-
公开(公告)号：CN108564519A
公开(公告)日：2018-09-21
申请号：CN201711401354.7
申请日：2017-12-22
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于多变换域的彩色图像数字水印方法，结合离散小波变换(DWT)、四元数离散余弦变换(QDCT)和奇异值分解(SVD)。首先将彩色图像分通道DWT，再将三个通道同类频率子带用四元数描述，然后根据水印尺寸大小进行分块，并将每个子块进行DQCT，并组成一个系数矩阵，最后，在保证视觉可感知质量下，将水印嵌入到系数矩阵中。本发明提供一种新的彩色图像水印方法，针对现有彩色图像数字水印算法在平衡鲁棒性与透明性关系上还具有提升空间，充分利用各个变换方法的优势，在保证透明性前提下，提高水印算法的鲁棒性和嵌入容量。
-
公开(公告)号：CN104244018B
公开(公告)日：2018-04-27
申请号：CN201410484027.2
申请日：2014-09-19
Applicant: 重庆邮电大学
IPC: H04N19/94 , H04N19/154
Abstract: 本发明针对高光谱图像数据量巨大，提出了一种快速压缩高光谱信号的矢量量化方案。对矢量数据的各分量按离散度进行重新排序，提取矢量数据的前几维分量组成训练矢量集，余下分量组成余下矢量数据，对训练矢量集进行聚类训练；再利用训练矢量数据的编码索引对余下矢量数据直接进行归类；将训练矢量数据的码书和余下矢量数据的码书重组，得到矢量数据的最终码书，完成高光谱图像的压缩编码。本发明使矢量的大部分能量集中在低维部分，仅仅提取矢量数据低维部分进行训练，空间复杂度得到很大减小。不仅能保证图像恢复质量基本不变、大量缩小压缩过程的空间复杂度，还能达到大幅度降低各类计算量，快速高效完成高光谱图像压缩的目标。
-
公开(公告)号：CN104244017B
公开(公告)日：2018-02-27
申请号：CN201410482379.4
申请日：2014-09-19
Applicant: 重庆邮电大学
IPC: H04N19/94 , H04N19/154
Abstract: 本发明公开一种压缩编码高光谱遥感图像的多层次码书矢量量化方法，涉及图像处理技术领域，该方法根据失真情况将高光谱图像的光谱矢量分割为低维、中维、高维三个部分，然后对失真较大的低维部分采用大尺寸码书，失真不大的中维部分采用中尺寸码书，失真较小的高维部分采用小尺寸码书，这样采用多层次码书，并结合离散度排序后仅提取低维部分四分之一分量训练编码索引的方式，能在相同压缩比下，达到有效降低高光谱图像的量化失真的同时，明显减少各项计算量的目标。本发明能在较小的计算复杂度条件下，以更快的速度实现高光谱图像更高质量的压缩编码，具有实际应用的价值，是一种压缩性能较好的高光谱图像有损、近无损压缩方案。
-
公开(公告)号：CN106101732A
公开(公告)日：2016-11-09
申请号：CN201610524613.4
申请日：2016-07-05
Applicant: 重庆邮电大学
IPC: H04N19/94
CPC classification number: H04N19/94
Abstract: 本发明针对高光谱图像数据量大的特点，提出了一种快速压缩高光谱图像的矢量量化方案。根据三维高光谱图像数据构建初始码书，根据初始码书的特征矩阵进行主成分提取获取初始码书主成分，排除特征矩阵中异常像素并提取其主成分，得到训练矢量主成分，根据码书主成分对训练矢量主成分进行聚类，获得最终码书，完成高光谱图像的压缩编码。本发明对码书和训练矢量进行PCA运算，使得矢量的大部分能量集中在低维部分，使得空间复杂度大大减小，同时对异常像素进行提取，减少码书受到少数相关性较小的像素的影响，提高码书质量。本发明不仅能保证图像恢复质量几乎不受影响、还能达到大大降低运算量，快速高效地完成高光谱图像压缩的目标。
-
公开(公告)号：CN105554771A
公开(公告)日：2016-05-04
申请号：CN201510932655.7
申请日：2015-12-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域，特别涉及基于密集分布的毫微微用户资源分配方法，根据函数的最优解对已分组的毫微微用户进行资源分配，其中求得函数的最优解包括：将整个用户分组问题代入lingo数学平台；根据约束条件确定分组优化的所有可行解；根据求得的可行解，建立单纯形表并求得每一个可行解对应的检验数；根据lingo数学平台特点，运用直接求解程序对模型等式约束进行处理，并判定模型种类，再调用分支定界程序结合单纯形表求得函数的最优解；本发明根据毫微微组间干扰强弱对毫微微用户分组，最小化每组毫微微内的同层干扰，最大化毫微微小区总的数据速率，并求出分组优化的最优解。
-
Patent Agency Ranking
公开(公告)号：CN105490794A
