编码技术的研究[D]. 刘俊杰. 天津大学, 2014(11)
- [7]自适应小波包图像压缩感知方法[J]. 罗孟儒,周四望. 电子与信息学报, 2013(10)
- [8]基于小波包变换的岩心图像压缩算法研究[J]. 张岩,聂永丹,唐国维. 长春理工大学学报(自然科学版), 2012(03)
- [9]小波图像压缩编码算法的研究[D]. 杨淑丹. 北京邮电大学, 2011(10)
- [10]半调图像的有损压缩算法研究[D]. 崔文竹. 西安建筑科技大学, 2010(10)