视频图像中端至端失真估算的研究

视频图像数据量大、压缩码流抗误性低,而现有通信网络的承载能力有限、传输性能不可靠,往往造成解码重建视频图像质量致命性地降低。有效控制信源与信道编码,使端至端失真最小是提高解码重建视频图像质量的关键,而精确的失真估算模型是获得最小端至端失真的前提。对几种典型的端至端失真估算模型进行了简要分析,指出了这些模型中待解决的关键问题并展望了端至端失真估算模型良好的发展前景。     

特征平衡的无人机航拍图像目标检测算法

无人机航拍图像目标较小、图像视角变化大,导致目标检测效果不佳。针对此问题,设计了一种适用于无人机小目标检测的网络。该网络中的可变形卷积模块可以提高多视角目标的特征提取能力,以解决航拍图像目标视角变化剧烈致使目标特征难以提取的问题;特征平衡金字塔模块可以增强网络中底层小目标特征,以解决航拍图像中的小目标因特征易丢失而造成其检测效果差的问题;同时利用像素重组构建底层大尺度特征以解决特征平衡金字塔模块的底层特征卷积运算量大的问题;交叉自注意力机制获取目标上下文信息,改善严苛条件下的漏检错检问题。公开数据集上的仿真结果表明,在保证实时检测的情况下所提算法的平均准确度优于主流检测算法。     

一种基于混合高斯的快速背景更新方法

针对传统混合高斯模型对场景的突然变化不能实时更新和RunningAvg更新算法中容易产生拖影的问题,提出了一种快速背景更新方法。首先建立混合高斯和RunningAvg两幅背景,基于它们的二值化差分图像DB获取变化区域;将DB与前景二值化图像FB进行逻辑"与"以准确提取变化区域,消除拖影对目标提取的影响。然后根据变化区域的变化情况,用状态表中所记录的变化区域信息对背景模型的变化区域进行有选择的更新,减少了背景模型对变化区域的更新时间。实验结果表明,该方法不仅能对场景的突然变化具有很强的适应性,而且避免了拖影现象和物体短暂停留所造成的干扰。     

图像字典的盲构造算法

为了使冗余字典能够自适应地表征图像特征,提 出了一种优化的图像字典构造算法。算法 采用了冗余字典内基元类之间的灰色关联度作为字典优化依据,建立了一种新的字典优化原 则,提出了一 种自适应的字典设计算法。算法能够根据图像结构和噪声等信息自适应地选择字典的冗余 因子,将算法运用于图像去噪,结果表明,算法效率大大提高,同时也提高了图像去噪 效果。     

数字系统设计中VHDL语言设计问题探讨

从描述方法、设计规则、时序等方面分析了用硬件描述语言VHDL在EDA设计中容易出现问题的原因,并提出了相应的解决方案。     

基于DCT系数分布的全零DCT系数块的预先判别方法（增刊）

低码率视频编码时，经帧间预测后得到的运动补偿数据通常很小，对这些数据再进行DCT和量化后其DCT系数往往全为零。为减少编码器的运算量，提出了预先判断全零DCT系数块的方法。在分析现有判别方法对全零系数块的误判与漏判的基础上，从二维整数DCT 变换,量化和DCT系数的分布特性出发，提出了一种全新的判断方法，提高了判别效率，并给出了具有一般表示的判别式，可以应用于不同尺寸的变换块。实验结果表明，所提出的判别方法提高了全零DCT系数块的判别效率，与现有的方法比有高达35%的检出率。     

一种低复杂度低码率视频压缩方案

以H.264视频编码的低复杂度低码率应用为研究对象,分别就编码中关键部分如DCT变换量化模块、预测编码模块、降噪及去块效应等进行深入分析、理论研究和实验仿真,给出实现方案。主要有降低编码复杂度的全零DCT系数块预判、运动估计及模式选择早结束、自适应降噪去块效应以提高图像质量的预处理等。仿真结果表明,该方案达到了低码率低复杂度高质量视频压缩的目的。     

分布式视频编码关键技术及其发展趋势

建立在Slepian-Wolf和Wyner-Ziv编码理论基础上的分布式视频编码是一种全新的编码框架.与传统视频编码方案相比,其突出的特点决定它可为未来无线视频信号编码与传输提供具有极大竞争力的解决方案.本文对分布式视频编码的关键技术进行了分析,介绍了最新的研究进展,并剖析和展望了影响当今分布式视频编码的几个关键问题.     

H.264低码率视频应用的率失真模型及码率控制

提出了一种通用的率失真(RD,rate distortion)模型,进而提出纹理复杂度(TC,texture-complexity)和图像块头用字节自适应线性预测模型及宏块(组)比特分配模型。利用以上模型,构建了一种面向低码率视频应用的码率控制方案。大量仿真实验结果表明,利用新提出的码率控制方法,测试序列的峰值信噪比(PSNR)均有不同程度提高,其码流曲线和PSNR曲线更平滑平稳,目标码率控制更准确。     

一种改进的图像压缩感知稀疏恢复算法

稀疏信号的分布模型是影响基于近似信息传递（AMP）的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉普拉斯、贝努力高斯(BG)和高斯混合等模型的AMP方法因未考虑此差异而影响重建效果。为了提高模型估计的准确性,将各级小波系数的BG模型参数分开估计,进而提出了一种改进的图像压缩感知稀疏重建的新方法,即期望最大分段贝努力高斯近似信息传递算法（EM-SSBG-AMP）。仿真结果表明,相同采样率下,新算法的峰值信噪比（PSNR）明显高于5阶期望最大高斯混合近似信息传递算法(EM-GM-AMP),重建时间与5阶EM-GM-AMP相当。