一、自适应分形矢量量化编码（论文文献综述）
王晓明[1]（2006）在《烟气图像压缩算法及其在现场总线控制系统中的应用》文中进行了进一步梳理烟气监测是发电厂保证燃煤机组排放合格的一个重要手段,现场总线控制系统是新兴的网络集成式全分布控制系统,成为了控制系统的发展趋势。为了实现通过现场总线控制系统传输现场所采集到的烟气图像,本课题对于烟气图像的压缩及其在现场总线控制系统中的传输进行了研究,提出了一种适合于烟气图像压缩的、速度快、压缩比高的烟气图像编码压缩算法,并在烟气图像编码压缩算法的基础上对烟气图像数据在现场总线控制系统中的传输进行了研究。
梁蔚华[2]（2003）在《自适应技术在图像压缩中的应用研究》文中进行了进一步梳理自适应编码技术作为一类提高压缩比的有效方法，一直是图像压缩技术研究中的热点。已往很多的自适应算法由于图像分块算法的局限性（如分类非常有限，很难适应图像块的变化），一直存在的诸如边缘失真较大，方块效应等问题。本文就是为了进一步解决这样的问题，提出了两种分别利用图像空域和频域结构特征来进行自适应分块的方法：基于图像边缘信息测度的自适应分块和基于DCT谱主方向的自适应分块。并将这两种自适应算法与DCT编码方法及矢量量化技术结合，建立了基于边缘信息测度的自适应DCT编码，基于DCT谱主方向的自适应DCT编码和基于DCT谱主方向的块分类矢量量化算法。这也就构成了本文的主要内容。 首先提出了基于边缘信息测度的四叉树自适应分块的DCT压缩算法。该方法首先建立了一个基于图像空域结构特征的定量判别准则——边缘信息测度，利用该测度能够很好的区分出平滑点、纹理点、阶跃边缘和屋脊边缘点。进而根据这一判别准则对输入图像进行分块。最后根据分割好的各个块的大小和块内包含边缘点的多少来进行不同压缩比的DCT压缩编码。计算机模拟实验证明，这样的自适应分块方法，结合了边缘信息测度和自适应分块的优势，提高了图像的压缩比和SNBR（传送一个比特时的信噪比）。 其次为解决上述自适应分块所带来的附加比特开销问题，本文提出了一种块融合传输及基于DCT谱分布特征自适应分块的解码算法。使得编码时自适应分块算法的优势充分发挥，更大的提高了自适应编码算法的压缩比。 接着本文建立了基于DCT谱上方向的自适应DCT编码算法，利用谱主方向及其特征曲线，自适应地将平滑区和边缘区分开，再有区别的进行DCT编码。这一算法解决了非自适应分块情况下不能充分发挥DCT谱主方向优势的问题，有效的提高了压缩比，是一种时间复杂度更低，压缩比更高的DCT编码方法。 最后本文探讨了一种将基于结构特征的自适应分块与矢量量化相结合的编码方法。在前两章的基础之上，建立了基于DCT谱主方向的块分类矢量量化方法，针对分类后不同细节子块设计不同的码书，进行分类矢量量化。实验结果证明，该方法比非自适应算法具有更高SNR和MSE。而且由于各类码书尺寸较小，因此降低了搜索码字的时间复杂度。同时推导出一个最优化条件，在满足该条件的情况下由于记录码书索引而增加的比特开销的影响就会被消除。最后还对几种不同的自适应分块算法与矢量量化结合的可行性问题进行了探讨。
洪喜勇,陈贺新[3]（2001）在《自适应分形矢量量化编码》文中研究表明提出了一种自适应分形矢量量化编码方法。对图像进行自适应四叉树分割 ,并构造粗糙的均值图像。误差图像进行分形矢量量化编码时 ,使用设计的自适应二维维纳数字滤波器 ,对收缩的均值图像进行滤波后 ,可构造好的码书。实验证明 ,本方法码书不需外部训练 ,解码不需要迭代 ,可以改善重建图像的视觉质量 ,使压缩比和PSNR都有明显提高。
