提升格式范文

提升格式范文（精选3篇）

提升格式 第1篇

关键词：Delaunay三角形,不规则三角网,提升算法,第二代小波,影像压缩

目前的三维地理信息系统广泛采用数字地形模型。数字地形模型中地形属性为高程时称为数字高程模型 (简称DEM) 。[1]DEM通常用地表规则网格单元构成的高程矩阵表示。在地理信息系统中, DEM是建立数字地形模型 (DTM, Digital Terrain Model) 的基础数据, 其它的地形要素可由DEM直接或间接导出, 称为“派生数据”, 如坡度、坡向等。由于数字高程模型数据信息量庞大以及随着移动技术的发展, 未来DEM数据要显示在手持终端 (PDA) 上, 遇到关键的一个问题就是DEM数据的压缩与解压算法的硬件实现。为了提高数据传输的效率, 以及解决这一类海量数据的存储问题, 都有必要进行DEM数据的压缩。所以研究GIS地形数据的压缩技术有着重要的意义。

目前国内外流行的影像数据压缩算法是基于小波的数据压缩方法[2]。在影像数据压缩中小波逼近算法要优于傅里叶算法。由于三维地形数据中有很多冗余和相关的信息, 而通过小波变换能够很好地将冗余信息去除, 从而达到数据压缩的目的。同时, 又由于地形的显示精度要求和屏幕表示的区域范围有关, 低比例尺情况下要求网格精度不高, 但显示范围大;高比例尺精度要求网格精度高, 但显示范围小, 这要求解压缩算法能够根据要求得到不同网格精度数据, 而小波压缩算法的层次编码特性正好能够满足这样的要求。根据小波变换的多分辨率特性, 可以用大尺度的逼近信息代替原始尺度上的信息, 对小尺度的信息进行适当的有损压缩, 从而保证既获得比较高的压缩比, 又能够满足DEM数据应用中的分层存储要求, 因此, 用小波数据压缩方法来压缩DEM数据将能获得比较好的数据压缩效果[3]。

现研究的是第二代小波中新的非线性影像压缩方法[4]。使用的基本理论方法是基于Delaunay 三角形和Voronoi图 (泰森多边形) , 它通过从不规则数据点集合生成Delaunay 三角形来逼近地形表面。论文首先描述一个基于Tsai提出的凸包插值算法来构建Delaunay 三角形和Voronoi图的快速算法。一旦建立不规则三角网, 就可以进一步使用第二代小波算法 (提升小波) 进行地形数据的压缩。使用第二代小波算法处理地形数据的一般过程为:初始设置-获得细分出高程值-应用小波分析变换-对小波系数进行压缩-存储传输。

1 Delaunay 三角形

许多研究学者提出了不同的构建三角形的方法, 其中最著名的是Delaunay 三角形。Delaunay是一种在离散点序列中快速构造三角形网格的方法, Voronoi三角形是Delaunay图的偶图, 它是由一组连接两相邻点直线的垂直平分线组成的连续多边形。N个在平面上有区别的点, 按照最邻近原则划分平面;每个点与它的最近邻区域相关联。Delaunay三角形是由与相邻Voronoi多边形共享一条边的相关点连接而成的三角形。Delaunay三角形的外接圆圆心是与三角形相关的Voronoi多边形的一个顶点。

基于凸包插入算法来构建Delaunay三角形。假设E中的一条边e (两个端点为a, b) , e若满足下列条件, 则称之为Delaunay边:存在一个圆经过a, b两点, 圆内 (注意是圆内, 圆上最多三点共圆) 不含点集V中任何其他的点。

下面说明Delaunay三角形的一些性质。

用Y来表示一个二维平面的点集。Y的Delaunay三角网D (Y) 是唯一的 (任意四点不能共圆) , 在Delaunay三角形网中任意一个三角形的外接圆范围内不包含其他点, 这一特性被称作空圆法则, 如图1所示。相邻两个Delaunay三角形构成凸四边形, 在交换凸四边形的对角线之后, 六个内角的最小者不再增大。该性质即为最小角最大准则。图2表示不规则点集, 图3表示用不规则网构建的TIN数据结构。

