基于SVC的空域增强层帧级错误掩盖算法

基于SVC空域增强层宏块编码模式的特点,提出一种增强层帧级错误掩盖算法,综合利用层间预测信息和时域直接模式TD下的运动信息,预测丢失帧中的宏块是否采用TD模式编码运动信息。对于符合判决条件的宏块,使用TD模式来产生其运动矢量,以提高运动矢量恢复的精确度,从而提升丢失帧的错误掩盖效果。实验结果表明,与原JSVM算法相比,该算法以很小的运算复杂度,使增强层序列的解码PSNR平均提高了0.23 dB。     

基于运动补偿的视频预处理算法

针对预处理算法易在空域产生边缘模糊和在时域产生拖尾等图像扭曲现象,提出一种基于运动估计的时域滤波预处理算法。该方法通过运动补偿技术将时域滤波映射到空域进行处理,有效地去除视频序列时域不相关的细节信息,避免空域模糊和时域拖尾,达到降噪和提高编码效率的目的。实验结果表明,在同等视频质量PSNR下,该预处理算法较预处理前可降低编码码率12％-32％,同等码率下视频序列的平均PSNR值比使用空域预处理方法高4dB～9dg。     

基于空-时域视觉敏感度的码率分配算法

新一代高效视频编码HEVC(High Efficiency Video Coding)标准中,λ域的码率控制采用自适应码率分配策略,其主要根据前一参考帧对应参考单元的码控参数来调整当前编码单元的码率分配参数。但是,这种码率分配策略下的编码结果不适合于人类视觉特性。提出一种基于空-时域视觉敏感度的码率分配策略,采用一种恰可感知失真JND(Just Noticeable Difference)模型来获取一帧图像空域上的最大视觉失真值。通过对最大失真值计算,得到每个编码树单元CTU(Coding Tree Unit)空域敏感度权重。利用相邻帧在时域上的变化,获取帧级的码率分配比例。根据帧间变化得到自下而上的视觉关注度,从而计算出每个编码树单元在时域上的敏感度权重。结合空域与时域的视觉敏感度,获得基于空-时域的码率分配权重,将码率按照视觉特性合理的分配到每个编码树单元。实验结果显示,该算法可以有效提高码控的主观质量,同时降低码率波动。     

融合时空域特征的人脸表情识别

目的 人脸表情识别是计算机视觉的核心问题之一。一方面,表情的产生对应着面部肌肉的一个连续动态变化过程,另一方面,该运动过程中的表情峰值帧通常包含了能够识别该表情的完整信息。大部分已有的人脸表情识别算法要么基于表情视频序列,要么基于单幅表情峰值图像。为此,提出了一种融合时域和空域特征的深度神经网络来分析和理解视频序列中的表情信息,以提升表情识别的性能。方法 该网络包含两个特征提取模块,分别用于学习单幅表情峰值图像中的表情静态“空域特征”和视频序列中的表情动态“时域特征”。首先,提出了一种基于三元组的深度度量融合技术,通过在三元组损失函数中采用不同的阈值,从单幅表情峰值图像中学习得到多个不同的表情特征表示,并将它们组合在一起形成一个鲁棒的且更具辩识能力的表情“空域特征”;其次,为了有效利用人脸关键组件的先验知识,准确提取人脸表情在时域上的运动特征,提出了基于人脸关键点轨迹的卷积神经网络,通过分析视频序列中的面部关键点轨迹,学习得到表情的动态“时域特征”;最后,提出了一种微调融合策略,取得了最优的时域特征和空域特征融合效果。结果 该方法在3个基于视频序列的常用人脸表情数据集CK+（the extended Cohn-Kanade dataset）、MMI （the MMI facial expression database）和Oulu-CASIA （the Oulu-CASIA NIR&VIS facial expression database）上的识别准确率分别为98.46%、82.96%和87.12%,接近或超越了当前同类方法中的表情识别最高性能。结论 提出的融合时空特征的人脸表情识别网络鲁棒地分析和理解了视频序列中的面部表情空域和时域信息,有效提升了人脸表情的识别性能。     

DMDVC中基于可靠性评估的边信息融合算法

边信息质量是影响基于深度图的多视点分布式视频编码(DMDVC)系统压缩效率的关键因素之一。为了充分利用时域边信息、空域边信息及深度图来提升DMDVC系统的边信息质量,提出一种基于可靠性评估的融合算法。首先采用运动补偿时域内插(MCTI)算法生成时域边信息,然后采用基于深度图的视点绘制(DIBR)技术生成空域边信息。针对场景中物体快速运动会影响时域边信息质量以及利用DIBR技术生成空域边信息时会产生空洞等问题,有选择地对时域边信息的运动剧烈区域或空域边信息的空洞及边缘区域进行修正。实验结果表明,该算法可以有效地融合时域边信息和空域边信息,较参考文献[4]的融合算法最高可提升5.6 d B。     