张燕琪[4]（2019）在《基于聚类的高光谱图像压缩技术研究》文中研究说明高光谱图像具有超过一百个光谱的波段,其可以提供丰富的光谱和空间信息,因此高光谱图像的应用范围越来越普遍,例如,地物、目标检测和解混等领域。尽管图像分析可以从高光谱图像丰富的数据中受益,但是庞大的数据可能会给高光谱图像的存储和传输带来沉重的负担。因此,如何有效压缩成为高光谱图像应用中的一个重要问题。压缩技术大致可以分为两大类:无损和有损压缩方法,这取决于是否可以将压缩数据精确地重新生成原始图像。对于无损压缩,关键是要消除数据冗余而不丢失信息。相反,有损压缩虽然失去一些信息但获得比无损压缩更高的压缩比。有损压缩是高光谱图像压缩中的一个很有前途的研究课题,也是本文研究的重点。本文的研究内容主要有:1.神经网络大多应用在二维数据图像中,对三维高光谱图像应用不充分。通过阅读大量有关神经网络的文献提出一种基于自适应波段聚类主成分分析和反向传播神经网络的高光谱图像压缩算法。该算法利用反向传播神经网络的输入层到隐含层对应压缩、隐含层到输出层对应解压缩的架构对高光谱图像进行压缩,该算法可有效提高图像信噪比。2.研究高光谱图像发现其谱间相关性大于空间相关性,针对此特性提出一种基于预测和矢量量化的高光谱图像压缩算法。首先利用谱间相关性,通过预测前一波段的像素数据,将符合要求的预测结果继续预测下一波段,通过设置合理的参数,在预测步骤中95%以上的波段可通过预测结果来预测波段数据。最后,利用矢量量化对预测数据进行压缩。3.提出一种基于稀疏表示的高光谱图像压缩算法。该算法针对高光谱数据量大,压缩时间长的问题,只对非零系数和字典进行压缩,计算复杂度低,并且在解码端可以根据字典与非零系数快速重建图像,显着缩短重建时间。
姬瑜[5]（2019）在《基于多分辨率方法的三维云可视化算法研究》文中提出自然景观的可视化模拟研究中,云的可视化是当今气象领域的研究热点和研究难点。自然云的生成和消散是能量转换和大气物理状态变化造成的,云的变化对于大气变化过程具有重要的解读作用。云的可视化在气象服务、户外场景仿真、电影特效等领域得到了广泛应用,根据真实的气象数据去绘制渲染云,能在传递真实天气状况的同时辅助气象工作者的预报预测工作。因此,近年来基于气象数据的真实云的可视化研究得到大量的关注。目前,三维云的研究主要在数据预处理和绘制这两个方面。本文基于大规模海量数据的多分辨率三维云可视化,分别对模拟云的预处理以及绘制方法提出改进,在保证绘制质量的同时,提高绘制速度。主要研究内容如下:（1）在云的预处理压缩方面,针对三维云仿真中大规模海量数据导致的图形硬件存储空间受限,无法达到实时性等问题,提出了基于变异系数的统一划分数据压缩方法。该方法依据数据块的数据紊乱程度对其进行重要性划分,保留重要的数据,适当地减少不重要的数据。通过Haar小波变换和分类矢量量化的方法对划分好的数据块进行矢量量化压缩,然后在GPU中实现解压缩与绘制同步进行的绘制策略,在保证图像逼真度的同时,提高了绘制效率。（2）在云的绘制算法方面,针对传统的光线投射算法绘制缓慢,内存受到限制等问题,提出了视点相关光线投射算法。该方法依据视距和块重要性等特点设计采样频率,实现自适应采样,并根据本文提出的三阶段插值算法对采样点进行计算。在使用二维传输函数进行分类时,设定块重要性加权香农熵代替传统方法的梯度值作为二维传输函数的定义域对不透明度值和颜色值进行计算。实验结果表明,云的可视化图像仿真效果较好,细节纹理特征明显,获得了很高的绘制速度。
张岱[6]（2018）在《星地相干激光通信大气信道特征及信号处理技术研究》文中研究指明空间遥感技术的不断发展对星地之间的信息传输速率提出了较高要求。星地相干激光通信凭借其高接收灵敏度、大容量、抗干扰能力强等优势逐渐成为当前空间高速信息传输领域的研究热点。然而,在通信过程中,信号光传输受大气信道影响,将造成系统性能恶化。本文针对星地相干激光通信过程中大气信道的影响特征进行分析,并重点研究了应对这些影响的信号处理技术,论文选题来源于国家自然科学基金项目（项目编号:61571446）。本文的主要研究内容包括以下四个部分:（1）大气信道影响下的接收光偏振变化特征分析。