使用凸包构建Delaunay三角形的算法通过下面四个步骤来进行:1) 将点排序, 二维点集通过冒泡排序算法, 依据坐标值 (x或y) 进行升序排列;2) 使用卷包裹法求得包括所有离散点的凸包;3) 依据Delaunay 的性质构建凸包的Delaunay 三角形;4) 增加其他的与这个凸包无关的点, 通过增加新的点到三角剖分过程对已存在的三角形进行细分。图4为这个过程的流程图。

2 小波提升理论

小波分析是在傅立叶分析的基础上发展起来的, 但其比傅立叶分析有着许多本质性的进步, 能够从信号中提取更多的有用信息, 而且它的快速算法为分析和解决实际问题带来极大的方便。传统小波是由母函数经过平移和伸缩得到的一组滤波器称为第一代小波。小波提升理论或策略 (lifting scheme) 是Sweldens和Daubechies等学者于九十年代中期提出的关于小波构造的一种新方法, 用来改进某一已有小波, 以使其获得特定的性质, 其给出了双正交小波简单而有效的构造方法。并且, 通过Eucildean算法, 所有的传统小波均可以由提升方法构成。

传统的小波变换由于涉及到浮点操作, 因此需经过特殊的处理才能够将之用于无损数据压缩。近年来提出的小波提升 (1ifting scheme) 是传统小波变换的扩展, 能有效地完成小波的分解和合成操作。由于小波提升能方便地将浮点型数变换到整型数, 因此不会因数据取整而引入变换误差, 很适合于无损数据压缩。此外, 小波提升的分解和合成操作都很简单, 且能够完成本地 (in-place) 运算。因此, 在软件或者硬件实现上需要较少的内存和运算次数。

2.1 小波提升步骤

小波提升是一种构造紧支集双正交小波的新方法, 其步骤如下。

小波提升的步骤分成三步:分裂 (split) 、预测 (predict) 和更新 (update) 。

1) 分裂

这一步将信号分成两个无重叠的子集, 比如可以将原始信号x (n) 分成奇数集{xo (k) =x (2k+1) }和偶数集{xe (k) =x (2k) }。

2) 预测

预测产生细节信号d (k) 。假设预测操作为P (l) , 则d (k) =xo (k) -P (xe (k) ) 。

3) 更新

更新操作通过将一个更新算子U (·) 用于d (k) , 并将之加到xe (k) 上来获得原始信号x (n) 和逼近c (k) 。

c (k) =xe (k) +U (d (k) ) 。

上述操作重复地用于c (k) 信号, 可以获得数据的多尺度分解。

2.2 小波提升反变换过程

在反变换过程中可以通过撤销更新、撤销预测和合并来获得原始信号, 过程如下。

取消更新步骤:xe (k) =c (k) -U (d (k) ) 。

取消预测步骤:xo (k) =d (k) +P (xe (k) ) 。

合并步骤:x (k) =合并 (xe (k) , xo (k) ) 。

实际上, 提升算法是一种改善快速小波变换的方法。单步的提升算法并不能用于所有的小波构造过程, 事实上只有一些特殊的小波变换很容易用它构造, 比如双正交小波。不过, 涉及有限滤波器 (FIR) 的所有小波或子带变换可用多个提升步骤来构造。Daubechies和 Sweldens等已经证明, 借助于因子化小波变换, 所有小波的构造都能够用提升模式实现。

3 利用小波提升进行GIS地形数据压缩方法

小波变换应用于图像压缩的基本思想是把图像进行多分辨率分解, 分解为不同空间、频率的子图像, 然后对子图像进行系数编码。图像经过小波变换后, 生成小波图像的数据总量与原图像相等, 小波变换本身不具有压缩功能, 之所以将它用于图像压缩, 是因为生成的小波图像具有与原图像不同的特征:图像的能量主要集中于低频部分, 水平、垂直和对角线部分的能量较少[5]。

GIS地形数据可以看成是三维表面空间的有限离散点集, 可以被看作是一个具有两个变量的非负离散函数F (x, y) , 因此, 与灰度图像类似。通过建立影像与离散表面的对应关系

