一种低复杂度低码率视频压缩方案

以H.264视频编码的低复杂度低码率应用为研究对象,分别就编码中关键部分如DCT变换量化模块、预测编码模块、降噪及去块效应等进行深入分析、理论研究和实验仿真,给出实现方案。主要有降低编码复杂度的全零DCT系数块预判、运动估计及模式选择早结束、自适应降噪去块效应以提高图像质量的预处理等。仿真结果表明,该方案达到了低码率低复杂度高质量视频压缩的目的。     

H．264运动估计中块模式选择的并行设计

为了方便H.264/AVC在低码率高时性应用系统中的实现,须对其编码算法进行优化.本文首先对H.264/AVC编码器进行了深入的分析,然后在此基础上提出了块模式选择的并行设计方案,并对此方案进行了并行设计与实现.最后对此设计方案在多核服务器上进行了试验.试验结果表明:并行后的三步搜索算法在不影响H.264编码质量的前提下,其编码速度平均提高了2.73倍以上.     

一种频域块匹配+预判全零系数的运动估计算法

用 H.2 63标准对低码率图像编码时 ,编码器的复杂性主要取决于运动估计、离散余弦变换等运算 ,为了减少编码器的运算量、提高编码速度 ,提出一种有效的频域块匹配 +预判全零系数的运动估计算法。这种算法充分利用离散余弦变换的特点 ,在频域内使用块匹配法进行运动估计 ,并将预判全零系数和运动搜索相结合。实验表明该算法不仅可以有效地提高编码速度 ,而且可以较好地保持 H.2 63高压缩比及运动图像的质量等特性。本文用该算法研制了甚低码率视频编码器的软件 ,该软件编码器可以在 PSTN上实现实时编解码 ,具有较大的使用价值。     

H.264/AVC中基于全零块的预测模式选择

多种预测模式的采用是H.264/AVC的特点,但带来了大量的计算。针对该问题,将全零块检测技术推广应用于H.264/AVC视频编码中对多种预测模式的快速选择,提出一种模式选择的快速算法。使用该算法,通过一些简单的比较等操作,就能跳过对某些预测模式的选择,减少了H.264/AVC视频编码器的运算复杂度。     

H.264中基于全零块的编码模式快速选择

多种宏块编码模式的采用是H.264/AVC的显著特点,却也带来了极大的计算量.根据H.264/AVC中整数DCT变换和量化的特点,提出了一个新的预先判定全零块的阈值,并进一步将全零块的预先判定用于多种宏块编码模式的快速选择中,减少了运动估计的搜索复杂度.利用这种方法,可以在保证图像质量和比特率基本不变的情况下,有效减少编码器的计算复杂性.     

H．264中基于零块检测的模式选择算法

H．264是最新的国际视频标准。与其它视频编码标准相比，它在编码效率方面有强大的优势：在相同的重建图像质量下，H．264比H．263＋＋和MPEG-4的第2部分节约近50％的码率。但是，H．264中编码效率的提高是以增加巨大的运算量为前提的。本文提出了在模式选择算法中引入零块检测机制，并主动放弃对部分小系数块进行编码的新的模式选择算法。实验结果表明：该算法在保证图像主观质量不下降的前提下，可以大幅度提高H．264高码率下的编码效率，加快中低码率下的视频编码速度。     

块运动估计的研究进展

运动估计是根据视频序列中时间上相关的信息估计场景或目标的2维运动向量场的过程。运动估计在超分辨率图像复原中的作用是把所有低分辨率观测帧的像素映射到参考帧的相应位置。精确的运动估计是超分辨率图像复原的关键。基于块的模型是超分辨率图像复原中常用的运动估计方法。介绍了块运动估计的概念,概述了4类快速块运动估计的方法,详细描述了第1类方法中几种主要算法的搜索过程,并将多种快速块匹配算法进行了总结比较。     

基于免疫克隆选择的块匹配运动估计

运动估计是视频压缩编码中的关键技术.从运动矢量的特点出发,采用搜索点预测、Gray码编码以及有效的迭代终止准则等策略,提出了基于免疫克隆选择的块匹配运动估计.该方法将块匹配运动估计问题的性质与免疫克隆选择算法所具有的全局搜索特性、解的多样性和不易早熟的特点相融合,在能够获得接近全搜索方法所得到的平均峰值信噪比的前提下,使得平均搜索点数大为降低.仿真实验结果表明,在大多数序列上,该算法都比已有的快速搜索算法具有更高的性能和更少的平均搜索点数.同时,该算法适用面广,对大运动和小运动序列都能得到较好的效果.     

