用于图像压缩的小波系数的上下文模型

结合GlicBawls编码方法的线性预测思想和CALIC编码方法通过量化减少上下文个数的思想 ,提出了一种新的用于图像压缩的小波系数的上下文模型。它通过量化当前系数的线性预测值形成上下文 ,进行自适应的算术编码。实验结果表明 ,利用这种模型获得的无损压缩比高于无损的SPIHT和用于JPEG2 0 0 0的无损的EBCOT。另外 ,这种模型充分利用了小波变换的多分辨率性质 ,能以渐近分辨率 (progressiveresolution)方式压缩图片 ,并且它获得的原图片的各个比例尺 (scale)的小图片的压缩比也高于EBCOT。

基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶小波图像降噪方法。首先在傅里叶-域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪。仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象。

物联网环境信息系统智能交互上下文模型研究

上下文模型是构建基于上下文感知的物联网环境下信息系统智能交互的基础课题之一。在以物物交互普遍存在的物联网环境中,节点及其周围环境的信息是主要的上下文。文章研究了物联网环境下智能交互系统的上下文模型,主要分析了物联网环境下信息系统智能交互中上下文含义、分类和形式化描述,并以智能电网中智能储能设备的即插即用场景对模型进行了验证。

基于上下文模型的非抽样小波图像去噪

文章提出了一种新的基于上下文模型的非抽样小波图像去噪方法。与传统正交小波变换不同,非抽样小波在图像分解时不对小波系数进行下采样。分解后的每一个小波系数被模型化为一个广义高斯分布随机变量,应用上下文模型估计每一个小波系数的边缘方差,软阈值函数的构造充分考虑了待阈值化小波系数与其邻域小波系数的相关性,产生空间自适应阈值。通过对加噪图像的实验,可以看出本文方法与其它几种传统去噪方法相比,不仅去噪效果有很大的改进,具有更好的重建视觉效果,而且信噪比也有较为明显的提高。

基于块分割和上下文模型的视频编码算法

树结构的构造适合小波图像编码,但并不适合视频编码,利用熵编码原理,提出了视频图像编码算法,先将每帧的残差补偿到原始序列,并通过块分割编码和上下文模型进行视频编码.研究结果表明:该算法在视觉质量、算法性能和编码效率上要优于传统的视频编码算法.

一种基于三维小波嵌入编码的上下文模型

受EZW、SPIHT、EBCOT模型及3D-EZW、3D-SPIHT、3D-ESCOT模型的启发,综合利用小波系数不同子带间的自相似性、偏序性和同子带内相邻系数的相关性,提出了一种三维小波嵌入编码的上下文模型(3D-OWNER).实验结果表明:利用这种模型获得的PSNR高于3D-ESCOT模型,同时也具有3D-ESCOT模型的优良性质.

矢量空间上下文模型的LMMSE图像去噪算法研究

线性最小均方误差估计LMMSE(wavelet-based multiscale linear minimum mean squareerror estimation)目前是小波去噪领域的热门课题,讨论了矢量空间的最小均方误差估计的新算法,主要考虑图像各层间的关系,将线性MMSE运用到矢量空间,对去噪图像边缘模糊问题有较大改善。

基于时、频域上下文模型的图像压缩算法

结合离散小波变换和基于上下文的自适应算术编码方法,提出了一种基于时、频域上下文预测模型的图像压缩算法.它通过分析在不同子带内的小波系数和同一子带内的小波系数之间的相关性,建立一个时、频域的上下文预测模型,并通过对增加的条件熵的分析,合理地对该模型中的上下文进行量化,得到合适的编码上下文用于自适应的算术编码以降低模型开销.与此同时,这种算法的输出码流是嵌入式的,可以很好的满足渐进式的传输需求.试验结果表明,该算法在各种压缩比下都获得了比JPEG2000要好的压缩效果.

基于上下文模型的小波包图像降噪方法

为有效地去除噪声,针对正交小波变换和传统阈值的不足,提出了一种新的基于上下文模型的小波包图像降噪方法。利用小波包可以同时对图像的低频和高频部分进行分解,在小波包变换里,每一个小波包系数被模型化为一个广义高斯分布随机变量。应用上下文模型估计每一个小波包系数的边缘方差,产生空间自适应阈值。实验结果表明,与传统方法相比,该方法不仅降噪效果明显,而且很好地保留原图信息,具有更好的重建视觉效果。

基于外观模型和上下文模型的圆检测方法

布氏硬度测量方式目前主要是以人工检测的方式为主,这样耗费了大量的人力,同时也不能保证检测的质量。为了在布氏硬度压痕检测中排除人为因素的干扰,提高测量精度,论文首先对目标区域提取局部结构特征,然后利用SVM分类器队列完成对目标外观模型的描述;其次对建立目标空间上下文模型,对目标区域和其周围局部上下文区域的空间关系进行描述,并利用空间上下文模型更新下一帧图像的时空上下文模型,用于目标的持续锁定跟踪;外观模型充分利用了目标信息,时空上下文信息的跟踪充分利用了目标上下文信息,两者互补,相互结合更能实现目标的稳定跟踪。试验结果表明,论文提出的方案能够实现压痕轮廓检测和测量的可重复性和正确性。

普适计算环境中上下文模型的建立

普适计算作为第三代计算方式已经成为科学研究的前沿,上下文作为普适计算中最为重要研究方向之一,对普适计算的研究和发展有着大力地推动作用。就建立普适计算环境上下文模型进行了分析和讨论,对上下文的数据和通信方式也进行了分析,为上下文的实际应用提供一些理论基础准备。

