一、量化器模型 设量化操作在K维欧几里德空间(记为RK)上进行,X为RK上的一个K维随机向量, x为X的取值,ACRK是X的取值空间,即值域,则A的一个N级量化器

§2.3.1 图像的采样和量化 §2.3.3.2 像素间的运算

4.3.1 有损压缩引言 4.3.2 有损预测编码 4.3.2.1 最优预测器 4.3.2.2 最优量化器 4.3.3 变换编码

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

基于视觉熵概念提出了一种静止图像分割压缩方法.通过对人类视觉系统特性的归纳,总结了基于视觉熵的图像分割原理,提出了用于量化图像特征的数学定义和基于视觉嫡的分割算法.实验结果表明,这种基于视觉熵的图像分割压缩算法既提高了压缩比,又能保证压缩后的重建图像整体上具有高的主观视觉感知质量

1 颜色及色彩模型 2 图像的数字化 3 数字图像的分类 4 数字图像的存储 颜色形成原理 色调 颜色三要素 亮度 图像数据量 1颜色及 饱和度 有损压缩 图像压缩 色彩模型 RGB模型 无损压缩 4数字图像 CMYK模型 BMP 的存储 色彩模型 YIQ模型 GIF 图形图像基础 图像文件格式 YUV模型 JPG 采样 数字化过程 量化 矢量图与点阵图 3数字图像 灰度图与彩色图 的分类 2图像的 编码 数字化 分辨率 数字图像基本属性 像素深度 彩色类型

2.1 图像的向量表示 2.2 随机场－图像的统计表示 2.3 正交变换 2.4 付氏变换 2.5 离散图像付氏变换( DFT ) 2.6 快速付氏变换（FFT） 2.7 其它常用变换 2.8 K-L变换 2.9 图像的采样 2.10 二值图像的采样 2.11 图像的量化

8.1 人类视觉与色度学基础 三基色原理、光度学基本知识 8.2 颜色空间的表示及其转换 RGB模型、Munsell模型、HSV模型、HSI模型、YUV模型 RGB与HSV空间的相互转换 RGB与YUV空间的相互转换 RGB与HSI空间的相互转换 8.2 颜色空间的量化 抖动技术、假彩色处理 彩色图像增强、真彩色增强 8.6.2 伪彩色增强 实验：彩色空间的表示和转换 本章小结

针对矿山破碎机的声音故障诊断受复杂现场环境制约、确诊率低的难题,结合独立分量分析(ICA)在自然图像和连续语音信号中特征提取的方法,采用两层ICA分别用于从混杂声音中提取各采集通道(部位)的统计独立声音信号和进一步提取该信号的特征基.训练阶段生成的特征基系数序列用来生成矢量量化(VQ)的码书,设计出ICA-VQ破碎机故障诊断系统.现场采集数据的实验中系统的故障诊断准确率达到96.8%,表明系统的高效性

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法