论文研究-基于机器学习参数选择的交通图像编码方法.pdf

所需积分/C币:5 2019-09-19 17:20:20 463KB .PDF

论文研究-基于机器学习参数选择的交通图像编码方法.pdf,
第1期 基于机器学习参数选择的交通图像编码方法 159 描成为1维的灰度序列,然后重新导入个二维平面,对其进行二维DCT变换,最后将变换得到的量化的 DT系效作为下一步单调预处理的输入完成基于(M(1,1)模型拟合的图像编码的第一步. (1.1) (1.2) (13) (14) (1.5) 图1各和扫描方法比较 表1连续性指标与局部性指标 测试图选目2004年12月7日15时26分深圳市东门路-人氏路路段交通实时路况截图) 描方法 光栅扫描螺旋扫描|Z形扫描连续光册扫描Hbt描 标 4Ⅺ块 连续性指标 6.4807 3.8730 4.8990 3.8730 3.8730 局部性指标 连续性指标 20.1494 7.9373 10.5830 7.9373 7.9373 局部性指标 2机器学习自适应单调化 由于绎过图像扫描方法得到的图像数据一股来说是摆动的.要想用拟合的方法对其进行处理,则必须 对数据进行单调化 定义3令x,x为数据序列 (0) 10) (0) (1) () (1) x(0)=0 (0)=0 如果x(k)+x(k-)=x(k),k=1,2,…,n 则称:x是由x简单单调化产生的序列称:x0是由x简单还原产生的序列 自适应单调化可以按照如下方法: 1)先简单单调化,再进行多项式拟合;这样做效果较好但应该注意的问题是:要注意控制累加的次数 和多项式的次数 2)对数据进行简单单调化并加对数化处理然后进行多项式拟合此方法拟合效果优于一般多项式拟 合.问题是:对数处理后,要经过乘方还原,由于舍入误差的存在,恢复数据反倒不如一般多项式拟合 3)对数据进行灰色系统理论数据¢理方法生成(使其输入数列近似于所谓的灰指数率)然后进行 多项式拟合拟合效果良好.问题是:对数据进行灰色系统理论数据处理方法生成时,进行了多次类似单调 化、区间化、均值化、初值化、对数化等处珪,閃此由于舍入误差引起的不精确冋题相当突岀,难以精确恢复 原始数据. 4)用灰色系统理论M(1,1)建模生成拟合函数进行数据拟合效果优于多项式拟合次于2、3.问题 是:由于严格按照灰色系统琿讼αM(1,1)建模生成拟合函数进行数据拟合,所以是严格按照所谓的灰指数 率进行拟合这样,使得3中提到的问题更加突出.这也正是文章引言中其它方法的问题所在 实验表明,要想得到很好的恢复数据最好用1中提到的多项式拟合的数据预处理方法.但是累加的次 数到底以多少为宜呢?我们给出一种基于机器自主学习的自适应参数选择的方法.步骤如下 1)指定误差限ε,将输入数据进行多项式拟合,然后计算均方误差Δ original; )指定每个类别的区间上限: Nomax、 Neave、 T wimin(其初值可以给定较大的值,通过学习会自动收 C1994-2008ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp://www.cnki.net 160 系统工程理论与实践 2007年1月 敛).将所有的序列按均方误差分为四类:① oniginal< Nomax(未累加的最大值);② Nomax≤ original< Neave(累加一次的均值);(③ Neave Original< weimin(累加两次的最小值);④ Twimin Original.以 Δ original落入哪一个类别作为不累加与累加几次的判据. 复位 初始化 输入数据,预拟合,北较均方误差△ original 指定精度(均方读差E 祟加次数置time=-1 ①∧ original< Nomax(未累加的最大值):( omax ≤△ original< Neave(系加一次的均值);⑤ av≤△ original< Twining(累加次的最 值 ≤△ or-gi n 累加次数置tine=time+2,拟合 累加次数置time=time+3,拟合 产牛△1 产牛△2 累加次数置timc=tmc+4,拟合, 产生△3 △ original≥E △1≥2与否 △2多2与否 编码 否 编码 累加次数置time-time-1,拟合 累加次数置time-time+1,拟合 累加次数置time- timet+1,拟合 产生△1 产生△2 产生△3 参数更浙 参数更新 参数更所 If time=0, Nomax= Original If time=0. Nomax -Aorig-na-, If time=0, Nomax Original time-1, Oneave-Aorigi-na time-1, Neave Original riginal time-2, Twimin-Aorigina time=2, Twimin=Original ime= 2, Twimin=Original 图2机器学习参数选择流程 3)数列按照均方误差进入自己的类别后,与指定误差进行比较Δ1Δ2Δ3(以后代以Δ)分别表示累 加1、2、次后多项式拟合的均方误差.当Δ<ε,直接编码;当Δ·乏,累加1次并进行拟合.同时用 △ original更新每个类别的区间上限,达到基于机器学习的自动分类 4)输入第二,三,……列数据,最终使得分类攻敛到最优状态.见图2 至此,我们完成了基于多项式拟合的图像编码的第二步 31维数据多项式拟合 设函数关系y=(x)的一组值为(x,y),(i=1,2,…,n),其中,x=1,y=x(1)=(x"(1), (n) 欲求一个m次多项式 使得偏差 =Pn(x)-y,i=1,2,…,n, 的平方和 C1994-2008ChinaAcademicJournalElectronicPublishingHouseallrightsreservedhttp://www.cnki.net 第1期 基于机器学习参数选择的交通图像编码方法 161 R Pr(xi)-yi1 为最小 CR CR 根据极值理论,要使R达到极小,必有Ca dR 可以得到m+1阶正则方程组 (n+1)+a1>x1+ +∑x+…+am∑x=∑} +1 解此方程组得ω,a,…,an,从而求得m次多项式Pn(x).记录保仃m次多项式Pn(x)的系数.实现图像 压缩编码的第三步 4实验结果分析 我们以峰值信噪比(PSR、压缩比(R)作为图像压缩的指标.