用于图像预测编码的预测器的设计及应用

设计并实现了一个用于图像预测编码的预测器。在图像压缩中,预测器是影响整个图像压缩比以及图像质量的关键环节。为了提高预测器的性能,本文结合了线性与非线性预测器的设计方法,首先对图像像素及其邻域像素之间的相关性估计值进行统计计算,确定该预测器的最佳阶数为四阶,接下来以预测差值的最小均方差标准和差值图像的期望值恒为零的约束为前提,同时对邻域模板的平坦程度加以分类,统计分析各类图像得出大量实验数据,最终设计出性能较好的四阶预测器。由于该预测器应用于星载图像的压缩,其预测系数在设计时兼备了便于硬件实现的特点。     

用于图像预测编码的预测器的设计及应用

设计并实现了一个用于图像预测编码的预测器。在图像压缩中，预测器是影响整个图像压缩比以及图像质量的关键环节。为了提高预测器的性能，本文结合了线性与非线性预测器的设计方法，首先对图像像素及其邻域像素之间的相关性估计值进行统计计算．确定该预测器的最佳阶数为四阶，接下来以预测差值的最小均方差标准和差值图像的期望值恒为零的约束为前提，同时对邻域模板的平坦程度加以分类，统计分析各类图像得出大量实验数据，最终设计出性能较好的四阶预测器。由于该预测器应用于星载图像的压缩．其预测系数在设计时兼备了便于硬件实现的特点。     

超光谱图像的二阶差分预测压缩算法

根据超光谱图像空间谱间都存在较强相关性的特性,设计了一种结合空间预测的二阶差分预测压缩算法。采用MED预测器去除空间相关,采用二阶差分预测器去除谱间相关,并根据像素预测误差的权重设计了统一的去相关预测器,最后对误差图像做基于上下文的编码,实现图像的近无损压缩。研究结果表明,各波段峰值信噪比(PSNR)为39dB左右时,压缩比可以达到12.7,压缩效果比较理想。     

基于提前终止编码单元划分的快速帧内预测算法

为了降低高效视频编码HEVC(High Efficiency Video Coding)帧内预测过程的计算复杂度,提出一种提前终止编码单元(CU)划分的快速帧内预测算法。首先,针对HEVC编码结构,提出一种纹理复杂度测度的方法(即像素亮度方差值)。然后,分析不同纹理特性对帧内预测编码单元层次结构的影响,提出一种基于像素亮度方差值统计的提前终止编码单元的方法。对不同层次结构的编码单元进行像素亮度方差值统计,同时结合平均像素代价值统计,设置合理的阈值,自适应提前终止编码单元的划分,从而降低了帧内预测的编码复杂度。实验结果表明,在保证信噪比和比特率不变的情况下,该算法与HEVC参考软件HM10.0相比,编码时间平均节省32%。     

自适应不规则纹理的胶囊内镜图像无损压缩

为缓解无线胶囊内镜图像在电子设备以及服务器中的存储压力,提出一种自适应不规则纹理的无损压缩算法。在图像块内,利用扩展角度预测模式寻找与待预测像素最邻近的5个参考像素,并给其中3个参考像素分配不同权重,同时根据邻近像素值梯度变化规律,扩大待预测像素在不规则纹理方向上的预测值选择范围,基于图像块的最小信息熵选择最优的预测值,将真实值与预测值作差获得预测残差,以适应不规则纹理图像。利用跨分量预测模式选择最优的预测系数,构建符合图像块内预测残差分布规律的线性关系,从而消除当前编码像素中3个分量的冗余数据。结合Deflate算法对经多角度预测模式与跨分量预测模式预测后的剩余残差进行熵编码。实验结果表明,该算法在Kvasir-Capsule数据集上的无损压缩比平均为5.81,相比WebP、SAP、MDIP等算法,具有较优的压缩性能,能够有效提高图像的冗余消除率,其中相较WebP算法的冗余消除率提高约1.9%。     

基于MATLAB的BP网络数字图像预测器设计

针对数字图像预测编码系统的预测器设计问题,采用三层BP网络作为预测器,以邻域像素作为输入,隐含层、输出层激活函数分别采用双曲正切S型函数、线性函数.给出了网络训练算法原理,研究运用MALTAB工具设计预测器的方法.通过实验手段讨论了在给定均方差和训练时的数据量的情况下,隐含层神经元的数目与预测精度无关的结论,介绍了基于MATLAB的多种网络训练方法,最后设计的预测器具有结构简单、易于实现的优点;对两幅特征明显的图像进行预测,取得满意的效果.实验结果表明该设计方法是可行、有效的.     