A={ (x, y, c) | c = F (x, y) }。

这样A中的每个点都跟影像中的一个像素点相对应, 坐标 (x, y) 表示像素点的位置, c表示像素点的高程。 通过离散表面B={ (x, y, d) |d=G (x, y) }来近似逼近A, 假设XY平面上的点P1 = (x1, y1) , P2 = (x2, y2) , P3 = (x3, y3) 构成三角形T, 并且c1=F (x1, y1) , c2=F (x2, y2) , c3=F (x3, y3) , 这样 (x1, y1, c1 ) , (x2 , y2, c2) , (x3, y3, c3) ∈A。

假设增加一个新的点o到三角形中, 其中o为三角形的质心, 如图6所示, A1, A2, A3分别表示三个三角形的面积, 这样A就可以用如下表达式来表示:A=A1+A2+A3。

现在细节系数 (小波系数) 可以用如下表达式来描述dn=Zn-P (Zne) , 其中, dn是n级的小波系数, P (Zne) 是n级的预测值, Zn是奇数序列值。上面的式子可改写为一个通用的形式:Zn-1=Zn+C (dn) , 其中, C (dn) 是小波系数校正因子。

4 结果与分析

利用Delaunay三角形将原始数据构建出TIN, 然后使用第二代小波对TIN数据进行压缩, 提出了一个新的第二代小波压缩算法, 基于原始TIN数据在不同的分辨率下进行小波分析。图8和图9显示了基于提升格式的小波分析计算结果, 图7为原始TIN数据, 图8表示压缩率为12%的结果, 图9为压缩率为23%的结果。由于小波变换本身不具有压缩功能, 还需要结合其他压缩机制来降低存储空间, 比如Huffman编码应用到小波系数压缩中。

使用Delaunay构建不规则三角网, 然后使用第二代小波算法对GIS地形数据进行快速和有效的压缩, 算法可以在最短时间内完成计算并且可以有效保持数据原有坡度信息。算法的计算复杂度依赖于所使用的方法, 初始化三角形需要O (nlogn) , 坡度逼近需要O (nlog n) , 单独精细步骤必须检查三角形涉及到的所有点, 所以每步复杂度是O (n) , 因此总的复杂度是O (n2) 。

参考文献

[1]崔宝侠, 段勇, 徐心和.基于小波的数字高程模型压缩方法.信息与控制, 2004;33 (3) :337—341

[2]王志祥.基于小波变换的三维地形数据压缩方法研究.硕士学位论文.南京理工大学, 2007

[3]万刚, 朱长青.多进制小波及其在DEM数据有损压缩中的应用.测绘学报, 1999;28 (1) :36—40

[4]Kider D B, Smith D H.Advance in the data compression of digital el-evation models.Computers&Geosciences, 2003;29:985—1002

提升格式 第2篇

这几年来，毕业大学生的就业问题已经成为比较重要的社会问题，对于很多人来说，好工作就不说了，找到一份工作就不错了。虽然我现在hia只是一个大一新生，但四年时间很快就会过去，我能感受到那种巨大的就业压力，那我们在大学期间要怎么样做才呢不过更好的保证将来我们毕业了能够找到一份好工作呢？我想提升我们的职业素养是很重要的一件事。职业素养值指的是执业过程中所表现出来的综合素质，包括职业道德、职业技能、职业作风、职业意识等等，一个人有好的职业素养会比他人少走弯路，以最快的速度通行成功。大学期间，我将从以下方面提升自己的职业素养：

一． 制定合理可行的计划，打下扎实的专业基础

要达到一个目标，首先我们应该拟定一个合理可行的计划，然后加以执行，要提

升职业素养也是一样，所以我首先会拟定一个计划，明确自己的专业学习目标，努力学习专业培养中的专业知识，最后是自己在专业基本理论、基本知识、基本专业技能、专业能力、实际运用能力各方面都达到较高的水平。社会的高速发展使得现代职业对从业人员的专业基础的要求越来越高、专业化倾向越来越明显，拥有了扎实的专业基础，才能有持续学习与发展的基础和动力。

