IP网络信源信道联合编码策略

面向IP网络，讨论了一种信源编码的失真估计模型，并用典型的视频编码器作了验证．提出了一种基于包的信道编码方法，并将该方法引入信道编码的失真估计中，对一种信道编码的失真估计模型作了改进．以前述内容为基础，提出了两种信源信道联合编码策略，实验结果表明，这两种策略得到的最优结果在很大程度上提高了视频重建质量．     

本征声线的一种求取方法

本文介绍一一种求取本征声线的方法，并给出了算例。     

基于深度特征字典学习和Largevis的遥感图像检索

提出了一种基于深度特征字典学习和Largevis的遥感图像检索方法。该方法以Inception v4为骨干网络,提取了第一个Reduction Block输出的特征图,并对其进行重组。然后利用K均值聚类算法对重组后的特征进行训练,构造深度特征字典。基于深度特征字典,对卷积特征图进行量化,得到紧凑的特征表示向量,将其与全连接层特征相结合,形成图像特征表示向量。为了避免“维度灾难”的问题,采用Largevis降维方法对图像特征表示向量进行降维。采用L2距离度量方法对降维后的特征进行相似性比对,实现了遥感图像的检索。在RS19、UCM和RSSCN7数据集上的实验结果表明,与现有的方法相比,该方法能获得更好的检索性能。     

立体视频传输技术研究进展

立体视频是当前视频信号处理领域的一个重要研究内容。立体视频的数据量巨大,这使得对立体视频数据进行有效的压缩编码和鲁棒性传输成为应用中一个至关重要的问题。首先介绍了立体视频流结构及其传输协议,然后讨论了立体视频传输中关键技术的研究进展,最后指出了进一步发展的前景。     

面向无线视频传感器网络的目标检测与视频重构方法研究

考虑到无线视频传感器网络中节点资源及能源受限等情况,针对视频监控固定视场中存在的大量冗余信息,提出了一种面向无线视频传感器网络的目标检测与视频重构方法来有效去除冗余.首先传输JPEG2000压缩的背景图像,继续采集视频图像,对其进行目标检测,将检测到的目标图像进行JPEG2000压缩,然后仅传输目标图像压缩码流及其空间...     

基于卷积神经网络的监控场景下车辆颜色识别

颜色是车辆识别中广泛应用的主要线索之一,在智能交通系统中扮演着重要的角色.受光照变化、噪声、环境等复杂因素的影响,传统的车辆颜色识别方法难以取得理想的识别效果.利用卷积神经网络(CNN)的优越识别性能,提出了一种基于卷积神经网络的监控场景下车辆颜色识别方法.基于传统的CNN原理设计了车色识别专用深度网络架构,直接通过CNN学习基于颜色分布的分类模型.与其他基于深度学习的车色识别方法相比,提出的用于车色识别的专用深度网络,具有参数少、识别速度快、识别精度高等优点.实验结果表明,在Chen等公布的标准数据集上,与最新的研究成果相比,平均识别精度提高约0.77％,识别速度提高14倍左右.     

基于内容的H.264无参考视频质量评价模型

针对H.264视频编码标准,提出了一种基于内容的无参考视频质量评价模型。首先,从H.264码流中提取参数,并对其进行统计分析,用于描述视频纹理复杂程度和运动剧烈程度,将其与量化参数相结合构成输入向量;然后,利用BP神经网络的方法,建立输入向量与主观评价打分（MOS）之间的映射模型,用于对H.264视频码流的质量进行预测。实验结果表明,所提出的评价模型得到的斯皮尔曼系数（SROCC）为0.9624,皮尔逊系数（PLCC）为0.9464,可以获得较高的预测精度。     

面向敏感网页识别的网页内容获取方案的设计与实现

面向敏感网页识别,设计并实现了一种网页内容获取方案.该方案主要包括HTML(Hypertext Markup Language)源文件的获取、文本获取、图像获取及穿插其中的HTML源文件解析等4部分内容.测试结果表明,无论是中文网页还是英文网页,本设计方案均能获得网页上的文本和图像内容信息,所获取的内容可以满足后续敏感网页识别的应用需求.     

基于多注意力图的孪生网络视觉目标跟踪

在视觉跟踪应用中,目标外观通常由包含目标的矩形区域来建模,这种矩形化边框的描述方式不可避免地引入了背景干扰,并随着场景变化导致跟踪关注点的模糊及歧义,进而产生跟踪漂移。针对以上问题,提出了一种基于多注意力图的孪生网络视觉目标跟踪算法。首先,建立了一种关注于前景目标区域特征表达的孪生网络。该网络通过构建梯度注意力图损失函数项来引导网络训练,提升网络区分目标和干扰背景的能力。此外,嵌入通道注意力和空间注意力进一步强化目标的特征表达,自动发掘有区分的特征表示。在多个公共数据集上的实验验证了提出算法的有效性,以及算法可完成实时的视觉目标跟踪。      

用户驱动的交互式立体视频流传输系统

提出并实现了一种在现有网络带宽条件下即可实现的交互式立体视频流传输系统.该系统首先采用人脸检测与跟踪技术确定用户的位置信息,并将该信息实时反馈到服务器端,服务器端根据客户的位置信息自适应选择与用户观看角度最匹配的两路立体视频流数据发送至客户端.在现有的网络带宽条件下,该系统可为用户提供高质量的立体视频,还能为用户提供自主选择观看视角的能力,保证用户总能以最佳的角度观看立体视频.