【摘 要】
：
根据超光谱图像的特点，本文提出了一种基于三维小波-KL变换的超光谱图像集合分裂嵌入式零块编码算法。该算法采用谱间一维KL变换和空间二维小波变换去相关，集合分裂嵌入式零块编码算法进行比特平面编码，以及基于上下文的自适应算术编码来进一步提高编码性能。为了降低编码复杂度，本文还深入研究了低复杂度KL变换对于超光谱图像压缩编码性能的影响，并给出最优参数选择方案。与其他先进的嵌入式小波变换编码算法相比，实验
【机 构】
：
西安科技大学通信与信息学院,西安 710054 西安理工大学自动化学院,西安 710048
【出 处】
：
2010年全国模式识别学术会议(CCPR2010)
论文部分内容阅读
根据超光谱图像的特点，本文提出了一种基于三维小波-KL变换的超光谱图像集合分裂嵌入式零块编码算法。该算法采用谱间一维KL变换和空间二维小波变换去相关，集合分裂嵌入式零块编码算法进行比特平面编码，以及基于上下文的自适应算术编码来进一步提高编码性能。为了降低编码复杂度，本文还深入研究了低复杂度KL变换对于超光谱图像压缩编码性能的影响，并给出最优参数选择方案。与其他先进的嵌入式小波变换编码算法相比，实验结果表明在各比特率下本文算法具有更优秀的压缩编码性能。
其他文献
建立高效液相色谱法测定乙酰丙酮铱的方法。其最佳色谱条件为C18反相色谱柱(Kromasi1柱,250mm×4.6mm× 5μm);流动相:V(甲醇):V(水)=65:35;流量为1 mL/min;柱温:40℃;检测波长:260 nm;进样量:10μL。线性范围为0.192～0.288 mg/mL,v=0.9992;加样回收率为99.96％;RSD=1.08％(n=6)。本法简单、灵敏、准确,适合对
社保机构在发放养老保险的过程中，为了防止出现养老金冒领的情况，常常会采用人脸认证系统对人员进行认证。以往的人脸认证方法只是单纯地将测试人脸与数据库里指定身份下的训练样本进行比对，计算两者的相似度，并没有考虑相似度在整个训练样本集上的分布情况。本文将稀疏表征(Sparse Representation)的方法应用到人脸认证系统中来，提出了稀疏表征的相似度准则SRS。结合Randomfaces、Eig
本文提出了一种基于CT序列图像的解剖性数字肝脏的半自动重构方法。首先利用算法分割出肝脏、病灶和脏器内管道系统，然后与医生指定“点”交互式划分血管分支，自动确定血管分支支配区域，最后各管道系统与病灶融合得到解剖数字肝脏模型。将该模型用于临床，与术中实际情况进行了比对，结果表明，该数字肝脏模型清晰、直观地展现了肝脏血管、肿瘤三维空间毗邻关系，所计算的肝段体积与实际误差较小，为实现精确的术前评估提供了重
针对数字图像篡改中最常用的模糊操作，实现了一种基于像素线性相关性检测的盲取证算法。在假设模糊操作增强像素与邻域像素的线性相关性的基础上，采用基于阈值的最短距离聚类法检测像素线性相关性，发现模糊操作痕迹，实现数字篡改图像的盲取证。实验表明，该方法能够有效地检测数字篡改图像的模糊操作痕迹，并能对模糊操作的图像局部进行准确定位。
本文介绍了在整体2D-3D医学图像配准基础上的分段配准过程。首先对CT体积数据进行三线性插值，得到各向分辨率相同的体积数据，手动分割CT体积数据，标定x-ray拍片场景，采用光线跟踪方法对各段体积数据进行数字影像重建。然后在二维空间上，利用整体体积数据的投影图像对各分段投影图像缺失进行补齐，插值。对不同位置和方向的各段重建图像，在灰度归一化和直方图规定化的摹础上用正交投影SLNC函数评价其与对应位
颜色和边缘能够强烈引起人类视觉注意，颜色和边缘的重复模式隐藏着非常丰富的视觉信息，它对图像的视觉感知和理解具有非常重要的作用。本文根据共生矩阵和直方图的优点，提出一种仝新的直方图来描述颜色和边缘方向的重复模式，本文称之为二元组直方图。本文实验采用具有15000张自然图片的Corel图像库进行实验，实验结果表明:本文提出的二元组直方图能够描述颜色、纹理和形状特征以及窄间关系，检索性能明显地高于边缘直
图像盲复原是在模糊过程未知的情况下将模糊图像恢复为原始清晰图像的过程。本文对单幅图像进行盲复原，运用图像的一部分经过特殊选择的梯度，用迭代求解的方式计算原图像和点扩展函数。目前的大部分主流图像盲复原方法都需要构造对强边缘的预测，而本方法省去了这一步骤，仅通过对现有图像梯度区域的选择，就可以快速有效地估计点扩展函数;由于此点扩展函数的估计模型是近似良态的，对正则项的要求不高，本文据此设计出了更快速的
本文在MILES算法的基础上，提出了一种利用视觉关键词辞典为特征空间的多示例学习算法，并在示例判定的过程中结合分割实现了目标检测与提取。该方法采用“Bag of WordS”模型，将图像作为多示例包，表示该图像的若干视觉关键词作为包中示例，并把视觉关键诃辞典作为特征空间，通过对包中示例个数统计将其映射到特征空间中，随后采用1-norm SVM来挑选重要特征同时对图像进行分类;对判定为正的图像进行示
Fisher准则经常作为代价函数被用来优化核函数。然而，在许多应用中，即使在核空间，数据集也不是线性可分的，从而使得以此得到的优化核训练的SVM性能不能令人满意。基于此,本文提出了一种集成方法：首先，对样本集在核空间进行聚类划分，然后，构建局部区间上摹于Fisher准则最大化的优化核，并以该优化核训练基于该区间上的SVM。对测试样本，根据其K近邻所属区间，选择相应的基SVM进行加权融合。在标准数据
特征选择可以有效改善分类效率和精度，已有方法通常只评价单个特征，较少评价特征子集。通过对每类数据的每维特征构建特征云,提出了一种度量特征分类能力的方法，并定义了特征互补度来度量单个特征与特征子集之间的关系，继而基于特征分类能力和特征互补度构造了两种特征选择算法Tactic1和Tractic2。通过与前向法、模拟退火和神经网络方法在UCI的六个数据集上的实验比较表明，Tacticl与模拟退火方法精度