首先,通过构建Rayleigh多散射模型推导了经过多次散射之后的接收光Stokes矢量,数值分析得出,Rayleigh散射导致的接收端相干探测效率损失约为1%2%,对系统通信性能影响较小;随后,结合Mie散射理论和Stokes矢量模型,分析了Mie散射影响下的偏振变化,并通过蒙特卡洛实验数值分析了经不同厚度云层传输后的接收光退偏振比,结果表明接收光退偏振比与云层光学厚度具有一一对应关系;最后,基于高斯-谢尔模型光束和相干光学理论分析了大气湍流影响下的圆/椭圆偏光偏振变化特征,推导了计算接收光偏振度、偏振长轴长度、偏振短轴长度和偏振椭圆度的解析式,得到了经偏振分集接收后的系统总相干探测效率,所得到的相干探测效率计算模型可为接收端的偏振控制系统设计提供理论依据。（2）对大气信道影响下的波前畸变进行精确模拟的基础上,结合外差/零差和自差探测方式提出了相应的波前校正技术。首先,提出了一种基于子频带划分与多速率采样的大气湍流相位屏构造方法,通过对大气湍流功率谱划分子频带区域并进行非均匀采样,实现了相位屏的低频补偿,与现有的子谐波低频补偿方法相比,运算复杂度降低了约2个量级,可实现对大气信道波前畸变的实时、精确模拟;随后,为提高外差/零差探测系统波前校正分辨率,提出了一种基于小波分形插值的波前校正方法,在提高波前校正分辨率的同时,能够消除波前探测器带来的测量噪声,相比于最小方差波前校正方法可取得23dB的性能增益,且具有较低的复杂度;最后,设计了一种适用于星上波前校正的自由空间结构自差探测系统,计算了该系统的相干探测效率和输出信号信噪比,在此基础上,针对自差探测系统输出存在的残留低阶波前畸变,结合M-DPSK调制信号特征,提出了一种基于改进K-均值聚类的相位恢复方法,该方法能够对残留低阶波前畸变进行波前校正,并克服接收机噪声影响,有效提高了通信链路的误符号性能。（3）对厚云层大气信道产生的信号光多径效应进行分析,提出了一种适用于相位调制复信号的信道均衡技术。首先,基于多散射理论分析多径效应影响机理,在计算得到平均光脉冲时间展宽的基础上,利用眼图分析了多径效应引起的通信质量损失;随后设计了一种基于退偏振比探测的多速率传输方案,然而当多径效应影响恶劣时,可采用的通信速率将严重受限。为进一步抑制多径效应影响,提出了一种基于改进常模算法的信道均衡技术,可对自差探测系统的输出信号进行信道均衡处理,与现有的信道均衡方法相比,所提方法具有快速收敛和低稳态误差的优势。（4）分析了星地相干激光通信中Turbo码和LDPC码的应用特征,针对大气湍流的时变性影响,设计了一种大吞吐量交织方案,在与纠错编码级联使用时,可对初始误码率达10-4量级的含集中突发误码通信链路进行纠错处理,显着提高了中、强大气湍流影响下的通信系统误码性能。本文研究成果在星地相干激光通信系统涉及的信道理论、系统设计和空间高速信息传输技术方面具有重要的理论指导和实际应用价值。
王明伟,韩宇,张波,郝修强[7]（2016）在《图像压缩算法发展概述》文中研究说明数字图像包含有丰富的信息量,但同时数据量也较大,在实际应用中,给数字图像的传输、存储和处理都带来较大挑战。针对这个问题,一方面,可以依靠电子硬件存储器件的更新换代,如采用速率更高,位宽更宽的存储器等;另一方面,通过对数字图像像素之间的相关性的进一步研究,结合人眼视觉的特性,对图像数据的冗余信息进行压缩,达到数据量减小的目的。文章对近年国内外的图像压缩算法进行了归纳和总结,以期对工作带来一定的裨益。
