一种基于统计的H．264差错信道下抗误码方法

结合在差错信道下的视频传输模型，本文分析了在差错信道下传输H．264视频压缩数据存在的编码失真、传输误码失真及扩散失真问题；针对这个问题，讨论了H．264标准中 基于宏块的误码掩盖技术及差错信道下基于全局率失真优化的宏块模式判决算法；并结合H．264 SEI域的反馈机制和概率统计理论，提出了一种简单估算失真的方法。该模式式判决算法较好地改善了抗误码性能。     

基于可伸缩视频编码的率失真优化编码算法*

可伸缩视频编码（SVC）可实现视频流空间、时间和信噪比的完全伸缩,但在差错信道上传输容易引起误差扩散,为此提出一种基于SVC的率失真优化编码算法。该算法在分析了差错信道下传输可伸缩视频流误差扩散失真的基础上,在率失真优化模型中引入时间和信噪比分级的误差分级参数,并根据信道状态自适应地确定宏块编码模式。该算法能够有效地抑制误码在各分层的扩散,提高了可伸缩视频流的鲁棒性。仿真结果表明,算法与以往的算法相比具有更好的抗误码性能,适合视频数据在差错信道上的传输。     

融合视觉感知特性的HEVC率失真优化

目的 高效视频编码(HEVC)采用率失真优化技术选择最佳的编码参数,实现编码比特率和视频图像失真之间的平衡。失真度量通常采用均方误差和绝对误差和,这些方法并没有考虑人眼的主观感受。为了提高视频编码的主观感知质量,提出一个融合视觉感知特性的率失真优化算法,并应用于帧间率失真优化过程中。方法 首先定义了一个视觉感知因子,该因子考虑了人类视觉系统对视频图像的空域活动性区域、纹理区域、时域运动性区域和亮度的感知特性,然后以编码树单元为单位对拉格朗日乘子进行自适应调整,最后根据拉格朗日乘子与量化参数之间的关系,对量化参数做进一步的修正。结果 与HEVC参考软件相比,本文算法明显提高了率失真性能,对于相同的结构相似度(SSIM)分值,本文算法在随机访问和低延时配置下平均分别节省3.1%,4.9%的码率,最高能节省9.0%的码率。与代表性文献算法相比,对于相同的SSIM,本文算法在随机访问和低延时配置下平均分别增加了0.7%,2.2%的码率节省。结论 本文率失真优化策略能够根据图像不同的视觉特性自适应的调整率失真优化过程中的拉格朗日乘子,在保持编码质量基本不变的情况下,节省了码率,提高了HEVC的编码性能。     

基于Lagrange的H．264率失真编码优化算法

为了进一步提高编码速度，促进视频编码技术在多媒体通信领域的实际应用，本文对率失真视频编码的关键算法进行了深入的研究并提出了其优化方法，并从信息论理论出发，着重围绕图像压缩的理论，利用率失真特征数学模型、拉格朗日乘子法，对目前新一代的H．264视频标准进行编码算法模式选择，试图从最根本的理论角度探讨信源编码，以便得到更高的压缩比、更好的图像质量和更快的编码速度。最后，利用本文提出的编码模式优化算法，对H．264的JM61e（JUT Test Model）系统测试模型的性能进行全面测试。     

结合率失真优化的自适应全局运动估计方法

全局运动估计的关键在于全局运动模型的选择。结合率失真优化理论,提出一种自适应全局运动估计方法来达到编码优化的目的。该方法的主要思路是：对同一帧图像,分别使用平移运动模型、六参数运动模型和十二参数运动模型进行编码,用率失真优化算法计算3种运动模型下的拉格朗日代价函数值,拉格朗日代价函数值最小的运动模型被选为最佳的当前帧的运动模型。实验证明,该方法具有较好的鲁棒性,对不同分辨率的视频序列均有不同程度的编码增益。     

一种新的基于率失真优化的运动补偿方法

该文主要介绍了一种新的基于率失真优化的运动补偿的方法。它针对8x8的子块,提出了若干更贴近于实际物体轮廓和实际运动轨迹的运动分割模式,通过率失真方程来选择模式,利用这些模式来进行运动估计和运动补偿,从而达到高效地描述物体运动的目的,并在码率和失真之间取得了一个良好的平衡。实验结果表明,在全码率范围内,这种新的运动补偿方法的性能较传统的方法都有不同幅度的提高,而运算复杂度的提高也在可以接受的范围之内。     

基于率失真特性的视频编码优化算法

率失真(R-D)优化是视频编码器中一项关键技术,然而当前广泛采用的独立率失真优化远未达到全局最优性能.为了进一步提升高效视频编码(HEVC)的压缩性能,提出了一种结合率失真依赖性和率失真特性的二次编码优化算法.首先,采用原始HEVC的方法对当前帧进行第一次编码,从而得到当前帧消耗的比特数和每个编码树(CTU)单元的率失...     