公开(公告)日：2016-04-13
申请号：CN201510934421.6
申请日：2015-12-15
Applicant: 重庆邮电大学
CPC classification number: H04L5/006 , H04L5/0062 , H04L5/0076 , H04W52/241 , H04W52/40 , H04W72/082
Abstract: 本发明公开一种OFDMA毫微微小区双层网络基于分组的资源分配方法，包括用改良的匈牙利算法对宏用户MUEs执行子信道分配；根据宏用户功率分配的优化目标和约束条件，采用经典的注水算法计算出每个子信道上的传输功率；以避免干扰MUEs为前提，根据毫微微基站FBSs间的干扰情况建立干扰列表并对FBSs进行分组，根据每组中毫微微用户FUEs的速率需求对FBSs进行子信道分配；对毫微微基站进行功率分配；本发明能够在保证宏小区用户服务质量需求的前提下，最小化毫微微用户间的干扰，有效缓解了跨层干扰和同层干扰，提高了频谱利用率，更保证了FUEs和MUEs的服务质量。
-
公开(公告)号：CN102905137B
公开(公告)日：2015-09-09
申请号：CN201210431230.4
申请日：2012-11-01
Applicant: 重庆邮电大学
IPC: H04N19/124
Abstract: 本发明提出了一种基于差值矢量量化的超光谱信号快速压缩方案。在哈达玛域中，构造初次矢量量化的初始码书，快速聚类，生成初次矢量量化的最终码书和索引；将初次矢量量化恢复的图像与原图像获得差值图像数据作为差值矢量量化的输入矢量，对其进行哈达玛变换，构造差值矢量量化的初始码书，快速聚类，生成差值矢量量化的最终码书和索引。本发明提供的超光谱图像压缩方案，结合Hadamard变换性质和差值矢量量化减小量化误差的特点，与传统的LBG算法相比，在压缩比相同的情况下，不仅能够大幅减少计算量，而且可以提高图像恢复质量，达到快速压缩编码的目的。
-
公开(公告)号：CN104244018A
公开(公告)日：2014-12-24
申请号：CN201410484027.2
申请日：2014-09-19
Applicant: 重庆邮电大学
IPC: H04N19/94 , H04N19/154
Abstract: 本发明针对高光谱图像数据量巨大，提出了一种快速压缩高光谱信号的矢量量化方案。对矢量数据的各分量按离散度进行重新排序，提取矢量数据的前几维分量组成训练矢量集，余下分量组成余下矢量数据，对训练矢量集进行聚类训练；再利用训练矢量数据的编码索引对余下矢量数据直接进行归类；将训练矢量数据的码书和余下矢量数据的码书重组，得到矢量数据的最终码书，完成高光谱图像的压缩编码。本发明使矢量的大部分能量集中在低维部分，仅仅提取矢量数据低维部分进行训练，空间复杂度得到很大减小。不仅能保证图像恢复质量基本不变、大量缩小压缩过程的空间复杂度，还能达到大幅度降低各类计算量，快速高效完成高光谱图像压缩的目标。
-
公开(公告)号：CN103440505A
公开(公告)日：2013-12-11
申请号：CN201310422632.2
申请日：2013-09-16
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明针对现有高光谱遥感图像分类技术，在图像分类结果存在“杂点”的问题上，提出了一种空间邻域信息加权的高光谱遥感图像分类方案。首先对预处理后的图像数据进行部分主成分分析，获取变换后的特征矩阵，然后对特征矩阵利用空间邻域信息加权的FCM算法实施快速聚类，得到高光谱图像的分类结果。本发明提供的高光谱遥感图像分类方案，充分结合了主成分分析特征降维的功效和高光谱图像丰富的空间邻域信息，在保证算法效率的同时，提高了高光谱图像的分类效果，与传统方法法相比，不仅能够降低计算量，而且可以改善分类效果，克服“同物异谱”和噪声引起的“杂点”现象，获得很好的分类效果。
-
公开(公告)号：CN102905137A
公开(公告)日：2013-01-30
申请号：CN201210431230.4
申请日：2012-11-01
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于差值矢量量化的超光谱信号快速压缩方案。在哈达玛域中，构造初次矢量量化的初始码书，快速聚类，生成初次矢量量化的最终码书和索引；将初次矢量量化恢复的图像与原图像获得差值图像数据作为差值矢量量化的输入矢量，对其进行哈达玛变换，构造差值矢量量化的初始码书，快速聚类，生成差值矢量量化的最终码书和索引。本发明提供的超光谱图像压缩方案，结合Hadamard变换性质和差值矢量量化减小量化误差的特点，与传统的LBG算法相比，在压缩比相同的情况下，不仅能够大幅减少计算量，而且可以提高图像恢复质量，达到快速压缩编码的目的。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.028 seconds)
