基于子块典型变量分析的化工过程故障检测

大型化工生产过程包含许多单元,单元内变量之间具有非常强的相关性,针对这一特点,提出一种基于子块典型变量分析(sub-block canonical variate analysis,SB-CVA)的故障检测方法.依据块内变量高度相关、块间变量相关性较小原则将过程建模数据分块,在各个块内分别建立CVA模型,计算T 2和SPE统计量作为故障检测指标.该方法主要优点是能及时检测故障并定位故障发生的单元.对TE过程进行仿真,并与PLS、MB-PLS和CVA方法进行对比,结果验证了该方法的有效性.

基于子块差特征的分形图像压缩编码技术

分形图像压缩编码一直以高压缩比而著称,由于其编码时间较长而饱受诟病,因此改进采用子块差特征的分形图像编码算法。分割后的图像块依照图像显著度分为重要区域块与非重要区域块,并将各类图像块以子块特征排序。设定显著度阈值,当小于设定的阈值,则认为是非重要区域,否则为重要区域;匹配搜索过程中,在同类别的值域块库中进行匹配搜索,搜索满足设定的误差阈值范围码本块。

基于纹理子块的小波变换数字水印算法

提出了一种基于纹理子块的小波变换数字水印算法,该算法能够依据人眼视觉特性,通过水印图像降维、图像子块划分等措施,将随机置乱的数字水印信息嵌入到高频子带的纹理区内,从而高效率地实现局部水印和全局水印之双重目的。实验结果表明:本文提出的数字水印算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克等攻击均具有较好的鲁棒性。

基于子块运动补偿的运动目标检测

鱼眼相机成像视角大,获得信息丰富,在车载应用中具有广阔应用前景.本文提出了一种适用于移动单目鱼眼相机的运动目标检测方法.首先,提出一种子块运动补偿模型补偿图像背景运动,解决了现有运动补偿模型对强视差背景补偿效果不好的问题.其次,在子块运动补偿模型参数求解时,通过引入自车运动参数简化模型参数个数,并结合直接方法求解,避免了传统基于特征点匹配方法求解参数时易受误匹配特征点影响的问题.然后,针对鱼眼相机的成像形变问题,本文提出了一种三平面校正方法获取鱼眼图像的子块运动补偿图像.最后,利用鱼眼图像的子块运动补偿图像和真实拍摄图像的差异信息实现运动目标检测.多种测试场景下的实验结果表明了本文方法的有效性.

一种基于映射图像子块的图像缩小加权平均算法

针对一般缩小算法随着缩小比例降低,图像信息丢失愈发严重的现象,提出了一种基于映射图像子块的图像缩小加权平均算法。首先,根据缩小比例,求出缩小图像中每点映射在原始图像中的子块,然后,根据各子块,加权平均算出缩小图像中每点的像素值,从而达到缩小的目的。缩小后的图像具有较好的完整性,且算法简单、快速有效。实验结果表明,该算法与其他缩小算法相比,在保持图像完整性方面具一定的特点。最后,针对缩小后图像对比度偏低这一现象,提出了一种灰度拉伸的处理方法,并进行了实验对比,取得了较好效果。

基于Bandelets域逐子块阈值的图像去噪

把正交bandelets域经四叉树分割的每一子块系数建模为广义高斯分布,基于Bayesian框架,推导出了自适应逐子块局部阈值的计算公式,找出了其参数分布的最佳范围,提出了图像bandelets域的逐子块阈值去噪算法.由于充分利用了图像的局部统计信息,所提算法对自然图像去噪的视觉效果和评价指标都好于BayesShrink和其它基于阈值的去噪算法.

基于子块的三维网格模型检索

针对三维模型检索中如何准确计算模型间相似性问题,提出用子块局部相似性计算不同模型整体相似性的三维模型检索新方法.把经过线性细分和姿态调整的三维模型分割成不同的子块,构造每个子块的法向量直方图.采用从局部到整体的过程计算任意两个模型的相似度:根据直方图相交函数计算模型对应子块的局部相似性,结合子块点密度及局部相似性,采用改进的相似函数计算得到不同模型的整体相似度.和一些相似的检索算法比较,子块方法可以得到比较好的检索准确率.

