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。     

SCICOS环境下通信链路层次化仿真建模研究

基于开放源代码软件SCILAB和图形化动态仿真器SCICOS,提出了一种构建通信系统动态集成设计环境的技术方案。该方法具有很强的描述能力和可扩展性,图形模块与实际物理环境具有一致性,并且对各种仿真资源进行了统一的管理。仿真实验证明,该系统架构为通信链路系统的建模仿真提供了通用的框架。     

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。     

基于深度学习的无参考图像质量评价综述

图像质量评价是图像处理、图像/视频编码等领域的基础性问题,用于评估图像的失真程度,被广泛应用于算法设计与分析、系统性能评估等方面.无参考图像质量评价(又称为盲图像质量评价)是一种重要的客观质量评价方法.因为无须原始的参考图像,因此具有广泛的应用前景.近年来,随着深度学习技术的不断发展,人们提出了多种基于深度学习的无参考...     

几种小波图像编码方法的比较

小波变换具有良好的时频或空频局部特性,特别适合于按照人眼视觉系统特性设计的图像/视频编码方案.随着MPEG-4和JPEG-2000等基于小波变换的图像/视频编码标准的制定和推广,小波编码技术将被广泛采用.目前小波图像编码的方法有很多,其中嵌入式编码方法得到了人们的广泛关注.本文首先介绍EZW、SPIHT、SPECK等七种小波编码器的原理和方法,然后对这几种小波编码器的性能进行了比较.     

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。     

一种基于运动补偿三维小波的 多描述视频编码方法

 本文将多描述编码与运动补偿三维小波可扩展视频编码相结合,提出了一种基于运动补偿三维小波的多描述视频编码方法.该方法首先根据编码序列的运动特性,自适应地进行每个描述的码率分配,以控制各个描述中的冗余,然后将编码序列的关键信息-运动矢量和低频帧码流复制到两个描述中,并将高频帧码流分配到不同的描述中.在解码端根据正确接收信息的不同,采用不同的方法进行视频重建.实验结果表明,与单描述编码方法相比,在信道丢包率较高的情况下,本文方法可以提供更好的传输鲁棒性.     

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。      

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.