非線性方法在圖像處理和電力市場(chǎng)中的若干應(yīng)用.pdf

1、在分形編碼方案中，L2距離被普遍采用去搜索理想的壓縮映射。本文提出一種新的距離——基于Sugeno模糊積分的模糊距離FM，這種距離用于圖像度量就是模糊圖像度量。在分形編碼中，本文嘗試用模糊距離去替代L2距離來(lái)搜索理想的壓縮映射，并進(jìn)行了一些比較研究。實(shí)驗(yàn)表明，在分形編碼的四叉樹(shù)算法中，在不損害壓縮比和解碼質(zhì)量的前提下，與L2距離混合或單純使用FM可提高編碼速度35％～50％。 為了得到可變的位率，在分形圖象壓縮中經(jīng)常采用四叉樹(shù)分

2、割方法。本文分析比較了一些常用的剖分函數(shù)，并且提出了一種新的基于模糊積分的剖分決策函數(shù)—模糊均差。這種剖分函數(shù)是自適應(yīng)的，即對(duì)四叉樹(shù)的各個(gè)層來(lái)說(shuō)，閾值不需要變化即可得到最佳的率失真曲線。并且在編碼效率及剖分的合理性上，模糊均差都比常用的方差，熵表現(xiàn)要好。同時(shí)本文指出，所有的剖分函數(shù)在閾值選取上都不具有普適性。圖像內(nèi)容本身及圖像間差異的豐富性使得為了得到某一個(gè)圖像的固定的解碼質(zhì)量而在閾值設(shè)定上給出先驗(yàn)估計(jì)是不可能的。 本文通過(guò)對(duì)具

3、有各種失真度的圖像在三構(gòu)件—邊緣，紋理和平坦區(qū)域上的誤差進(jìn)行分析后，發(fā)現(xiàn)它們同MOS都具有很高的相關(guān)系數(shù)。本文用線性回歸模型去考察這種相關(guān)關(guān)系，然后用神經(jīng)網(wǎng)絡(luò)模型去挖掘圖像三構(gòu)件的非線性關(guān)系。最后通過(guò)線性嶺回歸方程和神經(jīng)網(wǎng)絡(luò)模型得到圖像的邊緣，紋理和平坦區(qū)域在編碼中對(duì)MOS的影響程度的定性和定量的分析。 基于重要性測(cè)度和Sugeno模糊積分，本文給出評(píng)價(jià)編碼圖象質(zhì)量的一種新方法。第一步，首先分別計(jì)算圖像在邊緣，紋理和平坦區(qū)域各部

4、分的誤差，然后根據(jù)評(píng)價(jià)函數(shù)給出各部分的評(píng)價(jià)值，最后再根據(jù)邊緣，紋理和平坦區(qū)域的重要性測(cè)度給出一個(gè)全局評(píng)價(jià)值。第二步，首先根據(jù)誤差發(fā)生的位置來(lái)確定重要性測(cè)度，然后在這個(gè)重要性測(cè)度下通過(guò)對(duì)全部像素的誤差進(jìn)行模糊積分來(lái)給出一個(gè)精細(xì)評(píng)價(jià)值。最后，基于前面兩步的評(píng)價(jià)值給出最終的評(píng)價(jià)值。實(shí)驗(yàn)表明，這種方法和人的主觀測(cè)試方法MOS的相關(guān)系數(shù)明顯高于PQS、WMSE和PSNR等方法。 在彩色圖像編碼質(zhì)量的評(píng)價(jià)中，我們首先把表示彩色圖像的RGB顏

5、色模型轉(zhuǎn)換成YUV顏色模型。然后我們對(duì)每個(gè)分量Y，U和V分別作精細(xì)評(píng)價(jià)。本文采用求解一個(gè)約束條件下的二次規(guī)劃方法得到{Y，U，V}重要性測(cè)度，最后通過(guò)Choquet模糊積分得出彩色圖像編碼質(zhì)量的客觀評(píng)價(jià)值。 電力市場(chǎng)中對(duì)負(fù)荷和市場(chǎng)清算價(jià)格(MCP)的預(yù)測(cè)對(duì)于發(fā)電商制定上網(wǎng)競(jìng)價(jià)策略和有關(guān)部門(mén)進(jìn)行電力調(diào)度非常有用。我們結(jié)合小波和神經(jīng)網(wǎng)絡(luò)，分別給出了相應(yīng)的預(yù)測(cè)方法。通過(guò)對(duì)將浙江電力市場(chǎng)的歷史數(shù)據(jù)進(jìn)行試驗(yàn)，得到相對(duì)較高的預(yù)測(cè)精度，短期負(fù)