二． 提高自己的各项能力

大学生在大学期间就应该积极主动的去培养自己的能力，以具备未来将要从事的工作所要求的能力

1.学习能力

学习能力的重要性每一个人都应该很清楚，它更多的是指自我学习部分‘包括了从别人的教授中获取知识和自己积极主动的去汲取知识，有句话说得好，不懂学习的人很难再这个社会生存，是的，如今的社会，经济发展与科技发展之速度之快，相信每个人都可以感受得到，我们怎么样才能跟上时代的步伐而不被时代的洪流淹没呢？很明显，就是要提高学习能力，有好的学习能力才能牢牢地掌握专业基础知识，让自己不至于在起跑线上就输给他人，有好的学习能力我们可以不断地通过积极主动地方式去汲取外界有用的知识、新经验等为自己所用，从而在各方面不断完善自己、不断提高自己，以紧跟时代潮流。

2公共事务能力

公共事务能力与我们比较有关的部分是表达阐述部分和沟通交流部分以及你个人的专业技能。如今的社会不再像过去那样很多时候只要求你默默地写默默地做自己的事，大部分工作都要求你有一定水平的表达能力，比如作为一名土木工程师，当你在工地做工作时你要清晰地告诉工人们该如何做，而不是你一个人画图就可以了，只有让施工工作者明白工程该如何进行才能保证工程按期有质量的完成，这就要求我们要有足够好的表达能力和交流能力群殴清晰地阐明自己的观点，保证工作顺利的进行下去。当然要做好自己的工作，首先你应该熟练的掌握好你自己所从事工作相关的专业知识，如我们土木工程师应该熟练地掌握CAD制图技及钢筋混凝土相关知识等等，这样才能保证工作的最基本最基础的部分能够完成，所以在校期间应该尽一切努力掌握好自己专业的各方面知识。

3.技能拓展能力

如今社会发展如此之快，我们很难预料到四年后我们所学专业对应行业的就业情

况，未来更好的发展，我们就可以把目光投向其他职业，所以现在的我们应该有意识的去培养一些自己有兴趣的职业所需要的能力，为将来能有更多的就业选择而做好准备。

三.身心素质的培养

身心素质分为身体素质和心理素质。现代超快的生活节奏、工作压力很大，没有

一个健康的体魄很难适应，如果身体患病会影响自己的工作甚至同事的工作，所以如果身体不健康，你其他方面再怎么优秀也会被人拒之门外；当你听到又xxx公司员工跳楼之类的这样的新闻时你会不会想到个中原因出了公司的问题外，更重要的是跳楼者本身身心不够强大，心理素质不过关,所以，身心素质对大学生的成才影响很大，不断提升身心素质显得异常重要。

1.健康的心理

健康的心理是一个人事业能否取得成功的关键，它指自我意识的健全、情绪控制的适度、人际关系的和谐及抗压受挫能力。有良好心理素质的人能以积极乐观的态度处理各种关系，主动适应环境，心理素质差的人则时常悲观不能很好的适应环境从而影响自己的工作甚至弄垮身体，大学生不如社会后将面对各种各样更加复杂的人及关系和承重的工作压力，这时候，调节好自己的心态是这些人要面对的一个巨大的挑战。

2.情绪的自我调节与控制

很多人都听说过心理疗法，一些人的病是由长期消极的情绪引发的，长期的郁闷和过的的愤怒、苦闷等不良情绪都可能导致人体患病，如抑郁症和狂躁症，因此在不良情绪出现时及时的自我调节显得尤为重要，想要有健康的身心，我们应该时刻提醒自己保持积极乐观的心态去面对一切，并在学习和生活中不断提高自己驾驭情绪的能力，自觉地控制和调节自己的情绪，让自己的身心健康发展。

3.正确认识自己与悦纳自己

从初中的政治课学习中我们就开始看到这样一句话：正确认识自己并悦纳自己是的，良好的自我意识要求我们自知并且自爱，即要自己尊重自己、相信自己并自制，在对自己有足够深的认识时明确自己的目标、客观的评估自己的能力。每个人生来都是与众不同的，各有自己的长处和缺点，所以我们不必去和他人作太多的比较，要相信自己的能力并自信自己是优秀的。

4.思想道德

在讲究道德的这个社会里道德是一个人立身之本，我们可以想象一下一个思想道

德素质恶劣的人怎么会再社会生活中为他人所接受和尊重，怎么会再工作中得到他人的信任从而与之建立良好的合作伙伴关系，一个人的一言一行都会折射出他道德素质的高低，所以我们要在日常生活中加以培养提高自己的道德水平。