一种快速H.264帧内模式选择算法

H.264帧内预测计算复杂,是帧内编码中的瓶颈问题。根据H.264多模式帧内预测特点分析,提出了一种基于纹理和参考像素特性的帧内预测快速算法。算法首先通过Prewitt算子计算得到图像的纹理,根据纹理方向选择相应的帧内预测模式,然后计算参考像素的差异特性,删除已选Intra4x4模式中不必要模式,减少候选模式数目,降低了计算复杂度。对4组不同运动特点序列仿真结果表明:与JM13.2算法相比,本文算法编码时间平均降低75.7%,而图像峰值信噪比平均降低0.16dB,输出码率平均增加3.45%,综合性能优于已有算法。     

基于纹理主方向强度的HEVC帧内快速分层算法

为降低高效视频编码帧内预测过程的计算复杂度,提出一种基于纹理主方向强度的快速帧内预测算法。根据每一深度层编码单元(CU)分布特点,并结合每块CU纹理主方向强度判断CU是否需要进行分割处理。在深度层为0和1的CU块上统计4×4块的纹理方向,确定当前CU的纹理主方向强度,判断其纹理复杂度。在深度为2和3的CU上结合像素方差,以像素点为单位计算相应CU的纹理主方向强度。通过实验训练序列获得恰当的阈值,自适应提前终止编码单元的划分,减少帧内预测的编码复杂度。实验结果表明,在保证信噪比和比特率基本不变的条件下,与平台HM15.0相比,该算法编码时间平均节省51.1%。     

基于边界纹理一致性的帧内模板匹配预测算法

提出基于边界纹理一致性的视频帧内模板匹配预测算法,根据图像内容纹理的一致性,在绝对差和(或均方差)的基础上,引入边界纹理一致性约束,形成新的模板匹配准则,以增强模板匹配预测与当前块周围像素之间的相关性,提高模板匹配预测的准确性。实验结果证明,该算法相对于帧内模板匹配预测算法,编码效率平均提升0.11 dB,最高能提升0.17 dB。     

基于一维数据块的AVS视频帧内编码算法

针对AVS（Audio Video Coding Standard,音视频编码标准）视频部分帧内预测中固定三抽头滤波器难以适应纹理类型变化、预测精度低的问题,基于相邻一维数据块（像素行或者像素列）之间纹理一致性更强的特点,提出了基于一维数据块的帧内自适应滤波编码算法,将固定三抽头滤波器扩展为自适应滤波器,以一维数据块为单位生成预测,解决参考像素与预测像素之间距离较远所带来的相关性差、预测不准确的问题。利用最小二乘方法,对已编码的相邻一维数据块进行自适应滤波预测,计算得到最优的三抽头滤波器,将其直接作为当前一维数据块的自适应滤波器,从而避免了自适应滤波器系数的传输开销。实验结果表明：新的帧内编码方法能够提高现有AVS视频帧内编码效率平均达到0.324 dB,最高达到0.879 dB,而且编码性能高于帧内模板匹配方法平均0.120 dB。所提出的方法在新一代的视频编码标准AVS2.0的制定中具有广阔的应用前景。     

CFA图像无损压缩神经网络预测器的设计

论文将神经网络引入预测器设计中,实现了一个用于贝尔模板自然图像无损压缩的神经网络预测器。该预测器含有两个隐含层,具有很强的非线性预测能力,可直接对贝尔模板类型的图像进行无损压缩。为了提高预测精度,在CFA数据的因果邻域像素中实现了边缘检测,并将其应用到预测器中,实验表明该边缘检测方法简单有效。     

