AVS实时编码的VBR码率控制

针对AVS实时编码应用,提出一种基于帧层的一次编码VBR码率控制算法。利用GOP层复杂度预测来动态分配码率,在GOP内的帧采用CBR策略,结合AVS编码RDO的特点,采用准确且计算简单的率失真模型计算量化参数。实验结果表明,与AVS现用的码率控制方法JVT-H017相比,该方法码率控制准确,算法复杂度低,平均亮度PSNR提高了约0-2dB,亮度PSNR样本方差约为JVT-H017方法的40％,表明视频质量的平缓性也得到较大改善。     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

基于运动信息和结构信息的视频质量评价方法

图像和视频客观质量评价方法在各个领域有着广泛的应用,根据上述问题,主要针对图像边缘结构失真和噪音影响图像质量.以往的测量方法不能很好地应用于视频领域.提出一种基于运动信息和结构信息的视频质量评价方法,主要考虑场景结构和运动信息,然后依据HVS特性对不同程度的信息进行加权处理,从而综合采用一种视频质量评价方法.经实验结果证明,新方法在压缩、模糊方面明显好于PSNR, MSSIM和ESSIM评价方法.     

存储应用中AVS编码的可变码率控制

针对数字视频存储应用,分析二次编码可变码率（VBR）控制的原理和特性,提出一种固定容量视频存储应用的可变码率控制算法。对序列进行恒定码率编码,统计并记录重要的编码信息。在数据处理阶段分析每个场景的复杂度等视频特性并预分配比特数。对同一个序列进行二次VBR编码。实验结果表明,采用该算法能获得PSNR波动很小的高质量视频。     

代理模型辅助的复杂网络能控性鲁棒性优化方法

近年来,复杂网络的鲁棒性优化问题引起人们广泛关注.复杂网络暴露在外会受到各种各样的攻击,因此如何设计抗击能力较好的网络结构成为了研究热点.虽然现有的方法在小规模复杂网络的鲁棒性方面已经取得了显著成果,但大规模复杂网络的能控性鲁棒性优化的计算成本非常大.而代理模型可以以较低的计算成本来代替优化过程中对复杂网络能控性鲁棒性的评估,但一个代理模型不可能适用于评估所有类型的复杂网络能控性鲁棒性.文中将Dempster-Shafer理论应用于代理模型选择及其混合,并把选择出的代理模型用来辅助进化算法搜索能控性鲁棒性更优的网络结构.此方法在SF、ER、SW、RR、RT和QS 6种合成网络上的实验结果表明：在不同类型的复杂网络中选择合适的代理模型能更好的辅助进化算法找到能控性鲁棒性更优的网络结构.     

烟丝香气成分分析中固相微萃取方法的改进

采用固相微萃取顶空取样和气相色谱 -质谱法分析卷烟烟丝的香气成分。实验采用 6 5 μmCW -DVB纤维头 ,烟丝用量为 1g ,探讨了如下 3种取样方法 :①先在 1g烟丝中加入 1ml 3mol/LKCl溶液 ,然后在 95℃下用 6 5 μmCW -DVB纤维头顶空取样 15min ;② 1g烟丝 ,在 95℃下用 6 5 μmCW -DVB纤维头顶空取样 15min ;③ 1g烟丝 ,用 6 5 μmCW -DVB纤维头先在 95℃下顶空取样 15min ,然后再于 2 5℃下取样 15min。在第 3种取样条件下 ,低沸点成分和高沸点成分均获得最高的采样灵敏度 ,而第 1种取样方法的效果最差。对出现上述结果的原因进行了理论解释     

参数自适应的精英变异差分进化算法

针对经典差分进化算法(DE)的优化性能容易受到变异策略和控制参数影响的问题，提出了一种参数自适应的精英变异差分进化算法(A parameter Adaptive Elite Mutation Eifferential Evolution algorithm, AMEDE).首先，提出一种精英变异策略的方法，其目的是为了方便获取优秀个体信息；其次，引入新的控制参数，使得算法可以在更大的搜索空间进行搜索；最后，利用自适应参数学习方法，为种群中的每个个体赋予不同的控制参数值，并根据种群多样性和精英个体的信息动态更新个体的参数，使算法避免过早的收敛并提高算法的收敛精度.对本文提出的AMEDE算法与其他6种改进差分进化算法(DE,CoDE,JaDE,JDE,SaDE,GPDE)在16个基准测试函数上进行了三组对比实验.实验结果表明，AMEDE算法在高维函数和低维函数上都具有搜索精度高、收敛速度快和鲁棒性强等优点.