一种煤矿井下图像压缩方法

针对煤矿井下视频监控图像数据量大而导致传输、存储困难等问题,提出了一种基于改进压缩感知算法的图像压缩方法。首先采用Coiflet2小波变换原理对采集图像数据进行稀疏化,然后通过测量矩阵对稀疏化的图像数据进行测量,得到测量数据,最后采用正交匹配追踪算法和小波反变换重构图像。实验结果表明,该方法有效压缩了图像大小,且能够很好地还原图像。     

Linux桌面图形序列的压缩与传输

提出了一种基于网格的无损编码方法对Linux桌面图形序列进行压缩和传输；并采用C／S模式实现了将Linux桌面屏幕向Windows平台的传输，其中服务器程序运行于Linux平台，客户程序运行于Windows平台，双方利用Socket进行通信。为了提高数据的传输效率，采用了Huffman算法和RLE算法对网格数据进行压缩和解压。实验结果表明，程序运行可靠，能够满足实际应用的需要。     

逻辑分析仪数据处理软件无损压缩算法研究

在对信号进行分析处理时,经常使用逻辑分析仪设备对被测信号进行采集分析,采集数据将在上位机进行存储;如果直接存储,无疑将占用大量的存储空间,为了解决逻辑分析仪采集数据量大、数据直接存储占用空间大的问题,文章以AMC2511逻辑分析仪和码型发生器为硬件平台,详细研究了数据的各种无损压缩算法,并根据采集数据本身的特点,提出了RLE和LZW算法相结合的设计思路;通过对采集数据进行压缩试验,总结出该算法在获取大的压缩比的同时,缩短了压缩时间。     

用Visual C++实现位图图像的压缩

本文通过对行程编码RLE的算法分析，提出了一种改进的RLE数据结构，提高了位图的压缩比，并将此思想通过Visual C 编程实现了位图图像的压缩。     

RLE改进算法对BMP图像无损压缩的实现

BMP是一种广泛使用的位图图像.RLE是利用统计学实现的一种无损压缩算法,广泛应用于位图图像的压缩中.本文对RLE的原理进行了介绍并试图对其进行一些改进,以期提高对灰度BMP图像的压缩率.     

云环境下资源调度效率优化研究与仿真北大核心CSCD

云环境下资源调度对云服务器的均衡性有着重要作用。由于云环境下资源调度过程中,存在大量的混沌数据,在混沌数据的干扰下,调度过程缺少统一的目标,传统的资源调度算法针对这种有干扰的复杂调度问题,多是通过把调度目标进行多个约束,形成一个动态的调度标准,模型过于复杂,适应性较差。提出改进粒子群算法的混沌数据干扰下的云资源调度方法。建立云资源调度模型,利用粒子群的迭代处理进行云资源调度策略寻优,对粒子的位置和速度的更新方法进行了改进,能够避免混沌数据对云资源调度造成的干扰,将全部调度任务的完成时间作为粒子适应度评价的标准,获得最优调度策略。仿真结果表明,利用改进算法进行混沌数据干扰下的云资源调度任务,系统的均衡度好,效率高,为资源调度效率优化提供了参考。     

利用神经网络的城区机载激光雷达点云分类算法

为了将神经网络应用于城区激光雷达点云数据分类,并针对大规模点云数据训练过程中计算量大、耗时长的问题,改进原有PointNet神经网络,加入了点云邻域特征的提取和分析,提出了一种新的点云分类算法。通过网格化聚类和重采样压缩原始点云数据量,提取多尺度邻域点云数据,利用改进PointNet完成对城区点云数据的分类,并用不同地区数据验证该分类算法。结果表明该算法分类效果良好,分类精度较高;数据训练过程中的计算量减少;能够对城区机载激光雷达数据实现有效分类。     

RLE图像压缩算法优化研究与应用

该文对比了传统的RLE（游程编码）算法,通过对RLE压缩编码的分析,得出RLE压缩算法存在很大的优化空间,并实现了优化后的RLE图像压缩算法,且着重介绍了这种算法的优缺点和优化方向。     

RLE图像压缩算法优化研究与应用

该文对比了传统的RLE(游程编码)算法,通过对RLE压缩编码的分析,得出RLE压缩算法存在很大的优化空间,并实现了优化后的RLE图像压缩算法,且着重介绍了这种算法的优缺点和优化方向。     

DCT变换在彩色图像有损RLE压缩中的应用研究

游程编码（RLE）压缩方法原理简单且易于实现,对于相邻数据相似性很大的数据进行压缩,压缩效果特别明显。在众多的压缩算法中,RLE压缩属于无损压缩,能够对原始数据进行完整的还原。将DCT和RLE相结合能够实现彩色图像的有损压缩,并且能够在可以接受的损失范围内,获取比较好的压缩比。