CN105915225A - 信号处理二维数据阵列的特征增强和数据压缩的方法 - Google Patents
信号处理二维数据阵列的特征增强和数据压缩的方法 Download PDFInfo
- Publication number
- CN105915225A CN105915225A CN201610222271.0A CN201610222271A CN105915225A CN 105915225 A CN105915225 A CN 105915225A CN 201610222271 A CN201610222271 A CN 201610222271A CN 105915225 A CN105915225 A CN 105915225A
- Authority
- CN
- China
- Prior art keywords
- array
- numerical value
- data
- point
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 title claims abstract description 34
- 230000002708 enhancing effect Effects 0.000 title abstract 4
- 238000013144 data compression Methods 0.000 claims description 18
- 238000007906 compression Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000005728 strengthening Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种信号处理二维数据阵列的特征增强和数据压缩的方法，所述信号处理二维数据阵列的特征增强和数据压缩的方法包括参数计算、小阵列计算及特征点计算等过程。本发明能够实现对二维数据阵列的特征点强化及数据总量进行压缩，其方法流程精炼，速度快，执行效率高，特征增强和数据量压缩同步完成。
Description
技术领域
本发明涉及一种信号处理二维数据阵列的特征增强和数据压缩的方法，特别是涉及一种二维数据阵列的特征增强和数据压缩二合一同步进行的方法。
背景技术
在信号的数据处理方案中，经常需要对二维信号数据进行以下方式处理：处理方式一：进行特征部位进行强化，以突显特定部分。处理方式二：减小数据量，节省数据空间及加快数据处理速度。
现有的处理方法主要有以下两个问题：问题一：特征增强和压缩处理模块分成两个独立的流程和模块，导致系统庞大复杂，系统集成度低，处理速度慢。问题二：特征增强和压缩处理模块分成两个独立的流程和模块，其两个模块分时处理，有先后顺序，如果先数据压缩后特征增强，容易导致增强效果不理想；或者先特征增强后压缩，容易导致压缩比例不高，且压缩后减弱了特征增强的效果；顾此失彼，导致系统最终的系统性能下降，影响后续模块的信号处理效果。
发明内容
本发明所要解决的技术问题是提供一种信号处理二维数据阵列的特征增强和数据压缩的方法，本发明能够实现对二维数据阵列的特征点强化及数据总量进行压缩，其方法流程精炼，速度快，执行效率高，特征增强和数据量压缩同步完成。
本发明是通过下述技术方案来解决上述技术问题的：一种信号处理二维数据阵列的特征增强和数据压缩的方法，其特征在于，所述信号处理二维数据阵列的特征增强和数据压缩的方法包括以下步骤：步骤一：获取一帧二维数据输入阵列，统计得到其阵列大小M1*N1；步骤二：计算阵列的平均值，阵列的平均值等于所有点的值之和除以点的数量； 步骤三：计算阵列的方差，方差等于阵列中的每个点与平均值的差的绝对值进行累加求和，再除以点的数量而得到的值；步骤四：计算压缩后的数值的最大比特数，比特数K= 2*log（2）（方差）； 步骤五：设置本系统处理后二维数据输出阵列尺寸大小参数M2和N2, M2值大小最大不大于M1，N2值大小最大不大于N1，本实施例设为M2=M1，N2=N1；步骤六：设定范围参数M3和N3，其值为一具体数值，本发明限定M3设为从“3” 到“M3的一半”之间的具体一个奇数数字，N3大小范围限定为从“3” 到“N3的一半”之间的具体一个奇数数字， M3和N3的值都是5；步骤七：逐一对输出阵列的每个点进行处理，根据待处理的输出阵列中的点的坐标位置，从输入阵列中提出相应的数据小阵列，按照下面步骤八到步骤十五进行处理计算，得到对输出阵列中该点的具体数值，处理顺序可以随机，但一般从坐标第一行第一个，第一行第二个，……逐一到第M2行N2列，最后遍历所有的点；步骤八：根据M3和N3，以输出阵列中待处理的坐标点为中心点，向四周延伸，获取对应的大小为M3*N3的一个数据阵列坐标，根据该阵列坐标，从输入阵列中提取图4类似的小阵列数据；如果延伸时超出输入阵列的边界，选取与越界坐标距离最近的有效坐标点代之；步骤九：计算数据阵列中的最小值和最大值；步骤十：计算最大值与最小值的差，得到数值一；步骤十一：计算阵列中心点数值与最小值的差，得到数值二；步骤十二：计算数值三，数值三等于 2^K；步骤十三：比较中心点数值与数值三的大小，如果小于数值三，则设置输出值等于数值二，本坐标点处理完成，返回到步骤八，进行下一个点的处理；若不返回则进行下一步；步骤十四：设定数值四为1；步骤十五：把数值一乘以数值四，然后除以数值三，如果结果大于数值二，条件满足，当前坐标处的输出值设为数值四，本坐标点处理完成，返回到步骤八； 若不返回则进行下一步；步骤十六：将步骤中数值四增加1后，返回到步骤十五执行。