5.提高抗压受挫能力

如开篇所说，快速生活节奏下的人们经受着巨大的工作压力，同时，也面连着不断地挑战和打击、挫折，越到这种时候就越是考验你的心理素质，有的人承受不住选择轻生或放弃继续奋斗从而碌碌无为，在我看来，挫折并不可怕，首先我们应该正视挫折，然后冷进的分析挫折出现的原因，发挥自己的主观能动性，从原因出发找到解决问题的方法，然后调节心态努力地去战胜挫折，若实在是以个人能力无法战胜，可以寻求帮助或者以正确的心态淡然的接受。现代的社会充满了机遇，同时也充满了挑战，要想获得成功，我们应该不惧挑战，用心的准备，冷静分析，以求更好的迎接挑战获得成功。

6.职业道德

好的职业道德是指热爱自己的工作、恪尽自己的职责、讲究职业信誉并不断地转

眼自己的职业，不断提高自己的技术水平。新时代要求大学生愿意为他人服务、愿意“吃亏”、勤奋求实、进取创新，缺乏职业道德的人必然不能做好本职工作，更不可能得到他人的信任与重用，不可能创出伟大的事业，而有崇高职道德的人无论从事什么工作他都会尽心尽力并且不断进取，他的人生价值和人生意义将会很好的得以实现。

7.事业心、责任感

事业心是指一个人想要在自己的事业上获得多大的成就，有很强事业心的人目光

远大、坚强勇敢，所以他们往往能战胜常人所不能战胜的困难和挫折，成为同一类人中的佼佼者。责任感就是将自己的利益与集体的利益联系起来，关心社会的发展，树立较强的社会责任感及厚重的历史使命感。事业心和责任感强的人往往能和自己的单位或者图案图共同迎接挑战、战胜挫折和困难，更好的将自己的知识和才能展现出来并创造成功。

8.吃苦耐劳精神

吃苦耐劳是我们中华民族的优良传统，然而如今的很多大学生都缺失了这个好品

质，他们怕吃苦受累，不愿奋斗时间，他们中的大部分人每个月从家里拿爱很多的钱消费，但他们几年的大学生活里却从没出现过打工兼职的经历，对比很多成名的企业家或其他有很大成就的人，他们每一个人都是通过自己的不懈努力、经历艰苦卓越的创业历程才获得大成功，作为新时代的大学生，我们应该注意在自己平时的生活和学习中努力培养自己吃苦耐劳的精神，为创造一番不凡的事业做准备。

9.创新精神

我们知道，在如今激烈的社会竞争下，一个企业要不断发展离不开不断地创新，个人也是一样，如果我们想要得到更好的发展，希望在工作中获得更大的成就或帮单位创造造更大的效益，我们必须创新。创新是发展不竭的动力，用人单位需要进入公司的大学生发挥他们的创新精神、运用专业知识帮其改造技术、升级管理，是单位获得源源不断的活力与动力，新时代的社会离不开创新，信息时代的社会离不开创兴，所以我们大学生在生活中越到问题要多角度解读并不断尝试用新方法解决问题，从而锻炼自己的创新意识。

概括的说，大学生若希望在以后的工作中得到更好的机会并获得大的成就，应该正确认知自己，端正自己的心态，积极培养、锻炼自己各方面的能力，提高道德修养，培养责任感和创新精神，明确自己的目标并发扬吃苦耐劳精神不断努力直至实现自己的理想。

提升格式 第3篇

关键词：第二代小波,自适应提升格式,应用效果

小波分析是近年来在理论数学和应用数学中迅速发展的新领域，它是继傅里叶分析之后在数学上的一项重大突破。1996年Sweldens提出了小波提升格式，该方法可以灵活高效地从已有的双正交小波构造新的双正交小波，并且能够继承传统小波的多分辨分析等特征，小波提升格式是90年代在小波领域的一项突出成就.随后，T.Chan, Heilm ans, G.Pie lla, Roge rL等人先后提出了自适应提升格式，所谓自适应提升格式就是根据输入信号的特征和具体问题的需要设计适当的更新和预测算子，使得我们得到的小波滤波器能够达到预期的要求，从而也就实现了小波滤波器的改进。

