排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
基于小波变换的矢量量化编码方法 总被引:2,自引:0,他引:2
提出了一种基于小波变换的图像压编码方法,充分利用图像分解后得得小波系数与原始图像的关系、各个子图像象素之间的相准确性、各子图像方向上的相关性以及与人眼视觉特征(HVS)的关系,做到充分利用图像的统计冗余与视觉冗余,为了得到高的压缩比和好的图像质量,精确保留对图像质量影响大的系数,而对图像质量影响小的系数进行粗略量化。同时,在对小波系数的组织和编码上,也做到了具有普遍适用性,结果表明,此方法计算简单、计算量小,编解码时间少,在压缩比较高的情况下获得了较好的图像质量。 相似文献
7.
现在樱桃市场上存在着大量以次充好的不良现象,严重损害了名牌樱桃的品牌经济效益,所以亟需一种能对不同产地樱桃实现快速无损鉴别的技术。拉曼光谱溯源技术作为光谱溯源技术的一种,由于具有快速、高效、无污染、无损分析等优点,逐渐得到相关研究者的重视。长短期记忆(LSTM)网络是一种具有记忆性的反馈神经网络,它是循环神经网络的一种变体。LSTM网络克服了循环神经网络中梯度消失的缺点,适合处理序列敏感的问题和任务,目前被广泛应用在语音识别、图像识别和手写识别等领域,但LSTM网络在产地溯源方面的应用还有待研究。基于此,提出了一种LSTM网络与拉曼光谱技术结合的能对不同产地樱桃实现快速无损鉴别的技术。将来自美国、山东和四川的369个樱桃作为研究样本,用拉曼光谱仪在785 nm激光下获得了不同产地樱桃的光谱数据。并且以每条经过基线校正后的拉曼光谱数据作为网络输入数据,基于LSTM网络构建了能对不同产地樱桃实现快速鉴别的判别模型,并且以样本判别准确率A、样本精确率P、样本召回率R和样本F值作为评价指标,探究了不同预处理方法对LSTM网络判别模型性能的影响。结果表明:当样本训练集和测试集的比例为85∶38时,直接采用原始拉曼光谱数据的LSTM网络模型的产地鉴别能力不高,鉴别准确率为79.87%。但当使用预处理过后的拉曼光谱数据,模型的鉴别准确率维持在92%以上。并且光谱经过SG+MSC预处理后模型的鉴别准确度最好,鉴别准确率达99.12%。同时在采用SG+MSC预处理的方法下,LSTM网络鉴别模型的精确率、召回率、F值均较高,表明了所提出的LSTM网络模型有较好的性能可实现对不同产地樱桃的鉴别,为樱桃的产地溯源提供了一种新的思路。 相似文献
8.
研究了苯甲醛和卤仿在微波辐射条件下相转移催化合成扁桃酸的工艺,探讨了合成过程中催化剂种类、催化剂用量、反应物的摩尔配比、微波辐射功率、体系反应温度、微波辐射时间等对该合成反应的影响,并通过熔点和红外光谱对产物进行了表征.实验结果表明,在微波辐射功率为300W,系统反应温度为60℃,反应时间为20min,苯甲醛、氯仿和四丁基氯化铵(TBAC)的摩尔比为1∶1.76∶0.03时,扁桃酸的产率可达60.4%. 相似文献
9.
10.