胡扬[8]（2012）在《基于小波变换及ROI的图像压缩算法研究与实现》文中指出在当今的信息化时代,人们对信息的需求越来越大,图像以其直观、形象、易于理解的特点成为人们重要的信息来源。但是图像数据占据的存储空间较大,给存储和传输带来了巨大的压力,因此,图像压缩具有重要的研究意义和应用价值。图像压缩的目标是在达到高压缩比的同时,保证图像的解码质量能够不影响应用需求。本文在深入研究现有图像压缩技术的基础上,将有损压缩和无损压缩相结合提出了一种新的压缩方法,该方法首先对整幅图像进行小波分解,对分解后的最低频子带进行无损压缩,以保证解码图像中的大部分信息不丢失。然后,利用图像小波分解后高频子带系数矩阵具有的稀疏性质,对各个高频子带采用可变块矢量量化技术进行有选择性的大幅度地压缩。同时,本文提出了一种基于能量排序的初始码书设计方法,对矢量量化技术中的经典码书训练算法LBG进行了改进。提出了排除异常码字的码字搜索算法,在几乎不增加搜索失真的前提下,提高了图像编码的速度。此外,本文提出了一种应用于小波域中的同方向不同分解级次上的高频子带间的预测分块划分方法,来提高在可变块矢量量化过程中对高频子带的分块速度。最后,对于有特殊要求的图像,本文利用矢量量化解码速度快的特点,提出了对感兴趣区域进行追加差图像码流的无损编码算法。本文对本文方法与传统方法进行了对比实验,实验表明本文方法在速度上比传统方法有明显的提升,在进行高压缩比压缩时,图像的解码质量优于传统算法,适合高压缩比的图像压缩。
二、自适应分形矢量量化编码（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、自适应分形矢量量化编码（论文提纲范文）
（1）烟气图像压缩算法及其在现场总线控制系统中的应用（论文提纲范文）
| 绪论 |
| 第一章 各种常见压缩算法分析 |
| 1.1 RLE编码 |
| 1.2 四叉树编码 |
| 1.3 方块编码 |
| 1.4 矢量量化编码 |
| 1.5 分形编码 |
| 1.6 小波变换编码 |
| 第二章 适合现场总线控制系统的烟气图像编码压缩算法规划与研究 |
| 2.1 烟气图像特点分析 |
| 2.2 烟气图像压缩综述 |
| 2.3 烟气图像编码压缩算法实现的困难 |
| 2.4 烟气图像编码压缩算法的初步实现 |
| 2.5 自适应行程长度编码压缩算法 |
| 2.6 烟气图像编码压缩的预处理 |
| 2.7 适合现场总线控制系统的烟气图像编码压缩算法 |
| 2.8 烟气图像编码压缩算法的展望 |
| 第三章 各种常见编码压缩算法的试验 |
| 3.1 对于传统行程编码压缩算法的对比 |
| 3.1.1 传统的行程长度编码压缩算法 |
| 3.1.2 四叉树编码压缩算法 |
| 3.1.3 方块编码 |
| 3.1.4 矢量量化编码 |
| 3.1.5 分形编码压缩算法 |
| 3.1.6 小波编码压缩算法 |
| 3.1.7 综合比较 |
| 3.2 自适应行程长度编码压缩算法的对比 |
| 3.3 试验对比的结论 |
| 第四章 基于自适应行程长度编码的烟气监测系统的程序设计 |
| 4.1 内部传输协议规划 |
| 4.1.1 OPC基本概况 |
| 4.1.2 烟气图像在现场总线控制系统中的传输 |
| 4.1.2.1 传输所用的数据格式 |
| 4.1.2.2 数据传输机制 |
| 4.2 自适应行程长度编码压缩与解压缩算法内核程序 |
| 4.2.1 自适应行程长度编码压缩核心 |
| 4.2.2 自适应行程长度编码解压缩核心 |
| 4.3 烟气图像重构与显示工作程序 |
| 4.4 虚拟服务器程序 |
| 4.5 程序的调试与检验 |
| 4.5.1 程序检验的过程 |
| 4.5.2 课题结论 |
| 结论与展望 |
| 参考文献 |
| 在学期间发表的学术论文和参加科研情况 |
（2）自适应技术在图像压缩中的应用研究（论文提纲范文）
| 1 绪论 |
| 1.1 本文的理论依据和研究目的 |
| 1.2 图像压缩技术分类 |
| 1.3 静态图像压缩方法概述 |
| 1.3.1 预测编码 |
| 1.3.2 块变换编 |
| 1.3.3 矢量量化编码 |
| 1.3.4 第二代图像编码算法 |
| 1.3.5 小波变换编码 |
| 1.3.6 分形编码 |
| 1.3.7 人工神经网络编码 |
| 1.4 静态图像压缩标准 |
