一种基于H.264 Intra帧的差错隐藏方法

为了充分利用H.264新特性带来的冗余信息对视频传输中的错误进行隐藏,提出了一种新的基于Intra帧的差错隐藏方法,根据丢失块周围子块的预测模式推断出丢失块中各子块的预测模式,再根据推断的预测模式重建丢失块. 试验表明,这种方法能很好地预测出丢失块的预测模式,并能适应不同内容类型的图像,差错隐藏的效果明显.     

Progressive framework for deep neural networks:from linear to non-linear

We propose a novel progressive framework to optimize deep neural networks. The idea is to try to combine the stability of linear methods and the ability of learning complex and abstract internal representations of deep learning methods. We insert a linear loss layer between the input layer and the first hidden non-linear layer of a traditional deep model. The loss objective for optimization is a weighted sum of linear loss of the added new layer and non-linear loss of the last output layer. We modify the model structure of deep canonical correlation analysis (DCCA), i.e., adding a third semantic view to regularize text and image pairs and embedding the structure into our framework, for cross-modal retrieval tasks such as text-to-image search and image-to-text search. The experimental results show the performance of the modified model is better than similar state-of-art approaches on a dataset of National University of Singapore (NUS-WIDE). To validate the generalization ability of our framework, we apply our framework to RankNet, a ranking model optimized by stochastic gradient descent. Our method outperforms RankNet and converges more quickly, which indicates our progressive framework could provide a better and faster solution for deep neural networks.     

多层次SIFT特征在语义概念检测中的应用

SIFT局部特征因良好的性能在图像和视频的语义概念检测中得到广泛应用。已经有很多学者对SIFT做了深入研究,并提出了PCA-SIFT,SURF,MSER等,但是在SIFT算法中,阶与阶之间采样率的变化对SIFT特征的影响关注很少。考察了SIFT算法中,阶与阶之间采用不同降采样率对SIFT特征差异性的基础上,提出了一种多层次的SIFT（ML-SIFT）算法。Caltech256和SceneClass13数据集上的实验表明,ML-SIFT相比于原始SIFT,其MAP的提高能够分别达到15.7%和5.1％。另外在Caltech256上,当采用不同比例的正负样本训练时,ML-SIFT算法具有较好的稳定性。同时,还将ML-SIFT算法、SIFT、SURF算法做了性能比较,SURF和SIFT算法的性能较接近,但是SIFT和SURF相对于ML-SIFT算法,则其性能较差。实验表明,ML-SIFT是有效的。     

共享视角下办公空间的发展趋势初探

本文以当代城市空间的办公空间发展现状导入,提出人们对办公场所的选择不再受限于特定的办公空间。通过提炼信息技术的更迭下办公空间的发展历程来分析对办公行为的影响,基于"互联网+"时代下的共享经济、共享社区来分析共享的内涵,对当代具有共享特征的办公空间模式进行分析,论证共享理念下城市空间互相渗透,空间功能边界趋向于模糊。进而初步探讨未来办公空间以共享为基础,走向智能化,进而影响城市空间中办公模式的发展趋势。     

DCT域下采样视频水印技术

根据DCT域Watson模型提出了一种抵抗下采样攻击的不可感知水印模型.用DCT域准卷积下采样方法得到图像的下采样版本,利用亮度特征和图像感知失真限制自适应确定被嵌入水印序列的区域、长度和强度,以使上采样水印图像具有良好的视觉效果和鲁棒性.实验结果表明该算法对噪声干扰及视频下采样具有较好的鲁棒性,而且不使用原始图像,就可进行水印的相关检测.     

自相似业务下视频服务器的接纳控制

VOD 系统中,有限的磁盘 I/O 带宽或缓存空间往往成为系统的瓶颈。针对这一问题,提出了自相似业务下视频服务器的接纳控制算法。该算法运用等效带宽理论,通过在线测量系统所剩资源和周期容限的幅度变化来实时调节调度周期的大小,使得系统所剩资源达到动态的“等量”平衡。仿真结果表明,该算法不但简化了接纳过程,节约了系统资源,提高了算法的可实现性,而且系统的接纳率比 Lee,Yeom 所提算法的接纳率提高了 15%,并且还可根据系统的 QoS 参数灵活调整接纳率。     

速率控制与容错联合编码方案

针对移动网络中低时延视频应用的诸多约束,提出了一种速率控制和容错编码相结合的H.264视频通信新方案．采用预编码阶段估计出的视频帧及其内部宏块对传输差错的敏感度,设计了自适应的帧级和宏块级目标比特分配方法．根据视频片(slice)中对差错敏感的宏块所占的百分比为其设置了重要性等级,采用Turbo码对不同重要性的片进行不均等差错保护(UEP)．实验结果显示,此方案与传统的H.264速率控制与容错算法相比,在解码端可以获得超过1dB的亮度PSNR增益．     

网络视频传输的两级不均等差错保护策略

传统的基于端到端的一级视频差错保护方案大多没有考虑有线与无线混合网络的包丢失原因的差别,所以整体效率不高。为此,针对有线无线混合网络的特征,提出一种基于H．264数据分割的混合动态不均等差错保护策略。接收端可对有线和无线网络上不同原因导致的丢包进行区分,视频服务器通过接收的RTCP（Real—Time Control Protocol）反馈,利用RS（Reed—Solomon）码和LDPC（Low Density Parity Code）码分别对抗网络中的丢包和误比特,针对H．264数据分类的重要性不同以及信道质量的变化,给予不同程度的动态保护。实验结果表明,这种两级保护混合抗误码算法与传统的基于包的端到端一级不均等差错保护相比,冗余度降低了约15％,而接收的视频质量提升了约4dB,且很大程度地提高客户端接收的有效数据率,为解码器进行差错隐藏奠定了良好的基础。     

大角度平面旋转人眼定位方法

提出一种解决平面大旋转角度人脸眼睛精确定位算法,首先根据圆周旋转不变性,建立基于圆周块子矩阵的标准人脸旋转模板.使对旋转角度的判定转化为对圆周块子矩阵移位距离的估计;然后用基于人脸结构关系的方法粗定位时,提出自适应的最优阈值方法去除噪声点,减少匹配误差,减少运算量,提高运算速度;最后对候选区域提取gabor特征,进行精确定位.在FRVT库上的实验结果表明,该算法适用于360°内的平面旋转的人眼定位,算法简单,运算速度快,准确率可达到87.67%.     

一种快速的DCT域MPEG-2到MPEG-1下采样转码技术

文章提出了一种快速的DCT域MPEG-2到MPEG-1准卷积下呆样算法。在转码过程中。头信忠保持不变，且要求将每四个相邻MPEG-2宏块变为一个下采样MPEG-1宏块：用最大最小距离方法确定下采样宏块的运动向量、用简单多数原则确定下采样宏块类型以及用加全平均方案确定下呆样宏块的量化参数。另外，对下采样视频转码失真来源进行了分析。实验结果表明我们提出的转码方案，在同样条件下与级联像素域转码器（TM5）相比，不仅其计算复杂性减少67．6％、PNSR提高0．1dB，而且具有很小的比特控制错误。