一种高鲁棒性的夜间车辆定位与跟踪方法

针对夜间环境下的车辆检测问题,从车头灯视角出发,提出一种具有高鲁棒性的夜间车辆定位和跟踪方法。结合卡尔曼滤波实现健壮的亮斑帧间跟踪,并根据亮斑的运动连续性和形态稳定性提取车灯目标。采用基于时域和空域特征的谱系聚类方法对车灯进行同车分组,利用车头灯组对车辆目标进行准确定位和跟踪。实验表明该方法在夜间交通环境中的有效性和高鲁棒性。     

基于AVS-M标准的自适应时-空域差错掩盖算法

为了减少传输差错对视频解码质量造成的影响,首先分析了多种典型的视频差错掩盖算法,并在AVS-M平台进行测试。然后基于测试结果,提出了一种适用于AVS-M的自适应时空域差错掩盖算法。该算法首先根据时域掩盖的边框匹配程度判断受损图像中是否出现了新物体,然后自适应地选择空域或时域方式进行掩盖。实验结果表明,相对于单独的空域／时域掩盖,该算法进一步改善了受损图像的掩盖效果,主观质量的提高尤其明显。     

一种适用于时域错误隐藏的边界匹配算法

针对错误隐藏过程中传统边界匹配算法对边缘匹配的局限性,提出一种基于时域与空域平滑性的边界匹配算法。该算法引入加权的边界匹配误差:时域误差用于衡量时域的连续性;空域误差则反映边缘的连续性。实验结果表明,该算法有效解决了存在多方向边缘穿越受损区域情况下最优矢量的选择问题,使得恢复后的图像在边界处具有较好的连续性。     

联合时空SIFT特征的同源视频检测

通过对视频帧序列时空特性的分析,采用"局部趋同,全局异化"的策略,提出了一种联合时域和空域SIFT点特征的特征提取方法。实验表明,基于该特征的同源视频检测方法对于一定的视频变化具有较好的鲁棒性和检测精度。     

一种基于运动估计的3D视频降噪算法

在视频图像降噪中,时域滤波比空域滤波在保护边缘和细节,提高PSNR方面更具有优势。根据此原理,提出了一种基于运动估计的3D降噪算法。该3D降噪算法结合了时域滤波和空域滤波。在时域上,基于运动估计在当前帧的前一帧和后一帧中同时搜索匹配块。对搜索到的匹配块进行运动强度检测,如果运动强度较小,就进行时域滤波,如果运动强度过大,就为对当前块进行空域滤波。另外,设计了噪声标准差估计单元,能够根据噪声标准差自动调整运动强度检测阈值,准确判断块的运动强度。同时,估计出的噪声标准差也用作空域滤波器的参数。     

基于层次光流的半自动时空视频分割技术

在新一代 MPEG- 4视频编码标准中 ,为了支持面向对象编码和实现基于内容的应用 ,视频的半自动分割成为关键技术之一 ,为此提出了一种基于层次光流的半自动时空视频分割算法 .该算法由空域分割和时域分割组成 .在空域分割中 ,提出的基于点的图形用户界面 (PBGU I) ,在用户的协助下 ,能够精确地定义需要分割的视频对象 (VO) .时域分割根据空域分割的结果采用层次光流算法对视频对象进行边界和整体跟踪 .实验结果表明 ,利用该算法 ,能够较精确地分割出视频对象 .     

基于时空域信息的视频对象分割算法

针对固定场景的视频,提出一种基于时空分割的视频分割算法。该算法在时域中利用Tophat形态学滤波得到视频对象的精确位置,在空域中采用基于t混合模型和贪婪EM的聚类算法进行单帧图像分割。将时域定位和空域分割结果结合,可以准确地将视频序列中感兴趣的运动目标分割出来。实验表明,该算法能够得到完整的视频对象,有一定的理论意义和实用性。     

基于多种视频特征的镜头边界检测算法

针对固定场景的视频,提出一种基于时空分割的视频分割算法.该算法在时域中利用Tophat形态学滤波得到视频对象的精确位置,在空域中采用基于t混合模型和贪婪EM的聚类算法进行单帧图像分割.将时域定位和空域分割结果结合,可以准确地将视频序列中感兴趣的运动目标分割出来.实验表明,该算法能够得到完整的视频对象,有一定的理论意义和实用性.     