| 1.4.1 JPEG |
| 1.4.2 JPEG2000 |
| 1.5 本文主要研究成果 |
| 1.6 本文内容安排 |
| 2 基于边缘信息测度的自适应分块DCT压缩 |
| 2.1 基于边缘信息测度的图象象素分类方法 |
| 2.1.1 象素分类的准则 |
| 2.1.2 边缘信息测度 |
| 2.1.3 图象象素分类算法 |
| 2.2 基于边缘信息测度的自适应分块DCT压缩算法 |
| 2.2.1 基于信息测度图的四叉树自适应分块 |
| 2.2.2 DCT压缩编码 |
| 2.2.3 算法步骤 |
| 2.2.4 基于直接边缘检测的自适应分块算法 |
| 2.3 计算机模拟实验结果及分析 |
| 2.4 解码方法的讨论 |
| 2.4.1 有附加开销的解码方法 |
| 2.4.2 基于DCT谱特征的块传输和解码方法 |
| 2.5 本章小结 |
| 3 基于DCT谱主方向的自适应DCT压缩 |
| 3.1 二维DCT谱分布分析 |
| 3.1.1 含有边缘图象子块的分解 |
| 3.1.2 含边缘图象子块的DCT谱分析 |
| 3.2 基于二维DCT谱分布的自适应分块 |
| 3.2.1 DCT谱分布特征曲线 |
| 3.2.2 基于DCT谱主方向的自适应分块算法 |
| 3.3 基于DCT谱主方向的自适应量化 |
| 3.3.1 利用二维DCT谱分布主、次方向的模板设计 |
| 3.3.2 基于自适应分块的DCT谱量化 |
| 3.4 实验比较 |
| 3.5 本章小结 |
| 4 基于DCT谱主方向的块分类矢量量化编码 |
| 4.1 码书设计 |
| 4.1.1 矢量量化器的最优条件 |
| 4.1.2 初始码书的生成方式 |
| 4.1.3 GLA算法 |
| 4.1.4 基于DCT谱主方向的分类码书设计 |
| 4.2 码字搜索 |
| 4.3 块分类矢量量化算法描述 |
| 4.4 计算机模拟实验 |
| 4.4.1 与非自适应方法的比较 |
| 4.4.2 最优条件及最优面积比 |
| 4.5 存在问题讨论 |
| 4.6 本章小结 |
| 5 结束语 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
| 致谢 |
（3）自适应分形矢量量化编码（论文提纲范文）
| 0 引 言 |
| 1 分形编码基础 |
| 1.1 分形编码数学基础 |
| 1.2 IFS代码的提取 |
| 1.3 分形矢量化编码 |
| 2 自适应分形矢量量化编码算法 |
| 2.1 均值图像的构造及编码 |
| 2.2 差值图像编码 |
| 2.2.1 差值图像编码时码书的构造 |
| 2.2.2 差值块分形矢量量化编码 |
| 3 实验结果及分析 |
| 4结论 |
（4）基于聚类的高光谱图像压缩技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 课题研究背景及意义 |
| 1.2 高光谱图像压缩算法研究现状 |
| 1.2.1 基于预测的高光谱图像压缩算法 |
| 1.2.2 基于变换的高光谱图像压缩算法 |
| 1.2.3 基于矢量量化的高光谱图像压缩算法 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的主要结构 |
| 第2章 高光谱图像压缩算法 |
| 2.1 自适应差分脉冲调制 |
| 2.2 变换 |
| 2.3 矢量量化 |
| 2.4 神经网络 |
| 2.4.1 神经网络基本介绍 |
| 2.4.2 Back Propagation神经网络 |
| 2.4.3 广义回归神经网络 |
| 2.5 稀疏表示 |
| 2.6 本文压缩性能评价指标 |
| 2.6.1 光谱角 |
| 2.6.2 信噪比 |
| 2.6.3 峰值信噪比 |
| 2.6.4 压缩比 |
