一种基于三维整型DCT变换的高光谱图像无损压缩方法

本文根据高光谱图像具有空间和谱间相关性的特点,提出一种基于三维整型DCT变换的无损压缩方法.首先采用三维整型DCT变换消除高光谱图像空间和谱间的相关性;然后,对变换系数进行类似小波的树状系数重组,并按子带顺序进行一阶自适应算术编码.实验结果表明,本文提出的方法与JPEG2000中无损压缩算法相比,平均比特率降低0.1～0.4bpp;与JPEG-LS相比,平均比特率降低0.01～0.2bpp.     

基于波段分组的3D-SPIHT高光谱图像

波段间隔为纳米级的高光谱图像具有很强的谱间相关性,但不同频谱波段图像之间的相关性不同,本文提出了一种基于波段分组的3D-SPIHT(set partitioning in hierarchical trees)高光谱图像无损压缩方法.对高光谱图像按照谱段类型进行分组,接着通过3维整型小波变换,对图像组去除空间相关性和光谱维相关性,最后以3DSPIHT的空间方向树组织方式来进行编码,去除小波变换后子带间系数的冗余.实验结果表明,该方法能够有效地去除空间和谱间相关性,在算法复杂度和计算时间上较整体处理有一定优势,同时可获得较好的无损压缩结果.     

视音频AI技术在垂类媒资中的深度应用——以京视健康媒资系统建设为例

本文介绍了北京广播电视台整合优质资源成立的京视健康科技有限公司的垂类媒资业务需求,对为满足其经营需求而建设的基于混合云架构的智能化垂类媒资管理系统的整体功能设计进行说明,并介绍了该媒资系统中的视音频AI技术算法创新和应用创新.     

新媒体技术在新闻制播业务中的深度应用

本文回顾了北京电视台新闻制播网络系统的建设历程,强调了传统制播网络系统发展外延应用的重要意义,介绍了北京电视台新闻制播网络系统外延应用的建设情况,重点阐述了线索汇聚、UGC报料、远程编辑、远程文稿四个核心功能的设计思路及建设要点。该项目的建设打破了传统电视台封闭的生产网节目制播模式,通过新技术的应用大幅改进了新闻生产业务流程,使得新闻制作模式更加灵活方便,在国内制播网络系统建设中具有定的借鉴意义和推广价值。     

一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法

利用高光谱图像空间、谱间相关性不同的特点,本文提出了一种基于混合整型变换和三维分层树集合划分算法(3D-SPIHT)的高光谱图像无损压缩方法,首先将波段进行分组,针对每一分组,采用不同的整型变换技术去相关,然后对变换系数进行系数重组,采用高效的基于小波系数特点的3D-SPIHT编码方法得到嵌入式码流,具有一定的抗误码性能.实验结果表明,该方法能够有效的去除高光谱图像的空间和谱间相关性,与现有的国际标准JPEG-LS、JPEG2000和基于三维离散余弦变换(3D-DCT)或三维离散小波变换(3D-DWT)的编码方法相比,压缩后的平均比特率均有明显降低.     

电视台视频网站建设中几个关键问题的探讨

本文从北京电视台视频网站的建设需求入手,结合北京电视台近年来网站建设的实践经验,介绍了在现有环境下进行视频网站建设的尝试实例和规划设想,着重分析了网站建设中的几个关键问题,并对实现过程中遇到的困难及其对策进行了探讨。     

一种基于网格编码量化的高光谱图像无损压缩方法

由于遥感图像的数据量非常庞大,给有限的存储空间和传输带宽带来很大的压力,同时,由于高光谱图像获取代价昂贵,具有广泛的应用领域,且压缩时一般不能丢失任何信息,即要求无损压缩,因此没有有效的压缩方法,高光谱图像的普及应用将受到极大的限制.网格编码量化（TCQ）借鉴了网格编码调制（TCM）中信号集合扩展、信号集合划分和网格状态转移的思想,其虽具有良好的均方误差（MSE）性能,而且计算复杂度适中,但目前TCQ主要被应用于图像的有损压缩,为了对高光谱图像进行有效的无损压缩,通过将TCQ引入高光谱图像的无损压缩,并根据高光谱图像的特点,提出了一种基于小波变换和TCQ的高光谱图像无损压缩方法.实验结果表明,与JPEG2000和JPEG-LS中无损压缩算法相比,该算法对高光谱图像具有更好的压缩性能.     

电视台制播网络系统的高可靠性和智能化深入应用

本文以北京电视台近年来节目制播技术平台的网络化深入实践为背景,以制播网络系统的高可靠性和智能化需求为主题,对通过一系列新技术、新架构、新机制的引入达到该需求目标的改造革新措施和应用效果进行了比较详细的阐述和分析。     

基于波段分组的3D-SPIHT高光谱图像无损压缩算法

波段间隔为纳米级的高光谱图像具有很强的谱间相关性，但不同频谱波段图像之间的相关性不同，本文提出了一种基于波段分组的3D—SPIHT(set partitioning in hierarchical trees)高光谱图像无损压缩方法。对高光谱图像按照谱段类型进行分组，接着通过3维整型小波变换，对图像组去除空间相关性和光谱维相关性，最后以3D—SPIHT的空间方向树组织方式来进行编码，去除小波变换后子带间系数的冗余。实验结果表明，该方法能够有效地去除空间和谱间相关性，在算法复杂度和计算时间上较整体处理有一定优势，同时可获得较好的无损压缩结果。     

一种基于2D／3D混合自适应预测的高光谱图像无损压缩方法

利用高光谱图像具有较强谱间相关性的特点，本文提出了一种基于2D／3D混合自适应预测的高光谱图像无损压缩方法，首先根据相关系数计算波段预测顺序，通过局部纹理分析进行二维空间预测，采用基于神经网络模型的自适应预测方法进行三维预测，然后利用预测波段与当前波段间邻域块的相关性对二维预测和三维预测的结果进行校正，对预测残差采用基于上下文模型的Golomb编码．实验结果表明，应用于四种不同遥感器所获取的图像，该方法都能够有效的去除高光谱图像的空间和谱间相关性，与无损压缩国际标准JPEG-LS和3D-APA算法相比，压缩后的平均比特率均有明显降低．