共查询到17条相似文献,搜索用时 62 毫秒
1.
针对视频运动模糊严重影响插帧效果的情况,提出了一种新型的模糊视频插帧方法。首先,提出一种多任务融合卷积神经网络,该网络结构由两个模块组成:去模糊模块和插帧模块。其中,去模糊模块采用残差块堆叠的深度卷积神经网络(CNN),提取并学习深度模糊特征以实现两帧输入图像的运动模糊去除;插帧模块用于估计帧间的体素流,所得体素流将用于指导像素进行三线性插值以合成中间帧。其次,制作了大型模糊视频仿真数据集,并提出一种先分后合、由粗略至细致的训练策略,实验结果表明该策略促进了多任务网络有效收敛。最后,对比前沿的去模糊和插帧算法组合,实验指标显示所提方法合成中间帧时峰值信噪比最少提高1.41 dB,结构相似性提升0.020,插值误差降低1.99。视觉对比及重制序列展示表明,所提模型对于模糊视频有着显著的帧率上转换效果,即能够将两帧模糊视频帧端对端重制为清晰且视觉连贯的三帧视频帧。 相似文献
2.
在Wyner-Ziv视频编码中,边信息质量是影响系统编码效率的关键因素,但解码端获得的运动矢量不精确而导致内插边信息的质量不高。为此,提出一种基于时空联合的解码边信息插值算法。该算法将多种块分割模式与双向运动估计相结合,匹配准则采用双向平均绝对误差和(SBAD)判断运动矢量时间变化,利用边界绝对误差(BAD)判断运动矢量的空间变化,通过时空联合匹配准则保证运动矢量的空间平滑性和时间连贯性。实验结果表明,该算法降低了编码码率,内插边信息的主观和客观质量均有所提高,边信息的峰值信噪比(PSNR)最大提高1.41dB。 相似文献
3.
4.
分布式视频编码中边信息的质量决定了系统的率失真性能,边信息质量越高,则率失真性能越好。针对视频序列中对象运动的不均匀特性,结合MCTI技术,本文提出了一种新的边信息生成算法。其基本思想是在编码端利用多块模式算法对帧中宏块进行划分,将宏块分为运动缓慢块和运动剧烈块;在解码端,对运动缓慢块直接由MCTI算法生成边信息,而运动剧烈块的边信息要经过后处理进行优化得到。仿真实验表明与直接由MCTI生成边信息方法相比,本文算法可以使生成边信息的峰值信噪比(PSNR)比原有的算法提高0.8dB-1.2dB左右,有效提高了边信息的质量。 相似文献
5.
在运动补偿内插生成的初始边信息基础上,根据图像的时空相关性,自适应地判断块小波变换方式,传送不同地小波系数辅助解码端生成边信息。实验结果表明,对于不同的视频序列,该算法在一定程度上能有效改进边信息的生成质量。 相似文献
6.
袁静 《计算机测量与控制》2015,23(11):39-39
传统块运动补偿算法仅利用单一运动向量场,该运动向量场中总会存在一定的运动异常,而过多的运动异常会严重衰退内插帧质量。为了解决该问题,提出了一种基于联合运动补偿的边信息内插算法,该算法使用双向运动估计计算出内插帧的运动向量场,接着采用当前块和其八个邻域块的运动向量联合预测出目标块。由于运动向量场的局部平滑特性会使八邻域块的运动向量十分接近当前内插块的真实运动向量,实验结果表明提出算法比传统算法有更好的容错性能。 相似文献
7.
结合深度学习模型实现光流端到端的计算是当前计算机视觉领域的一个研究热点.文中对基于深度学习的光流估计方法进行总结和梳理.首先,介绍了光流的起源与定义;其次,总结了现有的数据集合和评价指标;最重要的是,着重从3个方面回顾了深度光流估计方法,包括有监督的深度光流估计方法、无监督的深度光流估计方法以及对现有光流估计方法的性能... 相似文献
8.
9.