| 2.6.5 计算复杂度 |
| 2.7 本文实验数据介绍 |
| 2.8 本章小结 |
| 第3章 基于神经网络的高光谱图像压缩算法 |
| 3.1 基于自适应波段聚类主成分分析和反向传播神经网络的压缩算法 |
| 3.1.1 算法描述 |
| 3.1.2 仿真实验 |
| 3.2 基于预测和矢量量化的压缩算法 |
| 3.2.1 算法描述 |
| 3.2.2 仿真实验 |
| 3.3 本章小结 |
| 第4章 基于稀疏表示的高光谱图像压缩算法 |
| 4.1 基于稀疏表示的高光谱图像压缩算法 |
| 4.1.1 算法描述 |
| 4.1.2 仿真实验 |
| 4.2 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 发展总望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（5）基于多分辨率方法的三维云可视化算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 云的建模方法 |
| 1.2.2 压缩体绘制技术研究 |
| 1.3 论文的主要工作 |
| 1.4 论文的组织结构 |
| 第二章 云可视化的基础知识 |
| 2.1 自然云的形成和特性 |
| 2.2 云可视化的气象数据 |
| 2.3 云的基本建模理论 |
| 2.3.1 数值模拟方法 |
| 2.3.2 启发式方法 |
| 2.4 压缩体绘制技术 |
| 2.4.1 小波变换 |
| 2.4.2 矢量量化 |
| 2.5 本章小结 |
| 第三章 基于多分辨率方法的三维云压缩体绘制 |
| 3.1 三维数据场可视化的基本流程 |
| 3.2 不同划分策略的多分辨率体绘制算法的比较 |
| 3.3 分块的细节水平选择 |
| 3.4 基于统一划分的体数据压缩算法 |
| 3.4.1 算法描述 |
| 3.4.2 编码过程 |
| 3.5 解压缩绘制策略 |
| 3.5.1 解码过程 |
| 3.5.2 小波逆变换 |
| 3.5.3 基于GPU的光线投射算法 |
| 3.6 实验结果分析 |
| 3.7 本章小结 |
| 第四章 视点相关光线投射算法 |
| 4.1 体绘制基本算法的比较 |
| 4.2 传统光线投射算法的实现 |
| 4.2.1 光线投射算法的基本思想 |
| 4.2.2 数据值分类 |
| 4.2.3 颜色和不透明度赋值 |
| 4.2.4 重采样 |
| 4.2.5 图像合成 |
| 4.3 视点相关光线投射算法设计 |
| 4.3.1 自适应采样频率计算 |
| 4.3.2 三阶段插值算法 |
| 4.3.3 基于块重要性加权香农熵的二维传输函数的气象数据分类 |
| 4.3.4 算法步骤 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文所做的工作 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）星地相干激光通信大气信道特征及信号处理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 星地相干激光通信技术发展状况 |
| 1.2.2 星地相干激光通信大气信道特征研究现状 |
| 1.2.3 星地相干激光通信信号处理技术研究现状 |
| 1.2.4 研究中存在的主要问题 |
| 1.3 论文主要工作及结构安排 |
| 1.3.1 论文的主要工作 |
| 1.3.2 论文结构安排 |
| 第二章 星地相干激光通信和大气信道基本理论 |
| 2.1 引言 |
| 2.2 星地相干激光通信概述 |
| 2.2.1 星地相干激光通信系统介绍 |
| 2.2.2 相干探测原理 |
| 2.2.3 星地相干激光通信中的调制样式 |
