图象的自适应遗传算法矢量量化方法

本文描述了一种基于自适应遗传算法的图象矢量量化方法，它不同于一般遗传算法之处是其交叉概率与变异概率这两个参数随个体的适应度值而变化，从而增强了算法的性能。实验结果表明，将自适应遗传算法用于码本设计，具有运算简单、聚类能力强等优点，有着广泛的应用前景。     

JPEG2000中的自适应量化研究

根据人类视觉特性和小波子带图像分布特性及子带系数对保存边缘、纹理信息的重要性程度,提出一种基于图像纹理分类的自适应量化编码算法,在同一子带内根据小波系数对保存边缘、纹理信息的重要性程度,将小波高频子带内划出平坦块、纹理块和边缘块,对其采用不同的量化间隔,并以JPEG2000为平台进行了实验.结果证明,采用该算法,可以在低码率下较好地保存图像的边缘和纹理特性的信息,重构图像的主观质量有一定的提高.     

基于Fisher判据的自适应彩色图像量化算法

提出了一种基于Fisher判据的自适应彩色图像量化算法。首先用八叉树算法把原始图像量化为256种颜色,然后根据人类的视觉特性,参照NBS距离与人类视觉对颜色差别的定量关系,自动确定初始聚类中心及聚类数目,在此基础上,用Fisher判据自动确定出初始类中心的一个同组,从而实现图像的量化。实验结果表明所提算法无需事先给定颜色量化数目,在量化数目相同的情况下,量化效果明显优于八叉树算法和k均值算法。     

基于量化相关性的JPEG图像盲取证

针对真实图像检测问题,通过图像处理和编辑软件可以方便地修改数字照片,而数字图像真伪的盲取证技术正是为了解决检测中各种信任危机.通过研究JPEG压缩过程中的量化相关性特征,提出一种基于量化相关性测度的真伪图像盲检测方法,能够检测JPEG图像的真伪,并标定修改区域.该方法具有较高的灵敏度,可以对不同压缩参数的图像进行检测处理.实验结果表明,即使待检测图像经历过多次不同质量因子的JPEG压缩,方法同样具有有效性和鲁棒性.     

结合Gamma修正的色彩量化新算法

色彩量化的最终目的是使得视觉效果上的最化图像与原图像的差别（即失真）最小，量化的应用又对算法效率提出很高的要求，文中提出一种结合Gamma修正的量化算法，速度明显快于中位切分等以往算法，并且量化图像的质量近似于，甚至部分视觉效果优于这些算法，该算法是一种切实有效的图像量化方法，它在计算复杂度和量人结果的精确度上进行了折衷。     

基于小波变换的分类量化图像编码算法

针对标量量化压缩比小而向量量化压缩速度慢、图像复原效果不理想等弱点，提出了基于小波变换的分类量化图像编码算法（简称“分类量化编码”）。该算法基本思想为：首先将小波变换后的图像高频子带划分为局部快；然后利用文中给出的相对距离最近之值选择方法，依据纹理复杂度和重要性程度将这些局部块划分为4类（平坦、过渡、弱纹理和强纹理）；最后对平坦局部块进行向量量化编码，对强纹理局部进行标量量化编码。实验结果表明：该图像压缩算法在压缩速度、图像复原效果、压缩比等方面明显优于零树小波编码和JPEG方法。     

矢量量化的误差竞争学习算法

提出了误差竞争学习（Ｄｉｓｔｏｒｔｉｏｎ ｃｏｐｍｐｅｔｉｔｉｖｅ ｌｅａｒｎｉｎｇ,ＤＣＬ）算法。该算法基于Ｇｅｒｓｈｏ的矢量量化误差渐近理论的等误差原则,即当码本数趋于无穷大时,各区域子误差相等,使用这个原则作为最优码书设计的一个必要条件,并结合传统最优码书设计的两个必要条件,然后根据这３个必要条件：（１）最近邻规则;（２）中心准则;（３）各区域了误差近似相等设计最优码书,而在算法的实现中引入     

一种新的图像地址矢量量化编码算法

提出一种新的图像矢量量化编码算法。该算法结合相关矢量量化编码算法与地址矢量量化编码算法,首先根据相邻块状态进行编码地址的相关预测,对相关预测失败的图像块采用地址码匹配编码,并采用自适应算术编码进行。测试结果表明,相对于无记忆矢量量化编码算法,比特率约下降３８％－６８％,相对于安平提出的矢量量化地址编码算法以及王卫等提出的相关矢量量化编码算法,比特率约下降２５％以上。     

基于JPEG量化失真的合成图像盲检测

主要针对JPEG图像合成伪造,提出了一种基于量化失真的合成图像盲检测算法。首先针对合成图像以JPEG和非JPEG不同的存储方式,分别估计原始量化矩阵;然后用估计的原始量化矩阵对合成图像再压缩,计算压缩前后的量化失真;最后通过判断合成图像不同区域量化失真的大小,实现窜改区域的自动检测和定位。实验结果表明:算法能有效地检测JPEG和非JPEG两种不同存储方式的合成图像。     

视频编码量化失真估值算法研究

针对量化失真估计算法存在的误差问题,对算法中的DCT系数分布模型进行了改进,提出了基于LAP分布模型的分段建模方法。将DCT系数的尾部数据进行分离,以主体数据的建模结果作为全体数据的分布模型。以均方误差作为量化失真的衡量准则,归纳并推到上述分布模型下的失真估计算法。采用限制量化步长的方法来评估失真估计算法的准确度。实验结果表明,采用LAP分布模型对DCT系数进行分段建模,不仅提高了模型的准确度,还简化了分布模型的复杂度;由此所产生的失真估计算法在复杂度和准确度方面具有很高的兼容性,与传统的LAP失真估计算法相比,准确度有所提高。     