优选地，所述信号处理二维数据阵列的特征增强和数据压缩的方法通过对二维数据大阵列的统计值确定压缩因子和小阵列的分点。
优选地，所述信号处理二维数据阵列的特征增强和数据压缩的方法采用参数计算、小阵列计算及特定点计算。
本发明的积极进步效果在于：本发明能够实现对二维数据阵列的特征点强化及数据总量进行压缩，其方法流程精炼，速度快，执行效率高，特征增强和数据量压缩同步完成。
附图说明
图1为一个原始二维数据阵列的图示效果图。
图2为图1二维数据阵列经过本发明方法处理后的图示效果图。
图3为一个二维数据阵列数值图。
图4为找到阵列中心点的示意图。
具体实施方式
下面结合附图及实施例来详细说明本发明较佳实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。
如图1至图4所示，本发明信号处理二维数据阵列的特征增强和数据压缩的方法包括以下步骤：
步骤一：获取一帧二维数据输入阵列，统计得到其阵列大小M1*N1；
步骤二：计算阵列的平均值，阵列的平均值等于所有点的值之和除以点的数量；
步骤三：计算阵列的方差，方差等于阵列中的每个点与平均值的差的绝对值进行累加求和，再除以点的数量而得到的值；
步骤四：计算压缩后的数值的最大比特数，比特数K= 2*log(2)(方差）；
步骤五：设置本系统处理后二维数据输出阵列尺寸大小参数M2和N2, M2值大小最大不大于M1，N2值大小最大不大于N1，本实施例设为M2=M1，N2=N1；
步骤六：设定范围参数M3和N3，其值为一具体数值，本发明限定M3设为从“3” 到“M3的一半”之间的具体一个奇数数字，N3大小范围限定为从“3” 到“N3的一半”之间的具体一个奇数数字，如图4中的M3和N3的值都是5；
步骤七：逐一对输出阵列的每个点进行处理，根据待处理的输出阵列中的点的坐标位置，从输入阵列中提出相应的数据小阵列，按照下面步骤八到步骤十五进行处理计算，得到对输出阵列中该点的具体数值，处理顺序可以随机，但一般从坐标第一行第一个，第一行第二个，……逐一到第M2行N2列，最后遍历所有的点；
步骤八：根据M3和N3，以输出阵列中待处理的坐标点为中心点，向四周延伸，获取对应的大小为M3*N3的一个数据阵列坐标，根据该阵列坐标，从输入阵列中提取图4类似的小阵列数据。如果延伸时超出输入阵列的边界，选取与越界坐标距离最近的有效坐标点代之；
步骤九：计算数据阵列中的最小值和最大值；
步骤十：计算最大值与最小值的差，得到数值一；
步骤十一：计算阵列中心点数值与最小值的差，得到数值二；
步骤十二：计算数值三，数值三等于 2^K；
步骤十三：比较中心点数值与数值三的大小，如果小于数值三，则设置输出值等于数值二，本坐标点处理完成，返回到步骤八；若不返回则进行下一步；
步骤十四：设定数值四为1；
步骤十五：把数值一乘以数值四，然后除以数值三，如果结果大于数值二，条件满足，当前坐标处的输出值设为数值四，本坐标点处理完成，返回到步骤八。 若不返回则进行下一步；
步骤十六：将步骤中数值四增加1后，返回到步骤十五执行。
本发明最后的结果实现如图2所示的效果，同时对特征点（图2中的地图轮廓）进行了增强，及对数据量进行了压缩， 二维数据阵列中的每个数据，由原来的比特数压缩到了K 比特。
所述信号处理二维数据阵列的特征增强和数据压缩的方法通过对二维数据大阵列的统计值确定压缩因子和小阵列的分点。所述信号处理二维数据阵列的特征增强和数据压缩的方法采用参数计算、小阵列计算及特定点计算。本发明能够实现对二维数据阵列的特征点强化及数据总量进行压缩，其方法流程精炼，速度快，执行效率高，特征增强和数据量压缩同步完成。
以上所述的具体实施例，对本发明的解决的技术问题、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种信号处理二维数据阵列的特征增强和数据压缩的方法，其特征在于，所述信号处理二维数据阵列的特征增强和数据压缩的方法包括以下步骤：
步骤一：获取一帧二维数据输入阵列，统计得到其阵列大小M1*N1；
步骤二：计算阵列的平均值，阵列的平均值等于所有点的值之和除以点的数量；
步骤三：计算阵列的方差，方差等于阵列中的每个点与平均值的差的绝对值进行累加求和，再除以点的数量而得到的值；
步骤四：计算压缩后的数值的最大比特数，比特数K= 2*log（2）；
步骤五：设置本系统处理后二维数据输出阵列尺寸大小参数M2和N2, M2值大小最大不大于M1，N2值大小最大不大于N1，本实施例设为M2=M1，N2=N1；
