空时形状预测与高效编码

目的 形状是视觉对象的关键特征,形状编码是对象基图像和视频处理中的关键技术,但现有无损形状编码方法压缩效率普遍不高.为此,提出一种基于链码表示和空时预测的高效无损形状编码新算法.方法 首先逐帧提取视觉对象的形状轮廓并转化为链码表示;然后基于对象轮廓的帧间活动性将形状视频序列分成帧内预测编码帧和帧间预测编码帧,并基于轮廓链码的空域相关性和时域相关性对二者分别进行空域和时域补偿与预测;最后基于链码的方向约束特性对预测后的位移矢量和预测残差进行高效编码压缩.结果 为了检验所提算法的性能,基于MPEG-4标准形状测试序列进行了编码实验测试.与现有主要方法相比本文算法能提高压缩效率6%到71.6%不等.结论 本文算法可广泛应用于对象基编码、基于内容的图像检索、图像分析与理解等领域.     

基于RDF/RDFS的渔业GIS元数据描述与发现

在简要介绍了元数据和语义网的相关概念之后,着重探讨了渔业地理信息系统中渔业信息的异构问题以资源描述框架为基础建立了渔业地理信息系统中的元数据描述与发现模型,并通过具体实例验证了该模型。     

基于AI-TPACK理论的师范生人工智能素养框架研究

本文首先分析了国内外人工智能素养框架及维度,其次以AI-TPACK理论为基础,构建以AI知识、AI能力和AI伦理为一级维度的师范生人工智能素养框架,最后提出构建多层次人工智能教育课程、开展高质量人工智能教学活动、采用多元化人工智能教学评价的培养策略,以此来推动师范生人工智能素养框架的有效落地。     

基于自适应策略的稳健视频水印算法

稳健的视频水印算法对数字视频产品的版权保护具有重要意义。在先前提出的脆弱数字水印算法的基础上,通过采用自适应策略对视频序列中的不同图片根据其特点采用不同的嵌入算法,使得水印的嵌入对视频码流的改动最小,同时结合纠错编码技术,给出了一种较为稳健且简单、快速的视频数字水印算法。经仿真测试后,实验结果显示提出的视频水印新算法具有较强的抗二次编码攻击和噪声污染的能力,具有较好的稳健性。     

基于水印的数据库自适应信息隐藏算法

提出一种基于水印的自适应信息隐藏算法用于数据库的知识产权保护。算法根据数据库中原始数据的特点自适应地选择最佳嵌入方案,使水印的嵌入对数据库的影响降到最低,利用纠错编码技术和多数选举原理提高算法的稳健性。实验仿真结果表明,该算法满足不可见和盲检特性,对子集删除、增加、更新等常见攻击具有良好的抵抗能力。     

基于FMM的图像建模与语义对象分割

提出一种基于有限混合模型(FMM)的图像自动建模与语义分割方法.算法采用分水岭算法进行预分割,以给FMM模型设定合适的初始参数.同时针对传统EM算法的不足,对其分类结果自动执行合并与分裂操作以获得最佳分类数并跳出局部极值点.实验结果显示新方法能获得较精确的具有良好视觉感知的语义分割结果.     

面向检索的压缩域空时视频目标检测与分割

面向语义视频检索,提出一种压缩域的目标分割新算法。它直接基于压缩码流中运动矢量和DCT系数,经过运动检测、矢量分水岭分割、目标融合与修正、后处理与跟踪等步骤提取空时视频目标。整个过程主要基于压缩域进行,无需视频码流的完全解码。对不同测试序列的实验测试结果显示算法能基于压缩域提取较为精确的空时视频目标,并具有较好的鲁棒性。     

基于轮廓和链码表示的高效形状编码

提出一种基于轮廓和链码表示的高效无损形状编码方法。首先提取对象轮廓并细化成单像素宽度;然后将其转换成链码表示并基于方向相关性分割成若干子段,使每个子段最多包含2个基本方向码,同时结合线性检测,分离出对象轮廓中的长线性子段;最后对线性子段和非线性子段结合链码的空域相关性进行差异化编码以获得最佳编码性能。实验结果显示,所提算法的性能优于现有的常用方法,与最新的同类方法相比能平均提高压缩效率36.5%左右。     

3D视频目标分割与快速跟踪

提出一种面向3D视频的目标分割与快速跟踪算法,主要分为空域分割和时域与视域跟踪两个主要步骤。空域分割采用基于改进C-V模型的方法。首先基于帧差法提取运动区域作为目标的初始轮廓,以减少迭代次数加快收敛速度。然后在传统的C-V模型中加入图像边缘信息以加强C-V模型对模糊边缘的处理能力,提高分割结果的主管视觉效果。时域和视域的目标跟踪采用基于改进生物地理优化的快速跟踪方法。实验结果表明所提分割与跟踪算法快速、高效。     

面向立体视频的自适应数字水印算法

鉴于立体视频是未来视频技术的一个重要发展方向,对其产品的知识产权进行保护需要提前解决,以避免盗版和侵权现象。为此,在前期数字水印和立体视频研究工作的基础上,通过详细分析立体视频的特点后,给出了一种面向立体视频的自适应数字水印新算法。新算法是将水印信息添加到增强层码流的视差矢量数据上,这种水印信息的嵌入不仅对基本码流没有影响,而且不会影响到基本码流重建后的视频图像质量。该水印算法采用自适应策略,使得嵌入水印后的图像质量损失达到最小。其水印的嵌入和提取操作均基于压缩域进行,无需视频码流的完全解码,而且水印的提取使用盲检法,无需视频原图像。整个算法简单、快速、高效。通过不同测试序列的仿真实验结果显示,水印的嵌入对原图像影响很小,使用自适应算法进行水印嵌入后图像的峰值信噪比下降值均小于非自适应算法。