一种具有抗误码机制的帧间无损编码与智能解码方法

    公开(公告)号:CN104486628A

    公开(公告)日:2015-04-01

    申请号:CN201410851657.9

    申请日:2014-12-30

    Abstract: 本发明公开了一种具有抗误码机制的帧间无损编码与智能解码方法,包括:星上编码步骤:获取序列图像f;把图像fk,k=1,2,...划分成互不重叠的子块;令第3j+1,j=0,1,...帧图像为参考帧图像,进行分块JPEG-LS编码;而第3j+2和3j+3帧图像参考第3j+1帧图像进行帧间无损编码;每K个子块后插入一组EDC信息形成检错码流;进行RS(m,n)纠错编码;在压缩码流中加入每帧的压缩帧头和帧尾。地面解码步骤:采用距离最小化准则从码流中搜索压缩帧头并提取一帧的压缩码流;在帧头中提出多份压缩参数信息;进行RS(m,n)解码;搜索EDC识别码;第3j+1帧每个子块独立进行JPEG-LS解码,而第3j+2和3j+3帧图像参考第3j+1帧图像进行帧间解码,并拼接成完整的图像。本发明方法不仅对序列图像的压缩效果较好,而且利用RS方法可以很好地纠正误码。

    多参数模型指导的迭代提取血管造影图像运动参数的方法

    公开(公告)号:CN104517301B

    公开(公告)日:2017-07-07

    申请号:CN201410844139.4

    申请日:2014-12-30

    CPC classification number: G06T7/20

    Abstract: 本发明公开了一种多参数模型指导的迭代提取血管造影图像运动参数的方法,包括:从造影图序列的医学图像中自动选取I个血管结构特征点,并分别对这些特征点在整个造影图序列中进行自动跟踪,以得到每个特征点的跟踪序列,利用离散傅里叶变换对每个特征点的跟踪序列进行处理,以生成离散傅里叶变换结果Si(k),初始化迭代参数j=0,并获取离散傅里叶变换结果Si(k)中各频点的幅度和频率范围,在各频点的幅度和频率范围中对该频点的跟踪序列进行傅里叶变换,以得到傅里叶变换结果,将获得的傅里叶变换结果进行逆傅里叶变换,并获取该频点的估计最小均方误差。本发明能够解决现有方法中存在的不能自动提取平移运动、以及不能准确分离呼吸和心脏等运动的技术问题。

    一种基于空间-时间多预测模式的无损压缩方法与系统

    公开(公告)号:CN104618718A

    公开(公告)日:2015-05-13

    申请号:CN201410851498.2

    申请日:2014-12-30

    Abstract: 本发明公开了一种基于空间-时间多预测模式的无损压缩方法,包括:(1)利用星载成像系统获取序列图像f;(2)把步骤(1)获取的每一帧图像fk,k=1,划分成互不重叠且大小为M×N的子块fk,i,i=1,2Su,m.I,SumI为子块总数,M,N为预设值;(3)令步骤(2)中第3j+1,j=0,1,...帧图像为参考帧图像,进行分块JPEG-LS编码;(4)第3j+2和3j+3帧图像参考第3j+1帧图像进行空间-时间多预测帧间无损编码。本发明还提供了相应的基于空间-时间多预测模式的无损压缩系统。本发明方法综合了图像在空间和时间上的相关性来改进预测方式,把图像分成若干子块,对不同子块自适应选择最优预测方式进行预测,从而使预测器对图像不同特征的区域具有自适应性,因此基于空间-时间多预测模式的无损编码方法对序列图像的压缩效果较好。

    多参数模型指导的迭代提取血管造影图像运动参数的方法

    公开(公告)号:CN104517301A

    公开(公告)日:2015-04-15

    申请号:CN201410844139.4

    申请日:2014-12-30

    Abstract: 本发明公开了一种多参数模型指导的迭代提取血管造影图像运动参数的方法,包括:从造影图序列的医学图像中自动选取I个血管结构特征点,并分别对这些特征点在整个造影图序列中进行自动跟踪,以得到每个特征点的跟踪序列,利用离散傅里叶变换对每个特征点的跟踪序列进行处理,以生成离散傅里叶变换结果Si(k),初始化迭代参数j=0,并获取离散傅里叶变换结果Si(k)中各频点的幅度和频率范围,在各频点的幅度和频率范围中对该频点的跟踪序列进行傅里叶变换,以得到傅里叶变换结果,将获得的傅里叶变换结果进行逆傅里叶变换,并获取该频点的估计最小均方误差。本发明能够解决现有方法中存在的不能自动提取平移运动、以及不能准确分离呼吸和心脏等运动的技术问题。

    一种面向线列扫描红外成像非均匀性残差的无损压缩方法

    公开(公告)号:CN108200436B

    公开(公告)日:2019-06-18

    申请号:CN201711477821.4

    申请日:2017-12-29

    Abstract: 本发明公开了一种面向线列扫描红外成像非均匀性残差的无损压缩方法,包括如下步骤:使用傅立叶分解提取出图像每列的直流分量并取整,得到图像列直流分量数组DC;将每列中的每个像素都减去直流分量数组DC中相应列的值,得到去除了像元在列向非均匀性的图像;对去列向非均匀性图像做分块动态范围自适应判别的预测压缩编码;对列直流分量向量DC进行无损一维预测压缩编码;分别对上述两种压缩码流进行传输。本发明使用傅里叶分解方法提取图像中像元在列向上的非均匀性,降低了图像的非均匀性残差,对非均匀成分和去除非均匀性的图像做无损压缩,并将压缩码流分别传输,有效提升了压缩比率,缓解了带宽受限的问题。

    一种动目标的精确测谱方法

    公开(公告)号:CN108305290A

    公开(公告)日:2018-07-20

    申请号:CN201711488051.3

    申请日:2017-12-29

    Abstract: 本发明公开一种动目标的精确测谱方法,包括:(1)确定图谱关联探测系统的成像像面上光谱响应最大的点,将该点设为标定中心;(2)大范围搜索捕获目标,一方面记录搜索过程中测得的背景光谱;另一方面,对目标进行捕获,如果捕获到目标,则确定该目标的图像坐标和目标所占像素多少,直至捕获到目标;(3)根据目标的图像坐标和所述标定中心的距离,利用伺服机构的控制,快速将目标拉至标定中心,以在所述标定中心位置测量所述目标的光谱;(4)根据步骤(2)所得的目标所占像素多少,确定在测谱范围内背景所占比例,并根据背景所占比例在图谱关联探测系统得到的混合谱中减去背景光谱,得到目标光谱。本发明可以获取精确的目标光谱。

    一种天基红外高光谱图像智能压缩方法

    公开(公告)号:CN108198228A

    公开(公告)日:2018-06-22

    申请号:CN201711477874.6

    申请日:2017-12-29

    Abstract: 本发明公开一种天基红外高光谱图像智能压缩方法,包括:确定红外高光谱图像立方体;根据目标的红外物理特性选择多个窄波段;在选择的多个窄波段对应图像中检测目标;通过目标红外特征融合初步筛选疑似目标;通过多帧轨迹关联进一步筛选疑似目标;获取各疑似目标的中心光谱;将各疑似目标处像素上的光谱与其中心光谱进行对比以确定目标区域,令目标区域之外的其他区域为背景区域;对目标区域高光谱图像立方体进行无损压缩,对背景区域高光谱图像立方体进行有损度可控的压缩。本发明对目标区域进行无损压缩,对背景区域进行有损压缩,实现高压缩率的同时保证了目标信息不失真。

Patent Agency Ranking