排序方式: 共有50条查询结果,搜索用时 46 毫秒
41.
针对先进音频编码(AAC)中感知噪声替代(PNS)标准算法在对噪声进行检测时容易造成误判而导致编码音质恶化的问题,提出了一种新的噪声检测算法.该算法利用了噪声频谱比音调频谱更为平坦的特性,设置了帧和比例因子带的双重门限,以对噪声进行精确检测.另外,在PNS模块中加入了预编码模块以进一步提高PNS的编码效率.实验结果表明,与标准算法相比,该算法大大提高了噪声的检测精度,在不增加编码复杂度的同时获得了更高的编码效率. 相似文献
42.
为了减小运动补偿插帧时的“块效应”,提出一种带图像修补的运动补偿插帧方法.该算法首先采用可变尺寸块的多级双向搜索,“由粗到细”逐级精确修正运动矢量;然后,对已搜索到合适运动矢量的块进行插值补偿,生成初始内插帧;对于仍没有合适运动估计结果的块并不生硬的内插,而是利用图像修补(image inpainting)技术进行填充,从而得到最终完整的内插帧.实验结果表明,该方法内插帧的主、客观质量较之对比算法均有所提高,且算法复杂度低,实用性强. 相似文献
43.
44.
45.
基于生成对抗网络的雾霾场景图像转换算法 总被引:1,自引:0,他引:1
本文提出了一种新的基于生成对抗网络的雾霾场景图像转换算法.生成对抗网络GAN作为无监督学习的方法,无法实现图像像素与像素之间映射,即生成图像不可控.因此,基于模型的加雾算法存在参数不确定性和应用场景局限性,本文提出了一种新方法的新应用,利用生成对抗网络实现图像转换.该方法基于生成对抗网络GAN模型,改进了GAN的生成器和判别器,进行有监督学习,以训练雾霾图像生成像素与像素之间的映射关系,实现无雾图像与有雾图像之间的转换.以图像加雾为例,本文分别设计了生成网络和判决网络,生成网络用于合成有雾图像,判决网络用于辨别合成的雾霾图像的真伪.考虑到雾霾场景图像转换的对应效果,设计了一种快捷链接沙漏形生成器网络结构,采用无雾图像作为生成网络输入,并输出合成后的有雾霾图像;具体来看,将生成网络分成编码和解码两部分,并通过相加对应间隔的卷积层来保留图像的底层纹理信息.为了更好地检验合成雾霾图像的真实程度,设计了漏斗形全域卷积判决器网络,将合成图像和目标图像分别通过判决器辨别真伪,采用全域卷积,利用神经网络进行多层下采样,最终实现分类判决,辨别图像风格.此外,本文提出了一种新的网络损失函数,通过计算GAN损失和绝对值损失之和,以训练得到更为优秀的图像转换结果.GAN损失函数的作用是使生成对抗网络GAN模型训练更加准确,而雾霾图像合成算法实际上是一个回归问题而非分类问题,生成器的作用不仅是训练判决器更加灵敏,更重要的是要生成与目标图像相似的图像.因此利用优化回归问题的绝对值损失函数,作用是为了准确学习像素间的映射关系,避免出现偏差和失真.最后本文对多类不同图像进行图像的雾霾场景转换并进行评估,分别测试该算法的图像加雾和去雾效果,并与其他算法进行对比测试.对于加雾效果,在合成场景、虚拟场景下,与软件合成效果进行对比,本文算法效果明显比软件合成效果好,不会出现色彩失真;在真实场景下,本文算法与真实拍摄的雾霾天气进行对比,结果十分相近;并且与其他GAN图像转换算法进行对比,本文算法具有明显的优势.同样本文算法在去雾效果上优势也十分明显.结果表明,本文所提基于生成对抗网络的雾霾场景图像转换算法,在主观效果和客观指标上均具有明显优势. 相似文献
46.
基于超磁致伸缩材料和光纤光栅的交流电流测量 总被引:1,自引:0,他引:1
利用光纤光栅、超磁致伸缩材料和基于Fabry-Perot滤波器的解调系统实现了交流电流的测量.在介绍超磁致伸缩材料的磁致伸缩效应、光纤光栅检测电流原理的基础上,借助超磁致伸缩材料和光纤光栅等构建了电流测量单元.在施加0-5 A(50 Hz)范围的激励电流时,利用设计的电流测量单元,经基于Fabry-Perot滤波器的解调系统解调,验证了采用该方案检测电流的可行性. 相似文献
47.
48.
该文提出一种基于结构成分双向扩散的插值方法,有效地减小了插值图像的边缘扩散,从而获得更为清晰的边缘。该方法采用改进的耦合双向扩散滤波器对轮廓模板插值图像进行边缘增强。其中,为了使滤波器更精确地作用于边缘轮廓,利用形态成分分析(MCA)分离出初始插值图像中的结构分量再实行滤波;同时,改进双向扩散模型,使其能够根据边缘梯度自适应地调整边缘扩散程度,且更加柔和地控制梯度方向的像素值变化。实验结果表明,对比传统的插值方法、相关的边缘自适应插值方法以及几种应用普遍的商用软件,该方法获得的插值图像主、客观质量均有明显提升,不仅有效提高图像锐度,且边缘光滑、过渡自然,避免产生边缘锯齿和过度的人工效应。 相似文献
49.
在相似区域较多的图像匹配时,SIFT(Scale Invariant Feature Transform)算法的匹配计算(KDtree-BBF)较复杂,耗时长,很难满足实时性要求。提出一种改进的匹配算法,将特征点的周围邻域的主方向梯度作为特征之一,采用主方向梯度和欧式距离相结合的计算方法进行特征点的匹配。实验结果表明:改进的算法不仅简单易行,且对图像的旋转、缩放、光照变换均具有良好的鲁棒性,比较原OpenSIFT算法还发现,改进算法的加速比范围为1.046~9.065。 相似文献
50.