基于梯度下降法与特征值分解的测量矩阵优化方法

压缩感知理论突破了香农采样定律中对信号采样频率的限制.测量矩阵的构造是压缩感知理论中一个重要的部分.减小传感矩阵的互相干系数,选择性能较好的测量矩阵,能够提高重构质量.设计了EigGrd算法,Gram矩阵是由测量矩阵和稀疏变换矩阵乘积构成,使用特征值分解对Gram矩阵进行初始化,在稀疏变换矩阵固定的情况下,利用梯度下降...     

基于奇异值分解改进观测矩阵的FBG传感信号处理

针对地下管廊环境恶劣复杂、噪声干扰较大的问题,提出一种基于奇异值分解的改进观测矩阵方法,通过提高压缩感知处理光纤布拉格光栅传感信号精度,完成噪声预处理。对观测矩阵进行分解重构,提高信号重构保真度。首先对随机观测矩阵进行正交化处理,再对其进行奇异值分解,将特征矩阵特征值改为恒定值,带入新的特征值后将产生新的观测矩阵。对信号进行观测,并采用信噪比、重构误差等指标确定稀疏度 K。仿真结果表明,该方法重构精度提高约 72%。     

基于BP神经网络与粒子群算法的水质评价方法

针对水质评价中BP神经网络算法存在的收敛精度不高、泛化能力弱等问题,提出了一种粒子群算法和BP神经网络算法相结合的改进型算法。该算法优化了BP神经网络的网络参数,提高了算法的收敛精度及网络泛化能力。通过实验验证了算法的有效性。     

基于DCT系数与压缩感知的图像哈希算法

提出一种基于DCT系数和压缩感知的图像哈希算法。先将输入图像规格化,随后进行DCT,取得其第一列和第一行系数|然后对两组系数进行压缩感知得到测量向量,计算其均值得到哈希值。ROC曲线对比验证表明,该算法分类性能更优。     

基于BP网络在图像压缩中性能的研究

研究了一个3层BP网络的图像压缩方案,分别采用了不同的传输函数、不同的隐含层神经元数目和同一幅图像不同大小的分块方式,分析和总结BP网络压缩性能与各种网络参数之间的关系。结果表明：BP网络传输函数、隐含层神经元数目以及对原图像分块大小的不同,都会直接影响收敛时间和压缩性能。     

基于矩阵填充理论的R-D算法

当被探测目标存在微动或者部件微动时,目标微动或其微动部件的回波与目标主体的回波叠加在一起,给成像处理带来影响,针对该问题提出一种基于矩阵填充的R-D算法。利用矩阵填充理论中的压缩感知对被干扰、扰动的观测信号进行重构和恢复,降低微多普勒带来的频带影响,从而提高SAR图像对比度。     

基于BP神经网络算法的异步电机故障诊断系统研究

为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009 163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。     

基于BP算法的函数逼近

神经网络逼近任意非线性函数的能力在基于神经网络的系统辨识和控制之中发挥着重要作用。重点研究常用的BP(Back Propagation)人工神经网络的工作原理和学习算法,同时利用Matlab进行仿真。仿真结果表明,基于BP网络的控制算法具有良好的应用性。     

基于协方差矩阵的压缩感知跟踪算法

压缩感知是信号处理领域的新理论,用于目标跟踪算法时可在大量底层特征中提取出少量重要信息,减少计算量,提高算法速度。传统的基于压缩感知的跟踪算法,为了保证算法速度,对压缩后的特征简单建模,准确性还有待提高。提出一种基于协方差矩阵的压缩感知跟踪算法,先利用压缩感知原理获取压缩后的Haar特征,再利用协方差矩阵融合Haar特征区域内的底层多维特征,以此构建目标模型,并通过搜索当前目标区域的邻域,利用流形空间上的距离度量算法匹配最佳目标,从而提高算法准确性。     

基于第二代Bandelet基的SAR图像压缩感知及其重建

针对合成孔径雷达(SAR)图像具有丰富的高频细节纹理信息特点,提出了一种SAR图像压缩感知和重建的算法.该算法利用随机高斯矩阵对SAR图像直接进行降维线性观测,实现SAR图像的压缩.同时将第二代Bandelet用于SAR图像的稀疏表示,以保持SAR图像的高频细节纹理信息,从而保证了利用sl0算法重建SAR图像的质量.仿真结果表明,与传统的小波变换相比较,本文所提出算法具备更为出色的图像还原质量.     