在分布式视频编码系统中,针对非线性运动区域边信息生成误差大的问题,提出了基于视频序列运动特性的边信息改进方法。解码端利用双向运动补偿时域内插技术生成初始边信息,再根据前后运动矢量的和值将边信息划分为线性与非线性区域,并对非线性区域用矢量滤波器进行去伪非线性区域处理,对真正做非线性运动的块进行分层运动估计以得到更精确的运动信息。将得到的边信息与初始边信息相比,改进后的边信息平均PSNR值提高了1dB。 相似文献
10.
11.
在分布式视频编码(DVC)中,解码端生成的边信息的质量对整个系统的率失真(RD)性能有着重要影响。为了提高边信息的质量,进而提升DVC系统的RD性能,提出一种基于像素级运动矢量场的边信息生成算法(SGPMVF)。首先,通过运动估计分别获得前后两关键帧的像素级运动矢量场;然后,为Wyner-Ziv帧的每个像素选择合适的运动矢量;最后,通过帧间内插得到高质量的边信息。算法中提出基于SAD(绝对误差和)差值的搜索范围确定方法与像素级运动矢量选择方法。实验结果表明,对于快速运动的序列,该算法在不增加编码复杂度和码率的情况下使边信息的PSNR最大提高1.45 dB,并使DVC系统的RD性能提高0.3~0.7 dB。 相似文献
12.
首先简要介绍了分布式编码基本原理和一种典型的分布式编码方案——Wyner-Ziv视频编码。然后在Wyner-Ziv视频编码中提出了一种改进边信息估计算法,该算法中运动估计采用加权MAD准则。实验仿真结果表明,采用该文算法得到的运动矢量场更为准确,同时在相同输出码率时PSNR比原始算法平均提高0.7 dB。 相似文献
13.
针对电子战条件下,通信信号易受压制干扰的问题,提出了一种基于动态学习率深度自编码器(dynamic learning rate deep AutoEncoder,DLr-DAE)的信道编码算法来提高系统抗压制干扰性能。首先对输入未编码信号进行预处理,将原始输入信号转换为单热矢量,随后使用训练数据样本集,用非监督学习方法训练深度自编码器,基于随机梯度下降法(SGD)更新网络参数,利用指数衰减函数,在迭代次数和网络损失函数值变化过程中动态微调学习率,减少网络迭代循环次数,避免收敛结果陷入局部最优点,从而获得面向电子战环境的信道编码深度学习网络。仿真结果表明,相比现有深度学习编码算法,该算法在取得同等误码率时,抗噪声压制干扰性能最大可提升0.74 dB。 相似文献
14.
为提高分布式视频编码压缩率,依据无线传感网络终端设备及Wyner-Ziv视频编码特点,针对Bernd Girod的频域Wyner-Ziv视频编码方案提出改进算法。该算法在编码端通过简单DCT运算提出将图像块分为Skip模式、低频模式和全频模式三种可选模式,在解码端根据相应的编码模式分别选择平均插值、自适应搜索运动估计插值和自适应搜索精细运动估计插值的边信息估算方法联合解码。该算法既能通过消除大量的帧间预测与熵编码实现低码率传输,又能以最小的解码代价获得更精确的边信息,从而有效地避免图像解码质量下降。实验结果表明,在相同峰值信噪比情况下,该算法的码率比Bernd Girod提出的频域Wyner-Ziv算法平均下降40%。 相似文献
15.
16.
目前针对未知的Android恶意应用可以采用机器学习算法进行检测,但传统的机器学习算法具有少于三层的计算单元,无法充分挖掘Android应用程序特征深层次的表达。文中首次提出了一种基于深度学习的算法DDBN (Data-flow Deep BeliefNetwork)对Android应用程序数据流特征进行分析,从而检测Android未知恶意应用。首先,使用分析工具FlowDroid和SUSI提取能够反映Android应用恶意行为的静态数据流特征;然后,针对该特征设计了数据流深度学习算法DDBN,该算法通过构建深层的模型结构,并进行逐层特征变换,将数据流在原空间的特征表示变换到新的特征空间,从而使分类更加准确;最后,基于DDBN实现了Android恶意应用检测工具Flowdect,并对现实中的大量安全应用和恶意应用进行检测。实验结果表明,Flowdect能够充分学习Android应用程序的数据流特征,用于检测未知的Android恶意应用。通过与其他基于传统机器学习算法的检测方案对比,DDBN算法具有更优的检测效果。 相似文献