| 2.2.4 星地相干激光通信系统衡量指标 |
| 2.3 相干光传输理论 |
| 2.3.1 高斯-谢尔模型光束 |
| 2.3.2 相干光学理论 |
| 2.4 大气信道理论及影响特征分析 |
| 2.4.1 大气散射理论 |
| 2.4.2 大气湍流理论 |
| 2.4.3 大气信道影响特征分析 |
| 2.5 本章小结 |
| 第三章 星地相干激光通信信号光偏振变化研究 |
| 3.1 引言 |
| 3.2 Rayleigh散射对星地相干激光通信偏振影响分析 |
| 3.2.1 基于Rayleigh单散射理论的偏振分析模型 |
| 3.2.2 基于Rayleigh多散射理论的偏振分析模型 |
| 3.2.3 基于Rayleigh多散射理论的星地相干激光通信偏振变化分析 |
| 3.3 Mie散射对星地相干激光通信偏振影响分析 |
| 3.3.1 Mie散射Stokes矢量模型 |
| 3.3.2 Mie散射对接收光偏振特性影响的蒙特卡洛仿真实验 |
| 3.3.3 Mie散射对接收光偏振特性影响结果分析 |
| 3.4 大气湍流对星地相干激光通信偏振影响分析 |
| 3.4.1 大气湍流影响下的接收光偏振变化分析 |
| 3.4.2 相干探测效率分析 |
| 3.4.3 数值仿真与分析 |
| 3.5 本章小结 |
| 第四章 星地相干激光通信信号光波前畸变模拟和校正技术 |
| 4.1 引言 |
| 4.2 大气信道影响下的信号光波前畸变模拟 |
| 4.2.1 经典功率谱反演法 |
| 4.2.2 基于子频带划分与多速率采样的大气湍流相位屏构造 |
| 4.2.3 运算复杂度分析 |
| 4.2.4 数值仿真与分析 |
| 4.3 基于AO系统的波前校正技术 |
| 4.3.1 AO系统结构 |
| 4.3.2 经典波前校正技术 |
| 4.4 基于小波分形插值的波前校正技术 |
| 4.4.1 大气信道影响下的信号光波前畸变自相似性分析 |
| 4.4.2 小波分解和软阈值去噪 |
| 4.4.3 波前相位的分形插值 |
| 4.4.4 波前校正后的零差探测效率分析 |
| 4.4.5 数值仿真与分析 |
| 4.5 基于DPSK调制的自差探测系统 |
| 4.5.1 自由空间结构的自差探测系统 |
| 4.5.2 自差探测系统的相干探测效率分析 |
| 4.5.3 自差探测系统输出信号的信噪比分析 |
| 4.6 基于改进K-均值聚类的M-DPSK调制相位恢复方法 |
| 4.6.1 基于改进K-均值聚类的M-DPSK调制相位恢复 |
| 4.6.2 基于聚类损失函数的自适应调制方案设计 |
| 4.6.3 数值仿真与分析 |
| 4.7 本章小结 |
| 第五章 星地相干激光通信多径效应分析和信道均衡技术 |
| 5.1 引言 |
| 5.2 大气散射影响下的多径效应分析 |
| 5.2.1 基于辐射传输理论的多径效应分析模型 |
| 5.2.2 基于多散射理论的多径效应分析模型 |
| 5.2.3 多径效应对激光通信质量影响分析 |
| 5.3 基于退偏比探测的多速率传输方案设计 |
| 5.4 基于改进CMA算法的星地相干激光通信信道均衡技术 |
| 5.4.1 信道均衡模型 |
| 5.4.2 基于集员滤波双归一化修正CMA的信道均衡技术 |
| 5.4.3 数值仿真与分析 |
| 5.5 结论 |
| 第六章 星地相干激光通信差错控制编码技术 |
| 6.1 引言 |
| 6.2 星地相干激光通信中的纠错编码技术 |
| 6.2.1 星地相干激光通信中的Turbo码应用特征 |
| 6.2.2 星地相干激光通信中的LDPC码应用特征 |
| 6.3 星地相干激光通信交织方案设计 |
| 6.3.1 星地相干激光通信中的交织系统应用模型 |
| 6.3.2 基于块交织器的大吞吐量交织方案设计 |