融合统计方法和双向卷积LSTM的多维时序数据异常检测

通过数据分析进行异常检测,有助于准确识别异常行为,从而提高服务质量和决策能力。然而,由于多维时序数据的时空依赖性以及异常事件发生的随机性,现有方法仍然存在一定的局限性。针对上述问题,提出一种融合新型统计方法和双向卷积LSTM的多维时序数据异常检测方法MBCLE。该方法引入堆叠的中值滤波处理输入数据中的点异常并平滑数据波动;设计双向卷积长短期记忆网络（Bi-ConvLSTM）和双向长短期记忆网络（Bi-LSTM）相结合的预测器进行数据建模和预测;通过双向循环指数加权移动平均（BrEWMA）平滑预测误差;使用动态阈值方法计算阈值以检测上下文异常。实验结果表明,MBCLE具有良好的检测性能,各步骤均对性能提升有所贡献。     

基于邻域预测差值直方图平移的可逆信息隐藏

在基于直方图平移的可逆信息隐藏算法中,应用二叉树算法向接收方传送峰值像素和零值像素对,通过三角向后预测算子和错误能量估计可以提高负载和图像质量。但鉴于三角向后预测算子的预测准确度不高,提出一种基于邻域预测差值直方图平移的可逆信息隐藏算法。采用领域均值预测代替三角向后预测,并对错误能量估计和提取秘密信息算法进行相应的改进。实验结果表明,在常用的7张实验图像中,与双二叉树错误能量估计算法相比,该可逆信息隐藏算法的满负载量平均提高8.7%,在某些相同参数条件下负载提高达到300%,其预测更加准确、负载量更高,并且能有效提高破译难度。     

Pshare:两级自适应分支预测算法及实现

本文提出了一种结合PAs和Gshare两者优点,同时尽可能消除两者缺点的两级自适应分支预测算法及其实现——Pshare分支预测方法。通过使用单独的BHSR来跟踪不同分支指令的历史轨迹,克服了GAs和Gshare机制中统一历史模式带来的缺点;同时,通过使用分支指令部分地址和历史模式位的杂凑运算来索引共享的一维PHT小表,减少了PAs机制中二维PHT大表的面积开销和索引延时开销。Pshare两级自适应分支预测器用接近Gshare的实现代价,达到了近似PAs的预测精度。该分支预测技术适用于强调单核性能的超标量超流水结构的高性能处理器中,有助于减少垂直浪费,提高单核心的性能和效率。     

Cascaded RLS–LMS Prediction in MPEG-4 Lossless Audio Coding

This paper describes the cascaded recursive least square-least mean square (RLS-LMS) prediction, which is part of the recently published MPEG-4 Audio Lossless Coding international standard. The predictor consists of cascaded stages of simple linear predictors, with the prediction error at the output of one stage passed to the next stage as the input signal. A linear combiner adds up the intermediate estimates at the output of each prediction stage to give a final estimate of the RLS-LMS predictor. In the RLS-LMS predictor, the first prediction stage is a simple first-order predictor with a fixed coefficient value 1. The second prediction stage uses the recursive least square algorithm to adaptively update the predictor coefficients. The subsequent prediction stages use the normalized least mean square algorithm to update the predictor coefficients. The coefficients of the linear combiner are then updated using the sign-sign least mean square algorithm. For stereo audio signals, the RLS-LMS predictor uses both intrachannel prediction and interchannel prediction, which results in a 3% improvement in compression ratio over using only the intrachannel prediction. Through extensive tests, the MPEG-4 Audio Lossless coder using the RLS-LMS predictor has demonstrated a compression ratio that is on par with the best lossless audio coders in the field. In this paper, the structure of the RLS-LMS predictor is described in detail, and the optimal predictor configuration is studied through various experiments.     