一种基于时空联合的视频对象分割方法

视频对象分割在基于内容的视频编码和视频检索中均有重要的应用.为此,针对视频对象分割,提出了一种时域和空域信息融合的视频对象分割方案,该方案首先对时域分割采用基于F-假设检验的方法来得到初始的变化检测模板,然后通过与基于形态学的空域分割融合来获得最终的运动对象.实验结果表明,该方案计算比较简单,能较好地将前景运动对象从静止或运动、简单或复杂的背景中分离出来,且定位精度较好.     

基层层次光流的半自动时空视频分割技术

在新一代MPEG-4视频编码标准中，为了支持面向对象编码和实现基于内容的应用，视频的半自动分割成为关键技术之一，为此提出了一种基于层次光流的半自动时空视频分割算法。该算法由空域分割和时域分割组成。在空域分割中，提出的基于点的图形用户界面（PBGUI），在用户的协助下，能够精确地定义需要分割的视频对象（VO）。时域分割根据空域分割的结果采用层次光流算法对视频对象进行边界和整体跟踪。实验结果表明，利用该算法，能够精确地分割出视频对象。     

一种时空联合的视频去噪方法

传统的图像滤波器在模糊程度与去噪能力之间存在不可调和的矛盾。提出了一种基于时空域联合的方法,从视频的角度出发,同时利用信号的时域和空域相关性进行去噪,以解决这一矛盾。新方法首先通过一种基于自适应阈值、搜索方法切换的快速自适应运动估计方法获得运动轨迹,然后使用自适应窗口大小的中值滤波去除空域噪声,中值滤波中使用了运动轨迹上相邻两帧的对应窗口像素,使用一维卡尔曼滤波器行时域去噪,最后用几何均值结合两次滤波的结果,使信号的时域相关性与空域相关性都得到了充分利用。实验结果证明该算法去噪效果显著,超过了各种时域或空域方法,对椒盐噪声的处理效果尤其突出。实验也表明,由于新方法的时间消耗为时域滤波、空域滤波和运动估计时间的简单累加,因时空联合而增加的计算复杂度属于可接受的范围。     

基于时空域暗示的运动对象检测和分割*

通过对视频帧间的时域信息和帧内的空域信息的充分开发,提出一种任意视频对象检测与分割算法。初始的运动区域评估利用时间加权的时域帧窗,采用基于点的分割;而近似同质颜色亮度纹理区域利用区域之间的差异和区域内的相似,采用改进的分水岭分割和基于区域特征相似度的合并。时域和空域分割结果的合并基于多数原则。最后,分割结果的完善和修正基于时域的持续性和空域上的一致性标准。通过测试,提出的分割算法获得可靠的对象边界,而且通过调整少量参数,可以适应于室内和室外场景以及高速和低速运动物体。     

某型武控系统目标信息融合性能检验方法研究

制定试验方案以检查及验证某型武控系统目标信息融合性能,支持靶场对该性能开展不同时域、空域、频域等复杂试验样式研究,支持靶场在贴近实战环境下对目标信息融合各种性能和效能指标进行充分考核和评估,促进靶场对考核该性能的试验更加充分、评定更加科学、结论更加准确。通过对武控系统信息融合准则和数据模型的分析,进行不同时域、空域和频域条件下真实战场环境的想定,设定了19种复杂态势,在此基础上,制定了针对该性能的试验方案,然后结合各阶段试验中组织的静态测试检查试验和动态试验等项目来检查与验证武控系统信息融合准则和数据模型的正确性,从而实现对某型武控系统目标信息融合性能的考核。     

连续空间增量最近邻时域差分学习

针对连续空间强化学习问题,提出一种基于局部加权学习的增量最近邻时域差分(TD)学习框架。通过增量方式在线选取部分已观测状态构建实例词典,采用新观测状态的范围最近邻实例逼近其值函数与策略,并结合TD算法对词典中各实例的值函数和资格迹迭代更新。就框架各主要组成部分给出多种设计方案,并对其收敛性进行理论分析。对24种方案组合进行仿真验证的实验结果表明, SNDN组合具有较好的学习性能和计算效率。     

基于网格TD2SM模型的任务调度策略设计

如何科学地实现网格任务的管理调度是当今网格实现的关键问题.网格任务管理调度的目的是在包含大量不同的计算机网络中,考虑各网格节点的处理性能、花费开销、服务质量等参数,最优的分配任务,实现最佳的调度策略.从而高效地完成用户需求.本文结合经济学方法在网格任务管理调度应用中取得的成果,提出了基于计划/市场机制的网格任务调度模型TD2SM,然后结合模型的设计提出了任务调度算法.