基于自适应字典稀疏表示的超分辨率算法

基于学习的超分辨率算法通过一组训练样例来学习一个字典,并从该字典中合成低分辨率图像中丢失的高频信息,最终得到相应的高分辨率图像。介绍了几种常用的基于学习的超分辨率算法,并提出了一种新的算法:基于自适应字典稀疏表示的超分辨率算法。实验结果表明,该方法在主观与客观上均具有较好的重建效果。     

基于社会计算和深度学习的社交网络特定内容监控

社交网络极大地方便了人们的生活,加速了信息的共享,但同时也被用于不良和敏感信息的传播,内容安全问题亟待解决。针对此类问题,提出了一套基于社会计算和深度学习的社交网络特定内容监控体系,首先基于成对监督信息实现以内容为导向的半监督社区发现,找到所关心的特定人群;然后对所挖掘的特定人群进行实时监控并获取其发布的内容,对图像和视频进行实时自动内容识别;同时针对实网数据误报多的问题提出面向多负类的误判修正方法,以达到收集实时信息,净化网络环境,在一定程度上预防犯罪的目的。     

基于均值漂移的视频目标跟踪改进算法

改进算法通过计算跟踪窗口颜色直方图的质心来自适应的调整跟踪窗口的尺寸,通过比较跟踪结果和目标的差值确定遮挡情况,并启用粒子滤波算法在整幅图像内搜索目标解决目标的遮挡问题,这种改进算法克服了均值滤波算法不能适应目标尺寸变化和不能解决遮挡问题的缺点.实验证明改进算法具有很强的鲁棒性.     

可解释化、结构化、多模态化的深度神经网络

深度学习方法依赖于大规模的标签数据,通过端到端的监督训练,在计算机视觉、自然语言处理领域都取得优异性能.但是,现有方法通常针对单一模态数据,忽视数据的内在结构,缺乏理论支撑.针对上述问题,文中从基于小波核学习的深度滤波器组网络设计、基于结构化学习的深度学习、基于多模态学习的深度学习3个角度阐述结合深度学习方法与小波理论、结构化预测的潜在方法,以及其拓展到多模态数据的可行机制.     

HDTV视频编码器系统子图分割并行处理单元的设计与实现

设计了遵循MPEG-2MP@HL压缩标准的HDTV视频编码器基于水平条状分割系统方案的协议结构、实现模型和控制流程，同时也提供了后端并行编码的各子编码器压缩子码流合成的实现机理。分割并行处理方案必须处理两个关键问题：子图序列编码及拼接的同步、子图压缩码率的分配。本文着重就前者的设计实现进行了详细分析,根据设计的分割方案定义了特定的图像数据接口协议，确保从基本物理层结构到应用层规范都符合HDTV视频编码器的性能。同时在尽可能满足图像质量一致性的基础上，基于几种码率分配策略提供了系统测试结果。     

H.264中CAVLC解码的高效算法

深入分析了H.264标准中CAVLC编解码方法,在此基础上针对参考实现中的遍历查找算法搜索效率不高的问题,引入了子表法和二叉树-子表混合法两种算法来提高解码效率。子表法是将码表分成若干张子表,再在子表中进行搜索;二叉树-子表法结合子表划分,在子表内部采用基于二叉树的形式解码。实验结果表明,在内存增加不多的情况下,这两种算法比参考实现原有算法的搜索速度分别提高了1.7倍和3倍。     

基于比特平面预测的分布式视频WZ帧重构方法

分布式视频编码(DVC)是建立在Wyner-Ziv(WZ)有损源编码理论基础上的全新视频编码框架,具有编码复杂度低、抗误码性能好的特点.普通的DVC在解码端用插值的方法构造边信息时会丢失部分信息,提出了从用于插值边信息的前后帧中提取特征并预测重构帧的下一个比特值,并利用预测的比特值修改重构概率密度函数.实验结果表明,该方法能在传输较少比特平面时提高重构帧的PSNR和主观质量.     

基于可分级编码基本层的码率控制方法

在P域的码率控制中，由于编码比特尺和一帧图像的变换量化系数中的零的百分比之间的关系起着非常重要的作用，因此为了更好地进行码率控制，首先研究了线性率失真函数在可分级视频编码（scalable video coding，SVC）中基本层上的可适用性，然后分别对模型参数进行统计，结果表明，统计曲线显示了在同一个时间子带上的帧有着相近的线性模型参数。结合以上特征，通过最小二乘法实现了线性模型在SVC基本层上的码率控制应用，并且在JSVM1．0上实现了该算法。实验表明，该码率控制算法很有效，与TM5算法相比，峰值信噪比（Peak signal noise ratio．PSNR）增加。     

有损视频传输中的方向性结构与纹理重建

当被基于宏块预测的压缩方法压缩的视频码流通过有损信道传输的时候,丢包现象会导致错误沿着时域预测而传递.文中提出了一种有别于传统误差掩盖方法的,利用相临区域与未知区域的相关性来重构未知区域的方法.为了重构出有着较为复杂结构的未知区域,提出了用基于结构的方向插值来恢复结构信息周围的信息.而后,用基于纹理方向的Graph Cuts基准块排放方式来重构大块的纹理结构.为了进一步提高重建结果的质量,引入了重构顺序补偿.就像在实验结果中呈现的那样,提出的重建算法对于有着复杂结构的信息重建有着较好的作用.