基于分形的图像压缩算法研究

介绍了分形图像压缩理论,传统DCT变换算法和四叉树分形图像压缩算法,改进的分形图像压缩方法,分形与小波相结合的图像压缩算法,彩色图像压缩算法以及对分形图像压缩未来发展的展望.     

一种基于零树的树形扫描图像压缩编码方法

嵌入式零树编码被认为是目前国际上最先进的图像编码方法之一，但该算法在编“孤立零”码时会造成比特位冗余．因此本文提出了基于零树的树形扫描的图像压缩编码方法．实验结果表明该方法在保证恢复图像具有良好视觉效果的前提下，提高了压缩比，缩短了编码时间．     

基于多分辨率自适应方块编码的图像压缩

固定块BTC编码既具有DPCM算法简单,又具有变换法抗误码能力强的优点,但也有着压缩率低的缺点.块的大小与编码后恢复的图像质量是一对矛盾,为解决这个矛盾,本文提出了多级自适应方块编码算法,期望在图像质量和压缩率间达到一种均衡状态.这种算法易于实现而且具有较好的图像质量和较好的压缩效果.并且,本文探讨了利用人眼特性,对分块判决方式进行改良的可能性.     

基于DCT图像压缩算法的研究与仿真

为了研究DCT图像压缩编码算法,将输入图像分解为8×8的像素块,经过二维DCT变成64个系数值,运用量化步长对DCT系数进行量化,再对直流系数和交流系数分别进行编码,实现图像压缩。在MATLAB中对DCT压缩算法进行仿真实现,通过改变量化系数的个数N提高压缩图像效率和质量。实验结果表明,量化系数越大,图像压缩比越小,压缩图像损失的信息越少,压缩图像的质量越好。     

基于S+P变换和EZW编码的图像压缩算法

嵌入式零树小波是根据标准小波变换的空间多分辨率特征将重要节点与零树根进行编码来完成图像压缩的编码算法,但标准小波变换对图像的边缘、轮廓以及纹理等特征信息的表达不具有稀疏性,不能够较好地表达图像的细节信息。针对标准小波变换的缺陷,新算法根据S+P变换能够实现整数到整数的变换,将EZW和S+P变换结合起来,提出了一种基于S+P变换改进的EZW编码算法,即使用S+P变换替换标准小波变换,完成图像的低损耗压缩。实验结果表明:相对于经典的EZW编码算法,基于S+P变换改进的EZW编码算法在压缩比、编码效率以及峰值信噪比等性能方面都具有较大的改善。     

基于ROI的图像压缩算法研究

为了满足某些图像的高效存储及快速传送的目的,提出一种基于感兴趣区域（ROI）的压缩算法。对图像进行分析,选出ROI区域,并在小波变换的基础上,对ROI小波变换低频子带采用无损编码的方法,而对ROI高频子带及非ROI小波变换子带采用改进的SPIHT压缩编码算法。在保证了图像所含信息量的同时,增加了图像的压缩编码效率。     

基于物联网中传输层图像信息加密及压缩的算法探讨

图像信息安全问题涉及到国家安全、社会公共安全,也是推动互联网健康发展的绊脚石。基于此,在原有的正方形图像二维加密方法的基础上,结合二维混沌映射的图像增补加密算法原理,提出了一种适用于长方形图像加密的混沌加密算法并进行仿真模拟。结果表明:加密后的图像具有良好的像素分布和较高的抗击敏感性,为多媒体图像通信安全提供技术支撑。     

基于单片机控制LCD显示动画的图像压缩方法实现

通过分析黑白图像如何在LCD液晶上显示的数据格式,对代表图像中连续的空白或者黑色的数据进行压缩,其他的数据则不压缩而直接保留。以压缩相反的方法对数据进行解压缩,以扫描方式在给定时间内送入LCD显示一组图像,实现了单片机控制LCD上的动画显示。这种压缩及解压缩方法,简单实用,可获得较大的压缩率,节省大量内存,丰富动画图像。.这种装置适于欲显示动画的小型黑白显示仪器仪表。     

基于BP网络的有教师分类算法及应用

介绍BP神经网络的结构及相关算法,并通过实验比较不同情况下对BP神经网络的收敛速度与分类精度的影响。实验表明,合适的参数设置能提高BP神经网络算法的分类精度。     

基于MATLAB的小波变换在图像压缩中的应用

本文主要介绍了小波变换在图像压缩方面应用的原理和方法,并在MATLAB环境下编程实现．仿真实验结果和分析表明此压缩方法具有较好的效率,能满足图像压缩的要求．