非線性方法在圖像處理和電力市場中的若干應用.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距離來搜索理想的壓縮映射，并進行了一些比較研究。實驗表明，在分形編碼的四叉樹算法中，在不損害壓縮比和解碼質量的前提下，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常采用四叉樹分

2、割方法。本文分析比較了一些常用的剖分函數，并且提出了一種新的基于模糊積分的剖分決策函數—模糊均差。這種剖分函數是自適應的，即對四叉樹的各個層來說，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，熵表現要好。同時本文指出，所有的剖分函數在閾值選取上都不具有普適性。圖像內容本身及圖像間差異的豐富性使得為了得到某一個圖像的固定的解碼質量而在閾值設定上給出先驗估計是不可能的。 本文通過對具

3、有各種失真度的圖像在三構件—邊緣，紋理和平坦區(qū)域上的誤差進行分析后，發(fā)現它們同MOS都具有很高的相關系數。本文用線性回歸模型去考察這種相關關系，然后用神經網絡模型去挖掘圖像三構件的非線性關系。最后通過線性嶺回歸方程和神經網絡模型得到圖像的邊緣，紋理和平坦區(qū)域在編碼中對MOS的影響程度的定性和定量的分析。 基于重要性測度和Sugeno模糊積分，本文給出評價編碼圖象質量的一種新方法。第一步，首先分別計算圖像在邊緣，紋理和平坦區(qū)域各部

4、分的誤差，然后根據評價函數給出各部分的評價值，最后再根據邊緣，紋理和平坦區(qū)域的重要性測度給出一個全局評價值。第二步，首先根據誤差發(fā)生的位置來確定重要性測度，然后在這個重要性測度下通過對全部像素的誤差進行模糊積分來給出一個精細評價值。最后，基于前面兩步的評價值給出最終的評價值。實驗表明，這種方法和人的主觀測試方法MOS的相關系數明顯高于PQS、WMSE和PSNR等方法。 在彩色圖像編碼質量的評價中，我們首先把表示彩色圖像的RGB顏

5、色模型轉換成YUV顏色模型。然后我們對每個分量Y，U和V分別作精細評價。本文采用求解一個約束條件下的二次規(guī)劃方法得到{Y，U，V}重要性測度，最后通過Choquet模糊積分得出彩色圖像編碼質量的客觀評價值。 電力市場中對負荷和市場清算價格(MCP)的預測對于發(fā)電商制定上網競價策略和有關部門進行電力調度非常有用。我們結合小波和神經網絡，分別給出了相應的預測方法。通過對將浙江電力市場的歷史數據進行試驗，得到相對較高的預測精度，短期負