基于图像先验知识的量化噪声盲估计算法

经过离散余弦变换的图像在DCT域系数的分布近似符合一个用参数λ描述的拉普拉斯分布。利用该参数以及图像在JPEG压缩中使用的DCT域量化系数,可以实现对图像量化噪声的估计。提出一种基于图像先验知识的分布参数估计方法,可以在没有未压缩的原始图像作为参考时实现对λ值的估计,进而计算压缩图像的峰值信噪比。     

基于激光SLAM的运动畸变校正算法研究

针对目前激光雷达为降低成本进而降低速度呈现出的采样频率低、采样点稀疏的发展方向与提高移动机器人移动速度的发展要求不匹配的现状,设计实现了一种畸变矫正算法,通过获取移动机器人搭载的位置姿态传感器数据,运用滤波算法和球面线性插值算法对姿态进行滤波估计,从而实现激光点云的畸变矫正.最后通过搭建ROS提供的Gazebo仿真平台...     

一种快速高效的部分失真块运动估计搜索算法

在保证图像质量与全搜索算法（FS）相近的前提下，为降低现有部分失真块运动估计算法的计算量，提出了一种快速高效的搜索算法——基于运动场预测的部分失真块运动估计搜索算法（PMVPDS）。PMVPDS将本文提出的可调部分失真准则和运动场估计技术、中途停止技术相结合，能快速找到匹配点。仿真结果表明PMVPDS和正规化部分失真搜索算法（NPDS）、分级部分失真搜索算法（PPDS）相比，搜索速度分别加快了2—7倍和0．6—3倍，并且图像质量也有一定的提高。另外，PMVPDS算法中的图像质量和搜索速度是可调的。     

JPEG量化步长估计综述

随着 JPEG(Joint Photographic Experts Group)格式的图片在网络存储和传输中的广泛应用, 基于 JPEG 格式的篡改、 拼接等恶意操作也层出不穷, 利用 JPEG 图像特性的研究受到越来越多的关注。其中, JPEG 图像特性与量化步长息息相关。如果, JPEG 压缩后的图像以位图的形式进行保存, 研究者无法直接获取到量化步长, 从而无法有效地分析 JPEG 图像特性。因此, 对于量化步长的估计在数字图像取证领域越来越受到关注。 本文首先介绍了量化步长估计的研究背景, 并将量化步长估计问题分成两类问题: 单压缩图像的量化步长估计和重压缩图像的首次量化步长估计。其次, 在经典的 JPEG 压缩模型基础上分别了给出了这两类问题的量化步长估计模型, 并对每类问题的各种现有方法进行了详细介绍和梳理。随后, 在相同实验环境下对经典算法进行了实验, 并对经典算法进行了相应的分析与评价。 实验结果表明: 在单压缩图像的量化步长估计任务中, 现有技术相对成熟并且部分算法估计准确率高于 90%; 但是, 在对齐重压缩图像的首次量化步长估计任务中, 现有方法仅能估计低频、中频的量化步长, 并且当首次与第二次的压缩质量因子相近时, 估计准确率较低; 在非对齐重压缩图像的首次量化步长估计任务中, 由于网格偏移会增加估计量化步长的困难, 导致算法在非对齐重压缩上性能较差。最后, 指出了量化步长估计中有待进一步解决的问题和发展趋势。     

基于视觉感知的非均匀颜色模糊量化算法研究

基于内容的图像检索技术中,颜色是描述一幅图像最简便、有效的特征。该文提出了一种颜色量化算法,此种算法基于视觉感知特征并对颜色量化边界模糊化,使量化既能从人的感知出发,又能满足颜色空间连续的特性,最终更好地适应图像颜色特征提取的需要。     

基于视觉感知的非均匀颜色模糊量化算法研究

基于内容的图像检索技术中,颜色是描述一幅图像最简便、有效的特征。该文提出了一种颜色量化算法,此种算法基于视觉感知特征并对颜色量化边界模糊化,使量化既能从人的感知出发,又能满足颜色空间连续的特性,最终更好地适应图像颜色特征提取的需要。     

基于蚁群优化算法的彩色图像颜色聚类的研究

颜色聚类是计算机视觉和图形学中基本的处理问题 .提出了蚁群聚类算法在彩色图像颜色聚类中应用的新思路 .根据蚁群 pick- drop机制的基本原理 ,提出了在 RGB彩色空间中 ,改进的蚁群算法在彩色图像像素的颜色值聚类中的应用 ,最后进行像素的颜色映射 ,从而完成量化工作 .实验表明 ,采用该算法进行色彩的量化更具鲁棒性 ,颜色失真小 ,同时实现简单     

兵棋推演中地形量化算法研究与实现

传统手工兵棋推演计算机化的一个重要方面是实现兵棋棋盘的计算机化.需要借助于计算机实现兵棋棋盘的数字化并对兵棋地图进行地形量化.兵棋推演系统采用不同大小的六角网格量化地形,将兵棋推演系统与地理信息系统组件MapX结合.在MapX中显示兵棋推演区域的Maplnfo格式地图数据,并提出了一种基于MapX的六角网格绘制算法,算法充分利用MapX中图元与组合图元的思想,可以根据推演需求实时生成不同比例尺的六角网格覆盖整个或部分作战区域,降低了手工兵棋地形量化的工作量,对提高兵棋推演效率有一定的意义.