步骤六：设定范围参数M3和N3，其值为一具体数值，本发明限定M3设为从“3” 到“M3的一半”之间的具体一个奇数数字，N3大小范围限定为从“3” 到“N3的一半”之间的具体一个奇数数字， M3和N3的值都是5；
步骤七：逐一对输出阵列的每个点进行处理，根据待处理的输出阵列中的点的坐标位置，从输入阵列中提出相应的数据小阵列，按照下面步骤八到步骤十五进行处理计算，得到对输出阵列中该点的具体数值，处理顺序可以随机，但一般从坐标第一行第一个，第一行第二个，……逐一到第M2行N2列，最后遍历所有的点；
步骤八：根据M3和N3，以输出阵列中待处理的坐标点为中心点，向四周延伸，获取对应的大小为M3*N3的一个数据阵列坐标，根据该阵列坐标，从输入阵列中提取图4类似的小阵列数据；如果延伸时超出输入阵列的边界，选取与越界坐标距离最近的有效坐标点代之；
步骤九：计算数据阵列中的最小值和最大值；
步骤十：计算最大值与最小值的差，得到数值一；
步骤十一：计算阵列中心点数值与最小值的差，得到数值二；
步骤十二：计算数值三，数值三等于 2^K；
步骤十三：比较中心点数值与数值三的大小，如果小于数值三，则设置输出值等于数值二，本坐标点处理完成，返回到步骤八，进行下一个点的处理；若不返回则进行下一步；
步骤十四：设定数值四为1；
步骤十五：把数值一乘以数值四，然后除以数值三，如果结果大于数值二，条件满足，当前坐标处的输出值设为数值四，本坐标点处理完成，返回到步骤八； 若不返回则进行下一步；
步骤十六：将步骤中数值四增加1后，返回到步骤十五执行。
2.根据权利要求1所述的信号处理二维数据阵列的特征增强和数据压缩的方法，其特征在于，所述信号处理二维数据阵列的特征增强和数据压缩的方法通过对二维数据大阵列的统计值确定压缩因子和小阵列的分点。
3.根据权利要求1所述的信号处理二维数据阵列的特征增强和数据压缩的方法，其特征在于，所述信号处理二维数据阵列的特征增强和数据压缩的方法采用参数计算、小阵列计算及特征点计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610222271.0A CN105915225B (zh) | 2016-04-12 | 2016-04-12 | 信号处理二维数据阵列的特征增强和数据压缩的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610222271.0A CN105915225B (zh) | 2016-04-12 | 2016-04-12 | 信号处理二维数据阵列的特征增强和数据压缩的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105915225A true CN105915225A (zh) | 2016-08-31 |
| CN105915225B CN105915225B (zh) | 2019-03-05 |
Family
ID=56745673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610222271.0A Active CN105915225B (zh) | 2016-04-12 | 2016-04-12 | 信号处理二维数据阵列的特征增强和数据压缩的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105915225B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1589575A (zh) * | 2001-11-21 | 2005-03-02 | 皇家飞利浦电子股份有限公司 | 改进的位面压缩方法 |
| CN1868127A (zh) * | 2003-10-17 | 2006-11-22 | 佩茨拜特软件有限公司 | 数据压缩系统和方法 |
| US20130228619A1 (en) * | 2012-03-01 | 2013-09-05 | Sys-Tech Solutions, Inc. | Unique Identification Information From Marked Features |
-
2016
- 2016-04-12 CN CN201610222271.0A patent/CN105915225B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1589575A (zh) * | 2001-11-21 | 2005-03-02 | 皇家飞利浦电子股份有限公司 | 改进的位面压缩方法 |
| CN1868127A (zh) * | 2003-10-17 | 2006-11-22 | 佩茨拜特软件有限公司 | 数据压缩系统和方法 |