基于纹理和亮度感知特性的率失真优化策略

率失真优化(RDO)策略在视频编码体系中对编码效率有着重要影响。当前主流的率失真优化策略以MSE或类似的方法描述失真,不能很好反映人眼的主观感受。为了提高视频编码的主观感知质量,首先建立一种新的感知失真模型。该模型利用人眼对纹理和亮度的敏感特性,使评价结果能够更好地反映主观质量。在此基础上,提出一种基于纹理和亮度感知特性的率失真优化策略,简称TL-RDO(texture and luminance based RDO)策略。该策略对不同的区域自适应地调整拉格朗日乘子,使得编码结果更好地符合人眼的观察特性。实验结果表明,TL-RDO相比现有最常用的QP-RDO方法,编码效率显著提高;与一些典型的基于感知失真特性的率失真优化策略相比,TL-RDO策略计算复杂度较低,适合于实时编码系统。     

基于梯度和率失真的帧间块模式选择算法

提出一种适合于H．264标准的基于梯度且支持RDO的帧间块模式抉择算法．该算法根据梯度分布剔除某些可能性很小的模式，以减少RDO过程中的待选模式数量，达到快速选择模式的目的．实验表明该算法比在全部模式中执行RDO过程要节约80％左右的时间，而PSNR下降不超过2dB．     

基于率失真优化的ROI编码算法

提出一种通过提升率失真斜率来实现任意形状的感兴趣区域（ROI）编码的方法,从而避免了因提升系数引入过多的位平面导致编码效率降低的问题。实验结果表明该算法通过调节提升因子可实现ROI与背景区域重现图像对比度的任意可调,并且无需发送ROI区域的形状信息,同时降低了部分ROI编码块中背景系数的优先级,可以使感兴趣区域得到更快的恢复重现。     

基于结构统计的纹理分类

针对纹理图像在视觉上的结构表现，选用能说明任意二值纹理的基元序列，将基元所对应的区域进行平移或伸张以覆盖整个纹理图像，完成所有基元对应区域的象素统计，获得能说明纹理中各结构比例及粒度的统计曲线。用此方法重新分类了Brodatz的111个纹理图片。实验证明视觉上相似的纹理有相似的统计曲线(相同或接近的峰、谷或转折位置)。比较其他分类结果，该方法更具有视觉接近性。     

基于Excel的分段统计方法研究

分段统计是最常用、最基本的统计方法,利用Excel的COUNTIF函数、FREQUENCY函数、数据透视表能轻松实现数据分段统计,提高数据处理效率。本文通过对成绩表中语文成绩的统计为例,详细分析了Excel中分段统计的实现方法以及各种方法的特点。     

基于特性统计方法的航空遥感图像质量评定研究

通过对航空遥感影像的特性统计值进行计算,将得到的客观统计特性值与主观评价结果进行比较,来对图像的成像质量进行评价。在实现过程中采用了现在常用的图像特性统计值———信息熵、清晰度、三阶平均细节累积量,同时也利用了调制传递函数对航空遥感影像进行试验分析。在此基础上,对航空遥感数字影像进行了试验,并对试验结果进行分析、比较了利用这些特性统计值进行质量评价的效果。     

一种基于高阶统计量的图象平滑去噪法

为了消除或衰减存在于图象上的噪声，同时尽可能地保留图象细节，提出了一种基于高阶统计量的图象平滑去噪法，该方法是根据高阶统计量对高斯噪声不敏感的特性，对一个像素点采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值，以便可以在对噪声进行平滑滤波的同时，最大限度地保留图象的细节信息，仿真结果表明，该方法较好地实现了这一要求，与常用的中值滤波法相比，该方法处理后的图象，其PSNR可提高约1dB以上。     

基于最大熵方法的统计语言模型

针对现有统计语言模型中存在计算量过大和系统负担过重的问题,该文提出了一种基于最大熵方法的统计语言模型。模型在参数估计阶段,引入约束最优化理论中拉格朗日乘数定理和牛顿迭代算法,以确保模型在多个约束条件中可求出最优化参数值;在特征选择阶段,采用计算近似增益的平行算法,解决模型计算量过大和系统开销问题。将该模型用于汉语句子分析的软件实验中表明:模型具有较高的计算效率和鲁棒性。     

基于统计学的延迟时间获取

统计学在经济分析中的应用已经相当成熟，随着信息技术的发展，数据挖掘在经济分析中的应用也越来越被看重。本文通过一个经济学上的简单例子：基于传统的统计学的分析方法，结合数据挖掘的延迟关联规则算法，将传统的分析方法加以改进，以更适应现在社会经济的发展。     

基于计数型Bloom过滤器的网络数据流统计

现有的流统计信息主要侧重于流抽样而忽视全流统计。为此,提出一种使用优化设计的计数型Bloom过滤器流统计方法。针对计数型Bloom过滤器数据增长带来的计数器溢出和假阳性错误率增高的问题,分别设计动态统计和多个计数器协同统计的方案。概要化的存储结构可方便查询,而且其计数型Bloom过滤器简单的数据结构也易于硬件实现。实验结果表明,与传统哈希方法相比,计数型Bloom过滤器流统计方法的时间复杂度更低,可用于网络应用中的快速全流统计。     

基于模糊数学与统计理论集成的多传感器数据融合方法

利用格罗贝斯统计理论剔除系统误差数据.对余下的有效数据,利用模糊理论计算其与估计值之间的模糊贴近度,并以此确定每个传感器的重要性权重,最后提出数据融合公式实现多传感器的数据融合.应用实例验证了该方法的有效性.