H.264中基于全零块检测的快速运动搜索算法

为了降低视频编码标准H．264中运动搜索的复杂度，提出了一种新的基于全零块检测的运动搜索提前中止算法。根据整数离散余弦变换（DCT）和量化的特点，该算法给出了自适应的检测门限和提前中止条件。通过检测门限与绝对差和（SAD）的比较来判断是否停止运动搜索。实验结果表明，在图像质量基本不变的情况下，此方法可以有效减少运动搜索的计算量。     

基于梯度和全零块检测的快速帧内模式选择算法

针对移动视频业务的市场需求和移动终端设备的性能局限,提出了一种基于方向梯度特征和全零块检测的H.264快速帧内预测模式选择算法。为降低预处理计算量,对像素进行降幂采样;进行主要预测方向上的纹理梯度检测,排除可能性较小的预测模式;对图像边界块和纹理平滑块进行优化处理;进行4×4全零块检测,略过不可能进一步降低率失真代价的候选模式。实验结果表明,在基本保持编码性能的前提下,该算法平均可降低51.69%的编码时间。     

基于全零模块检测的H.264/AVC快速帧内模式选择算法*

H.264/AVC采用多方向、多划分的帧内预测模式,与其他视频编码标准相比具有更高的编码效率,但同时也使计算复杂度明显提升。通过分析各编码模式的特点和最佳模式分布规律,提出了基于全零模块检测的快速帧内模式选择算法,略过不可能进一步降低率失真代价的帧内预测模式,以降低编码过程的计算复杂度。实验结果表明,在保证编码性能的前提下,可以有效地降低H.264/AVC的计算复杂度。     

基于径向基函数网络的H.264全零块检测算法

针对目前全零块检测算法准确率不高的问题,提出了一种基于径向基函数(RBF)神经网络(NN)的全零块检测算法。通过分析H.264的编码特点,选取了绝对误差和(SAD)、变换绝对差值和(SATD)、编码块类型、率失真优化(RDO)代价、量化系数(QP)、参考块的全零块情况6个特征,考虑了哈达玛变换(HT)中应该使用SATD的情况,采用最小二乘法得到QP与RBF网络宽度参数的关系,根据参考块是否为零,设计了两个分类器来区分全零块与非全零块。在保证图像质量和编码率不变的前提下,平均能提高编码速度50%以上,实验结果表明,利用RBF神经网络很好地提高了全零块检测准确率和编码效率。     

基于低秩和图拉普拉斯的属性选择算法

针对无监督属性选择算法使用单一方法,未考虑数据间内在相关性和噪声等问题,提出一种基于属性自表达的低秩无监督属性选择算法。算法首先将稀疏正则化（[l2,1-]范数）引入属性自表达损失函数中实现无监督稀疏学习,其次在系数矩阵中加入低秩约束以降低噪声和离群点的影响,然后利用低秩结构和图拉普拉斯正则化使子空间学习兼顾数据的全局和局部结构,最后通过属性自表达实现无监督学习。经数据集上多次迭代验证,该算法能够快速收敛并达到全局最优,与SOGFS、PCA、LPP、RSR等四种算法相比分类准确率平均提高了16.11%、14.03%、9.92%和4.2%,并且在各数据集上互信息平均值也是最高的,说明该算法有效、高效。     