| US20130228619A1 (en) * | 2012-03-01 | 2013-09-05 | Sys-Tech Solutions, Inc. | Unique Identification Information From Marked Features |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105915225B (zh) | 2019-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416436B (zh) | 使用多核心处理模块进行神经网络划分的方法及其系统 | |
| Lu et al. | A resource-efficient pipelined architecture for real-time semi-global stereo matching | |
| CN109784489A (zh) | 基于fpga的卷积神经网络ip核 | |
| Perri et al. | Adaptive Census Transform: A novel hardware-oriented stereovision algorithm | |
| CN112270332A (zh) | 一种基于子流稀疏卷积的三维目标检测方法及系统 | |
| CN105631068A (zh) | 一种非结构网格cfd计算的网格边界条件处理方法 | |
| CN103279603A (zh) | 一种展现零件加工过程的建模方法 | |
| CN104361625B (zh) | 一种基于射线原理的带边界保留的云数据精简算法 | |
| Deng et al. | 3D-VNPU: A flexible accelerator for 2D/3D CNNs on FPGA | |
| Chen et al. | Real-time semantic scene completion via feature aggregation and conditioned prediction | |
| CN102208033A (zh) | 基于数据聚类的鲁棒sift特征匹配方法 | |
| CN113822825B (zh) | 基于3d-r2n2的光学建筑目标三维重建方法 | |
| CN104200518A (zh) | 一种基于几何图像的三角网格重网格化方法 | |
| Ling et al. | Hardware accelerator for an accurate local stereo matching algorithm using binary neural network | |
| CN103646428B (zh) | 一种3d流体场景的合成方法 | |
| CN105915225A (zh) | 信号处理二维数据阵列的特征增强和数据压缩的方法 | |
| CN104821014A (zh) | 融合刀具半径的三维工序模型构建方法 | |
| CN117808659A (zh) | 用于执行多维卷积运算方法、系统、设备和介质 | |
| CN104915984A (zh) | 基于八叉树的复杂矿体块段模型构建方法及系统 | |
| CN108052754B (zh) | 隧道衬砌力学响应的分析方法及终端设备 | |
| CN104050673A (zh) | 一种基于K-means图像分割的深度图提取方法 | |
| CN104794747B (zh) | 一种基于射线原理的三维点云数据精简方法 | |
| CN106485783A (zh) | 一种基于稀疏表示和参数化的曲面拟合方法 | |
| CN102437855B (zh) | 一种八叉树三维模型等级归并数据压缩方法 | |
| CN114897665A (zh) | 可配置实时视差点云计算装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240104 Address after: 518000, Building 5, 207D, Northwest Shenjiu Science and Technology Entrepreneurship Park, at the intersection of Taohua Road and Binglang Road, Fubao Community, Fubao Street, Futian District, Shenzhen City, Guangdong Province Patentee after: Gekong Microelectronics (Shenzhen) Co.,Ltd. Address before: Room 222, Building 2, No. 2966 Jinke Road, Zhangjiang High tech Park, Pudong New Area, Shanghai, October 2012 Patentee before: Keluoke Electronic Technology (Shanghai) Co.,Ltd. |
|
| TR01 | Transfer of patent right |