| 6.3.3 大吞吐量传输链路的快速误码率分析 |
| 6.3.4 数值仿真与分析 |
| 6.4 结论 |
| 第七章 总结与展望 |
| 7.1 论文主要研究成果与创新点 |
| 7.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术、科研成果 |
| 附录 A |
（8）基于小波变换及ROI的图像压缩算法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像压缩技术的研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文组织结构 |
| 第2章 相关技术介绍 |
| 2.1 图像压缩的理论基础 |
| 2.1.1 图像数据的冗余 |
| 2.1.2 图像压缩模型 |
| 2.1.3 信息理论基础 |
| 2.2 图像压缩算法综述 |
| 2.2.1 熵编码 |
| 2.2.2 预测编码 |
| 2.2.3 变换编码 |
| 2.2.4 分形图像编码 |
| 2.2.5 感兴趣区域图像编码 |
| 2.3 图像编码的质量评价 |
| 2.3.1 图像保真度 |
| 2.3.2 压缩比 |
| 2.3.3 算法复杂度 |
| 2.4 本章小结 |
| 第3章 基于小波变换及感兴趣区域的图像压缩算法 |
| 3.1 引言 |
| 3.2 小波变换 |
| 3.2.1 小波变换的基础知识 |
| 3.2.2 图像的小波分解与重构 |
| 3.2.3 小波变换的特性 |
| 3.3 基于矢量量化的图像压缩 |
| 3.3.1 矢量量化原理 |
| 3.3.2 基于能量排序的LBG初始码书设计 |
| 3.3.3 基于异常码字排除的快速码字搜索算法 |
| 3.3.4 可变块矢量量化 |
| 3.4 基于小波变换和可变块矢量量化的压缩算法 |
| 3.4.1 复杂性分析 |
| 3.4.2 基于小波子带间相关性预测的可变块划分算法 |
| 3.5 渐进式感兴趣区域无损编码 |
| 3.5.1 感兴趣区域的提取 |
| 3.5.2 边界的链式编码 |
| 3.6 本章小结 |
| 第4章 实验结果与分析 |
| 4.1 实验数据 |
| 4.2 矢量量化压缩算法实验 |
| 4.2.1 训练集的生成 |
| 4.2.2 基于能量排序的LBG初始码书设计 |
| 4.2.3 基于异常码字排除的快速码字搜索算法 |
| 4.3 基于小波变换及可变块矢量量化的压缩算法实验 |
| 4.3.1 基于小波子带间相关性预测的可变块划分算法实验 |
| 4.3.2 子带间相关性预测分块的可变块矢量量化与JPEG的对比实验 |
| 4.3.3 ROI无损压缩实验与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
四、自适应分形矢量量化编码（论文参考文献）
- [1]烟气图像压缩算法及其在现场总线控制系统中的应用[D]. 王晓明. 华北电力大学（北京）, 2006(08)
- [2]自适应技术在图像压缩中的应用研究[D]. 梁蔚华. 大连理工大学, 2003(02)
- [3]自适应分形矢量量化编码[J]. 洪喜勇,陈贺新. 吉林工学院学报(自然科学版), 2001(04)
- [4]基于聚类的高光谱图像压缩技术研究[D]. 张燕琪. 重庆邮电大学, 2019(01)
- [5]基于多分辨率方法的三维云可视化算法研究[D]. 姬瑜. 南京信息工程大学, 2019(04)
- [6]星地相干激光通信大气信道特征及信号处理技术研究[D]. 张岱. 国防科技大学, 2018(02)
- [7]图像压缩算法发展概述[J]. 王明伟,韩宇,张波,郝修强. 空间电子技术, 2016(02)
- [8]基于小波变换及ROI的图像压缩算法研究与实现[D]. 胡扬. 东北大学, 2012(05)