1 提升格式原理

1.1 正变换

对输入信号x[n]，对其进行提升格式变换的步骤如下(图1)

1.1.1 分裂

将信号序列按奇样本x0[n]，偶样本xe[n]进行分裂.x0[n]=x[2n+1]，xe[n]=x[2n]。

1.1.2 预测

保持偶样本不变，由偶样本预测奇样本，并对奇样本进行修正。

其中p (g)为预测算子，显然信号在局部是高度相关的，因而奇、偶样本是高度相关的，用偶样本对奇样本进行预测分析是合理的，因而得到的d[n]具有小的能量，作为高频系数是合理的。

1.1.3 更新

原始的偶样本xe[n]并不能构成信号的低频部分，因为它仅是信号的一个偶采样，因而需要对其进行更新，使之成为信号的低频部分，我们用修正后的高频系数d[n]来进行更新，

其中U (g)是更新算子。根据需要重复以上三个步骤，就可以对信号分解得到相应的高、低频系数。

1.2 逆变换

提升格式的逆也是很好求的，

1)由高、低频系数恢复偶样本

2)由高频系数很偶样本恢复奇样本

3)将奇、偶样本合并为原信号

1.3 自适应提升格式

基于提升格式的自适应小波变换就是根据信号情况和应用目的来改变更新算子和预测算子，使得小波分解后的系数能更好地表示信号特征。

1.3.1 自适应更新

文献给出了基于提升格式的可精确重建的自适应更新小波变换，下面给出具体的算法。

定义在位置n的梯度矢量为(v (n), w (n))=(x (n)-y (n-1), y (n)-x (n)), D是依据x, y值的判决函数，D (x, y) (n)=d (s (n))，其中s (n)=|v (n)|+|w (n)|，对于每个可能的判决值d (s (n))而选取不同的加法操作，低频输出如下：

1.3.2 自适应预测

1)根据低频系数，计算它的线性预测误差，即：

2)对得到的误差序列e[i]，计算相邻两个值的乘积e[i]×e[i+1].如果此值为副，那么相应的预测点式跳变点，转到下一步。否则，c[i+1]=c[i+1]-(d[i-1]+d[i+1])/2，再计算下一个值。

3)如果|d[i+1]-c[i]|≥|d[i+1]-c[i+1]|，d[i+1]=d[i+1]-c[i+1]，标志位St=1;否则，d[i+1]=d[i+1]-c[i]，St=0.

通过自适应预测后，高频系数的能量能够被进一步减小，这样有利于图像和信号的压缩。

2 实验结果及分析

为了更好地说明本自适应算法，本文以如下数据序列为例，讨论了本算法小波变换的线性近似效果，并与其它几种小波变换算法进行了对比研究。

Haar小波线性近似

对如上的的数据，经Haar小波变换的道的低频系数和高频系数如下：

令Haar小波变换的高频系数为零，得到Haar小波线性逼近的结果如下：

自适应提升格式线性近似

对上面同样的数据，经自适应提升格式变换后得到低、高频系数如下：da=(0 0 1 2 11), ca=(0 0.5-0.5-1 1)

令高频系数为零，得到如下重构：

对比Haar小波和自适应提升格式所得到的线性近似和原始输入信号，我们能够得到两者在每个位置上的相对误差值如下：

初步看来，自适应小波变换具有比Haar小白变换更小的相对误差，我们再对此相对误差做如下的深入的分析，其中的平均相对误差是对所有的相对误差取绝对值后再求和平均：

3 结论

由表1中的对比分析可以看出，自适应提升格式无论从发生误差位的个数，平均相对误差还是对大相对误差，在各个方面都全面优于Haar小波。但是，第二代小波的研究才开始起步，还需要更近一步研究。本文探讨了利用小波提升格式与传统的Haar小波利用MATLAB进行了对比研究，经过试验，证明了自适应提升格式的优越性。

参考文献

[1]高广春.第二代小波变换理论及其在信号和图像编码算法中的应用[D].浙江大学博士学位论文, 2004.