一种基于子块图像互相关的虹膜识别方法

虹膜识别是一种新兴的生物特征身份识别方法,在场所或资源的安全控制等方面具有重要的应用价值。该文提出了一种基于子块图像互相关的虹膜识别方法。在特征提取时,把图像划分为许多子块,计算两幅虹膜图像的对应子块间的归一化相关系数,并把最小的几个归一化相关系数去除掉,然后求得剩下的归一化相关系数的均值及方差,作为两幅虹膜图像的联合特征。这能够有效地减小图像强度的局部畸变对虹膜识别的影响。为了实现模式的非线性划分,判别函数采用径向神经网络来构造。最后,进行了小样本实验,实验结果表明,这种基于子块图像互相关的虹膜识别方法是可行的。

基于相似性验证与子块排序的NSST域SAR图像去噪

为了改进传统的非局部变换域合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法不考虑子块关系的缺点,结合相似性验证与子块排序提出一种新的非下采样剪切波(non-subsampled shearlet transform,NSST)域SAR图像去噪算法.构造NSST域SAR图像相似块之间距离的密度分布;利用子块之间的相似性,去除相似性较低的子块;结合子块排序和最优一维滤波对SAR图像进行去噪.实验结果表明,与其他经典去噪算法相比,等效视数平均提升6.92,边缘保持指数更接近1,无参考质量评价指数平均降低2.51,能更好地保持图像边缘和纹理信息,改善图像的视觉效果.

图像子块特征匹配的快速分形编码算法

基于分块迭代函数的全搜索分形图像编码算法,因其编码过程特别耗时而限制了它的诸多应用。为了减少编码时间,通过定义每个range块和domain块的子块特征,根据匹配均方根误差与它的关系,设计出一个限制搜索空间的新算法。一个待编码range块和它的最佳匹配domain块的子块特征应该接近,因此,每个range块的最佳匹配块搜索范围仅限定在与其子块特征接近的domain块邻域内,以达到加快编码过程的目标。14幅图像的仿真结果表明,该算法能够在PSNR降低0.73 d B(其结构相似性SSIM值仅下降0.002)的情况下,平均加快全搜索分形编码算法的编码速度99倍左右,而且也优于其他特征算法。

基于子块特征及其相关模糊特征的手写体汉字识别方法

根据汉字笔划分布特点及拓扑结构的相关性，提出了一种子块及其相关模糊特征的提取方法。该方法使特征向量的信息量增加，特征相对稳定。

基于子块均值的快速块匹配算法

根据积分图像对匹配误差函数进行变形,提出了一种新的局部匹配误差函数———基于子块均值的匹配误差函数。实验表明,基于子块均值的匹配误差函数与完全匹配误差函数相比具有相当的运动估算质量和更快的运动估算速度,与基于子抽样的匹配误差函数相比同时具有更优的运动估算质量和速度。子块划分的恒常性,也保证了基于子块均值的匹配误差函数对于不同的匹配图像所消耗的时间大致相同,非常适合于实时视频压缩等应用。

非均匀光照图像的子块部分重叠对数变换

在非均匀光照下获得的图像往往具有高动态范围。大多数现有的全局对比度增强算法对此种图像效果并不好。一种简化的对数变换公式被提出来解决这一问题,更进一步子块部分重叠方法也被采纳进来实现局部的对比度增强。为了达到优化的目的,两种对比度测度用来寻找优化的变换参数。这些方法合并成一种新的算法POSLT(子块部分重叠的对数变换)。POSLT尽管计算复杂性比较高,但是展示出了良好的性能和可控性。实验结果也显示出了该算法在对比度增强中的局部适应性,有力支持了POSLT。