基于空间位置关系改进的物体识别上下文模型

常见的物体识别算法是基于图像局部低维特征的,在图像成像质量较差、分辨率较低情况下存在不确定和歧义性;图像上下文包含了场景信息以及物体之间彼此关联的丰富信息,可作为图像低维特征补充从而有助于提高物体识别率。该文在已有上下文模型基础上,进一步考虑了物体的空间位置关系信息,将图像全局特征、物体同现性关系和空间位置关系信息、局部检测器输出整合到同一个概率框架中,并充分利用树结构图模型高效推理的优势,改进了物体识别性能。最后通过标准图像集进行算法验证测试和对比来说明该文算法的有效性。

异构环境下数字资源个性化服务读者上下文模型研究

数字资源服务已从传统Web环境进入到异构环境(包括终端软硬件环境和网络环境的异构),目前异构环境读者上下文模型研究的成果极为稀少,尚无法满足精准数字资源个性化服务的需求。论文从异构环境视角,研究全面、精准的读者上下文模型构建方法。以异构环境读者上下文为研究对象,从读者上下文模型架构、异构环境读者上下文定义、基于本体的读者上下文建模、异构环境读者上下文获取、读者上下文模型更新五方面,探索构建异构环境读者上下文模型的方法。论文提出的异构环境读者上下文模型在深度和广度上有了较大提升,为数字资源的个性化精准服务提供保障。

基于MGGD和上下文模型的小波域图像去噪

考虑到自然图像小波系数分布的两个统计特性,用多元广义高斯分布(MGGD)模型描述小波系数的统计分布,采用基于上下文模型的自适应协方差矩阵估计,再利用最大后验概率估计原始图像的小波系数。实验表明,该方法在直观视觉上去噪效果明显,在信噪比方面也要优于其他的一些小波去噪方法。

基于卷积神经网络和上下文模型的目标检测

安全问题是全社会共同关注的大事,安防工作是公安业务的一项重要工作,基于公共安全和公安业务的需要,目标检测应用技术的需求日益增长。其中,针对同一幅图像中存在特定空间位置关系的物体的目标检测在公安业务的需求中是频繁的。目标检测,是检测出一幅图像或者一段视频中包括的物体,在公安业务的需求中,我们经常需要识别存在特定空间位置关系的物体比如人和手提包等,本论文针对目标检测的经典算法R-CNN(Region Convolutional Neural Networks)算法的缺点,引入了一个上下文的学习模型,来刻画各类物体之间存在的空间位置关系,用其代替NMS(non-maxima suppression)算法。实验结果表明,对于经常同时出现在一幅图像中并存在特定空间位置关系的物体类别,本文方法的正确率比R-CNN算法有了较明显的提高。

基于小波域尺度间上下文关系模型的动态纹理分割

针对目前对动态纹理图像序列分割过程中没有充分利用图像序列间关系的问题,在此将尺度间上下文关系模型引入到动态纹理分割中。尺度间上下文关系模型可以充分利用小波域中同尺度各子带间以及相邻尺度子带间存在较强的依赖关系,用于提高动态纹理的刻画能力,达到较好的分割结果。文中利用MATLAB对动态纹理进行仿真分析。根据实验仿真结果并对其进行定量分析,结果证明该模型的动态纹理分割的误分割率更低,说明本模型提高了动态纹理分割的效果。

基于非高斯分布和上下文法模型的小波阈值去噪算法

提出了一种新的空间自适应小波阈值去噪算法,该算法是基于非高斯二元分布的贝叶斯统计模型和上下文法模型。非高斯二元分布由两个变元和一个参数组成,能够完全体现小波系数之间相关性,这是广义高斯分布所不能体现的特性。上下文法模型是图像编码技术,用来求取小波系数的方差。试验数据显示该算法不仅在直观视觉上去噪效果明显,而且在信噪比方面也要优于SureShrink、BayesShrink、Wiener2等方法。

移动协作学习的上下文感知模型研究

根据移动协作学习的特点和个性化需求,提出了一种移动协作学习的上下文感知计算模型(M-CCLM),包括上下文信息获取、表达、优化和推理。基于上下文逻辑给出了上下文融合的优化算法和决策行动的贝叶斯推理算法。通过实例说明了模型的应用方法。

动态上下文知识的获取与共享

上下文感知系统需要获取和共享多种上下文知识,不仅包含环境参数的具体取值,也包含对环境状态描述时所用的词汇,也就是概念。上下文知识具有与生俱来的动态性,在设计时难以预知系统可能涉及的上下文信息。而大多数已有的系统缺乏完善的动态上下文知识维护机制,因此不支持上下文感知应用的运行时的扩展。提出一个基于本体的层次化上下文模型,以及基于此模型的动态上下文知识获取与共享框架(DCASI)。框架中按需分散获取机制让各类上下文知识出自最有资格定义它的实体,使得上下文知识充足而又不冗余;双库集中共享机制按共享的不同作用维护两个知识库,有效支持了新上下文知识的定义和发现。原型系统验证了本框架的有效性。

基于上下文和隐类属的小波域马尔可夫随机场SAR图像分割

该文针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像含有大量的乘性斑点噪声的特点,提出了一种小波域隐类属的马尔可夫随机场(Markov Random Field,MRF)图像分割算法来抑制噪声的影响。考虑到小波的聚集性和持续性,该算法重新构造了待分图像小波域模型——以类属为隐状态的混合长拖尾模型,将隐类属的马尔可夫随机场推广到小波域上,并用改进的上下文模型估计尺度间转移概率,最后推导出了新的最大后验(Maximum A Posteriori,MAP)分割公式。仿真结果证明,该算法具有鲁棒性能够有效地抑制噪声对图像的影响,得到准确的分割结果。