融合背景块再选取过程的显著性检测

目的 显著性检测算法大多使用背景先验提高算法性能,但传统模型只是简单地将图像四周的边缘区域作为背景区域,导致结果在显著性物体触及到图像边界的情况下产生误检测。为更准确地应用背景先验,提出一种融合背景块再选取过程的显著性检测方法。方法 利用背景先验、中心先验和颜色分布特征获得种子向量并构建扩散矩阵,经扩散方法得到初步显著图,并以此为输入再经扩散方法得到二层显著图。依据Fisher准则的思想以二层显著图为基础创建背景块再选取过程,将选取的背景块组成背景向量并构建扩散矩阵,经扩散方法得到背景显著图。将背景显著图与二层显著图进行非线性融合获得最终显著图。结果 在5个通用数据集上将本文算法与6种算法进行实验对比。本文算法在MSRA10K（Microsoft Research Asia 10K）数据集上,平均绝对误差（mean absolute error,MAE）取得了最小值,与基于多特征扩散方法的显著性物体检测算法（salient object detection via multi-feature diffusion-based method,LMH）相比,F值提升了0.84%,MAE降低了1.9%;在数据集ECSSD（extended complex scene saliency dataset）上,MAE取得了次优值,F值取得了最优值,与LMH算法相比,F值提升了1.33%;在SED2（segmentation evaluation database 2）数据集上,MAE与F值均取得了次优值,与LMH算法相比,F值提升了0.7%,MAE降低了0.93%。本文算法检测结果在主观对比中均优于LMH算法,表现为检测所得的显著性物体更加完整,置信度更高,在客观对比中,查全率均优于LMH算法。结论 提出的显著性检测模型能更好地应用背景先验,使主客观检测结果有更好提升。     

基于HOG和block权重的快速人体检测方法

为解决HOG行人检测过程缓慢的问题,在梯度向量直方图HOG中引入block权重的概念,通过合理筛选block,组成行人的特征向量,然后使用线性SVM作为分类器,重新进行学习,达到减少信息冗余、提高检测效率的目的。在INRIA库上进行实验,结果表明,通过合理选择block,能够在不影响检测效果的情况下,显著减少block的数目,达到提高检测速度的目的。     

复合板灰色自适应瑕疵检测

目标检测是图像处理领域非常关键的一个环节,对实际拍摄的复合板图像进行处理,以灰色系统理论为基础,构建零模灰色关联模型,采用灰度直方图差分自适应法进行动态阈值分割,实现了复合板瑕疵（小目标）的检测。实验表明该方法具有误检率低、稳定性高、自适应能力强、算法简单等特点。     

基于分块核主成分分析和支持向量机的故障检测

针对工业系统监测数据为非线性,且难以辨识复杂工作过程中故障位置的问题,提出一种基于分块核主成分分析(BKPCA)和最小二乘支持向量机(LS–SVM)的集成故障检测方法.首先对系统监测变量进行分块,使用KPCA对每个分块在特征空间中建立T²和平方预测误差(SPE)统计量来实时监测系统健康状态,并使用LS–SVM对上述过程检测出来的故障数据进行再次判断.随后计算出现故障后计算每一分块的故障贡献率,进而确定发生故障的分块.由于采用了并行分块算法,可以较简单的确定故障发生位置,提高计算效率,同时LS–SVM方法的应用也可以提升故障检测的精度.使用田纳西–伊斯曼化工(TE)过程数据对本文所提方法进行仿真验证,试验结果表明所提方法取得了较好效果.     

基于分布式及协同式网络入侵检测技术综述

在当今信息化社会,网络入侵检测技术是信息安全保障领域的重点技术之一。随着大数据时代的到来,网络入侵检测技术正在向着多结构、多方法、多应用领域的方向发展。针对这个发展趋势,综述了网络入侵检测技术的最新研究情况,包括基本概念、系统模型、检测方法、应用领域等,其中重点分析了系统模型和检测算法的研究现状以及存在的问题,并提出发展趋势。同时,也介绍了大数据背景下网络入侵检测技术的新型应用领域。     

基于噪声分布规律的伪造图像盲检测算法*

提出了一种基于噪声分布规律的伪造图像盲检测方法。首先利用基于边缘保护的滤波方法检测出图像中的噪声;然后计算图像中同质区域噪声的均值、方差和信噪比等统计量,通过比较图像中同质区域的噪声分布规律的相似性程度实现伪造图像鉴别。实验证明该算法能有效地检测出伪造图像。