实验环境为 AMD Athloη1800+,256M Ram pc,Win200,vc++6.0.实验图像选用204年12月7日15时26分深圳市东门路-人民路路段交通 实时路况截图,其实验的部分结果见表1、2,图3. 表2各种方法信噪匕、压缩比比较 深圳市东门路-人民路路段交通实时路况截图 方法 光棚扫描|螺旋扫措z字形扫描|连续光棚扫描| Hilbert扫描|Jpeg压缩 PSNR(db) 20.754982 20.742145 20.351247 20.143594 19.902141 28.202885 CR 4.81 4.81 4.68 4.71 7.80 光栅扫描20.75 螺旋扫描20.74 Z字形扫描2035 连续光棚扫描20.14 Hilbcrt扫描19.90 图3各种扫描方法恢复图像比较 通过对上述图像的实验结果来看,本文的方法简单可行,在中低信噪比时有好的表现.需要说明的是 在传统旳变换编码对其它图像编码的过程中,按照本文定乂的两类度量扫描曲线稳定性的指标,图絛扫描 数据的稳定性顺序应为: Hilbert扫描>连续光栅扫措>Z形扫摧>螺旋扫描>光栅扫措.但与传统的变换 编码不同,交通图像的特性和基于多项式拟合的图像压缩方法本身决定了不文方法对于连续性、局部性不 是十分好(连续性、局部性太好,图像扫描数据局部抖动比较厉害,而多项式拟合受局部抖动的影响比整体 C1994-2008ChinaAcademicJournalElectronicPublishingHouseallrightsreservedhttp://www.cnki.net 162 系统工程理论与实践 2007年1月 抖动的影响更甚)的扫摧方法更加有效.所以我们选取基于多项式拟合结合光栅扫描得到的结果应该是最 佳的.其次才应该是螺旋扫描…lber扫描等.表2的结果也证实了这一事实.这再一次说明了本文定 义的连续性指标与局部性指标在度昰针对基于多项式拟合编码的交通路况图像扫描数据稳定性方面的有 效性 5结论 本文从与传统图像压缩方法完全不同的角度考虑了图像压缩,开辟了一条新的思路.实验表明,该法 简单方便、快速高效,并已针对小幅复杂交通路况图像在屮低信噪比取得了好的结果.并可以将该方法成 功推广于其它感兴趣区域集中在图像中央的类图像. 参考文献: [1] Yin HB, Xu J B. Road transportatio u:ul technique [J ]. The South of China Science and Engineering University Publishing House,2000,2-4 [2 Huang H C, L. Grey system theory on ng and lo ion for HDmedia[]. Journal of Grey System Theory Practice, 1993, 2: 9-15 [3]曹奎,冯育才.基于(M模型和 Hilbert空间填充曲线的图象压缩方法[J].小型微型计算机系统,2002,23(11) Cao K, Feng Y C. A image copression methed based on GM and Hilbert spacefilling curve [J]. Minr Mico System, 2002, 23 4] Yer Tseng Hsu, Jerome Yeh. A novel lossless image copression based on MM[j] Journal of Grey System, 2000, 3: 263-274 5] Yerr Tseng Hsu Jerome Yeh. Grey based image cOmpression[J]. Journal of Grey System, 1998: 105-120 [6 Jacobs E W, Fisher Y, Boss R D. Image compression: A study of the iterated transform method[]. Signal Proceeding, 1992, 29 251-263 Fisher Y. Fractal image compression[j]. Fractals, 1994, 2(3): 321-329 [8]刘向东,朱志良,王光兴,等.图像扫描波动性度量及 Hilbert扫描矩阵的快速生成J].中国图象图形学报,2002,7 Liu XD, Zhu ZL, Wang GX, et al. Measuring the undulation of the image scanning and a fast Hilbert scanning matrix constructin algorithm[J]. Jourmal of Image and Graphics 2002, 7(6) [9 Huang W, Gny P Z. The methods of coding in image compression[J ] Application Research of Computers, 2003, 8 [10] Huang YP. Practical consideration for grey modeling and its application to image processing[J]. The Journal of Grey System, 1996 3:217-234 [11 Huang Y P, Chu H C, Hsia K H. Dynamic grey modeling Theory and application[ C y/The First National Symposiumon Grey System Theory and Its Application Taiwan, 1996: 47-56 C1994-2008ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp://www.cnki.net

...展开详情
img
  • 至尊王者

    成功上传501个资源即可获取

关注 私信 TA的资源

上传资源赚积分,得勋章
    最新推荐