子块重叠局部直方图均衡算法的优化研究

子块重叠局部直方图均衡算法是一种有效的图像细节增强算法,它将大幅红外图像分解为多个小幅图像,并对每个小幅图像进行单独的直方图增强,然后通过"叠加"等处理,解决不同局部模块直方图增强后的"块效应",提高整体视觉效果。由于要对每一个小幅图像进行单独处理,因此需要完成的运算量大,处理时间长。通过研究子块重叠局部直方图均衡算法的优化处理,来减少算法的处理时间,提高算法的工作效率。

一种基于4×4子块特征的H.264/AVC快速帧内预测算法

最新的视频压缩标准H.264/AVC具有极高的压缩率,但由于其算法极其复杂,编码时间较长,无法达到实时应用的要求。本文针对其中4×4子块预测算法的特点,提出了一种基于子块自身特征的快速预测算法。该算法利用子块自身的特征,同时考虑到实际预测情况,减少每次预测方向的计算量,从而降低了算法的复杂度,提高了压缩速度。实验结果表明,本文提出的算法在码率只有少许增加的情况下,编码速度提高了18.98%,PSNR值基本不变。

基于子块的三维模型检索算法

针对三维模型检索性能较低的问题,提出一种基于子块的三维模型检索算法。首先,对经过预处理的模型进行骨架提取,并记录每个骨架点相应的几何和拓扑结构信息;然后,将骨架划分成多个子块,为每个子块定义一个权值因子;最后,通过比较子块的相似度来计算模型整体的相似度。实验表明,该算法可以得到较好的检索性能。

灰度图像的子块压缩方法

从灰度图像的局部几何特性出发 ,把图像中像素灰度相近或相同的区域当作一个整体处理 ,从而达到图像压缩的目的。计算机仿真实验表明 ,该方法可以获得较高的压缩比和峰值信噪比 ,有效地消除方块效应 ,很好地保持目标细节 ,具有较高的实用价值。

基于子块积分双谱的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于子块积分双谱的空间目标识别算法。该算法首先从空间目标距离像的双谱中提取出子块积分双谱特征;然后应用KL变换进行特征压缩;最后应用模板匹配方法进行分类识别。计算机仿真实验表明,该算法取得了比较好的识别效果。

基于子块划分的关联规则的挖掘

关联规则（AssociationRules）是数据挖掘（DataMining）的重要研究内容。提出了基于分块的关税规则挖掘算法PARM（PartitionbasedAssociationRulesMining），通过把数据集合划分为适当的子块，挖掘子块上的频繁模式，进行合并，求解出数据集合上的关联规则，提高了挖掘的速度。算法PARM可用于分布环境中关联规则的挖掘．实验结果表明算法PARM是有效的。

基于Pivots选择的有效图像块描述子

设计图像块特征表示是计算机视觉领域内的基本研究内容,优秀的图像块特征表示能够有效地提高图像分类、对象识别等相关算法的性能.SIFT(scale-invariant feature transform)和HOG(histogram of oriented gradient)是人为设计图像块特征表示的优秀代表,然而,人为设计图像块特征间的差异往往不能足够理想地反映图像块间的相似性.核描述子(kernel descriptor,简称KD)方法提供了一种新的方式生成图像块特征,在图像块间匹配核函数基础上,应用核主成分分析(kernel principal component analysis,简称KPCA)方法进行特征表示,且在图像分类应用上获得不错的性能.但是,该方法需要利用所有联合基向量去生成核描述子特征,导致算法时间复杂度较高.为了解决这个问题,提出了一种算法生成图像块特征表示,称为有效图像块描述子(efficient patch-level descriptor,简称EPLd).算法建立在不完整Cholesky分解基础上,自动选择少量的标志性图像块以提高算法效率,且利用MMD(maximum mean discrepancy)距离计算图像间的相似性.实验结果表明,该算法在图像/场景分类应用中获得了优秀的性能.