SWIP Prediction: Complexity-Effective Indirect-Branch Prediction Using Pointers

Predicting indirect-branch targets has become a performance bottleneck for many applications.Previous highperformance indirect-branch predictors usually require significant hardware storage or additional compiler support,which increases the complexity of the processor front-end or the compilers.This paper proposes a complexity-effective indirectbranch prediction mechanism,called the Set-Way Index Pointing (SWIP) prediction.It stores multiple indirect-branch targets in different branch target buffer (BTB) entries,whose set indices and way locations are treated as set-way index pointers.These pointers are stored in the existing branch-direction predictor.SWIP prediction reuses the branch direction predictor to provide such pointers,and then accesses the pointed BTB entries for the predicted indirect-branch target.Our evaluation shows that SWIP prediction could achieve attractive performance improvement without requiring large dedicated storage or additional compiler support.It improves the indirect-branch prediction accuracy by 36.5% compared to that of a commonly-used BTB,resulting in average performance improvement of 18.56%.Its energy consumption is also reduced by 14.34% over that of the baseline.     

Financial failure prediction using efficiency as a predictor

Corporate financial failure prediction is of critical importance for decision making of managers, investors and shareholders. In current financial failure prediction models, various financial ratios are usually selected as prediction variables, which implicates that these financial ratios represent the possible cause of financial failure. It is widely recognized that a main cause of financial failure is poor management, and that business operation efficiency is a good reflection of a firm’s management. In this paper, we propose a financial failure prediction model using efficiency as a predictor variable. In the proposed method, data envelopment analysis (DEA) are employed as a tool to evaluate the input/output efficiency of each corporation. To verify the efficacy of efficiency as a predictor, we use the data of corporations listed in Shanghai stock exchange (SSE), and compare the accuracy of the same prediction method with and without the variable. Experimental results of three main financial failure prediction models, i.e., multiple discriminant approach (MDA), logistic regression, and support vector machines (SVMs), all suggest that efficiency is an effective predictor variable.     

同时多线程处理器上的动态分支预测器设计方案研究

同时多线程处理器（SMT）每个周期能够从多个线程中发射指令执行,从而大大地提高了超标量微处理器的指令吞吐量,但多个线程的同时执行也带来了许多硬件资源的共享冲突问题.其中,多个线程共享分支预测硬件的方案会对分支预测精度产生较大的影响.研究SMT处理器中分支处理方案对于处理器整体性能的影响,对于指导SMT处理器的设计是十分重要的.本文利用SMT处理器模拟器,针对各线程运行独立应用的SMT结构实验评估了几种著名的分支预测方案;给出了在单线程和多线程情况下,分支预测方案对分支预测精度和处理器整体性能的影响的分析;总结出在这样的SMT结构中,各线程拥有独立的预测器是一种较好的选择,并且由于各独立预测器可以采用小而简单的结构,所以不会带来太多的硬件开销.     

基于局部信息的WLAN位置预测器

分析了移动路径预测的已有方案,尤其针对k阶Markov预测器中存在的状态空间膨胀以及知识更新较慢问题,提出了一种新的WLAN位置预测器模型,并在1200个实际WLAN用户的移动跟踪数据集上对Markov预测器和新预测器的预测精度进行了比较分析。分析结果表明,新的预测器模型比k阶Markov预测器中复杂度最低的一阶Markov预测器更节省空间和搜索时间,并且比预测效果最好的二阶Markov预测器有更好的预测精度和普适性。该模型以很小的代价获得更好的性能,具有较高的实用价值。     

Using contexts and R-R interval estimation in lossless ECG compression

The paper presents a new lossless ECG compression scheme. The short-term predictor and the coder use conditioning on a small number of contexts. The long-term prediction is based on an algorithm for R-R interval estimation. Several QRS detection algorithms are investigated to select a low complexity and reliable detection algorithm. The coding of prediction residuals uses primarily the Golomb-Rice (GR) codes, but, to improve the coding results, escape codes GR-ESC are used in some contexts for a limited number of samples. Experimental results indicate the good overall performance of the lossless ECG compression algorithms (reducing the storage needs from 12 to about 3-4 bits per sample). The scheme consistently outperforms other waveform or general purpose coding algorithms.