自适应阈值的宏块MAD快速帧内算法

最新的视频压缩标准H.264/AVC具有极高的压缩率,但其算法极其复杂,编码时间较长,无法达到实时应用的要求。针对其帧内预测算法的特点,提出了一种基于MAD的自适应阈值快速帧内预测算法。算法充分利用宏块的MAD（平均绝对误差,Mean Absolute Differences）信息及时空相关性,在进行帧内预测之前先对宏块预判,同时采用自适应阈值的方法在帧内4×4（I4）和帧内16×16（I16）预测模式之间快速进行选择;然后针对I4预测,采用阈值法在9种预测模式间快速选择,从而减少了算法的复杂度,提高了压缩速度。实验结果表明,所提的算法在码率只有少许增加的情况下,编码时间平均减少61.3%,PSNR值基本不变。     

低复杂度空域错误隐藏算法

在无线网等不可靠信道传输视频中,针对包含边缘信息的宏块丢失带来的错误,提出了一种低复杂度的空间域错误隐藏算法,该算法根据周围已经接收到的宏块特征,估算丢失宏块中边缘方向,并按照边缘方向使用周围临近像素值进行插值,恢复出包含边缘的宏块;在插值过程中提出并采用了一种快捷的方向插值法。实验结果表明,该算法能有效地掩盖丢失宏块,比常规方法具有更好的掩盖效果与实时性。     

基于低层视觉特性的图象相似性度量方法

基于内容的图象查询是与基于表示的查询相对应的,它不仅需要考虑图象的整体信息,而且还要考虑图象中子对象的特性及它们的空间关系。文章在分析图象整体特性、对象我对象间的空间特性的基础上,着重讨论了基于内容的图象查询方法及实现手段。     

一个多级CCTV系统应用设计和实现

文章阐述了一种具有分布、分级联网特性的远程监控系统的体系结构和主要特点。并由此设计和实现了某国际机场的CCTV监控系统。     

基于HSV颜色空间特征的视频烟雾检测

由于烟雾具有形状不规则、扩散缓慢的特性,导致传统烟雾识别方法对烟雾检测存在一定的缺陷,如烟雾检测准确率低、烟雾警报响应时间长等问题。为了满足野外空旷场景下烟雾检测的准确性和实时性,提出了基于HSV(Hue, Saturation, Brightness,色调,饱和,明亮)颜色空间特征和卷积神经将网络相结合的视频烟雾检测的识别方法。通过将烟雾图像的RGB颜色空间特征映射到HSV颜色空间特征后提取烟雾候选区域,提取到的烟雾候选区域经过高斯混合模型进行运动判断,然后将符合运动特征的烟雾候选区域图像送入到训练好的卷积神经网络中进行烟雾识别。针对传统烟雾检测效率问题,设计了卷积神经网络conv-12用于烟雾识别。实验结果表明,基于HSV颜色空间特征和卷积神经网络conv-12相结合的视频烟雾识别方法对视频烟雾检测的准确率为96.45%,烟雾检测率为93.3%,烟雾报警平均响应时间为0.9 s。相较于其他方法,在烟雾检测准确率、烟雾检测率、烟雾警报响应时间都有一定的提升。     

一种考虑场景切换的H.264码率控制算法

场景切换在实际视频中频繁出现,对视频质量有着重要的影响。然而,当前码率控制算法没有考虑场景切换这一问题,因而使得场景切换后帧的质量严重下降。为此,在现有码率控制算法的基础上,提出了考虑场景切换的码率控制算法。结合H.264的实验结果表明,提出的算法在比特率和复杂度基本不变的情况下,极大地降低了现有算法因为场景切换引起的质量下降。     

一种基于集合符号的自动推理扩展方法

在多值逻辑Tableau推理的基础上,提出了一种基于集合符号的自动推理扩展方法.将符号集合作为真值,减少了Tableau的推理分枝,并可以将适合经典逻辑的推理方法和策略应用于其中,使得非经典逻辑推理经典化.使用SWI-PROLOG语言设计实现了基于集合符号的自动推理系统,在系统中使用集合符号方法,只需要在规则库中增加推理规则,即可生成规则程序,系统本身不需要任何的修改,因此一些适合于经典逻辑的推理方法和技巧就可以很容易地应用到多值逻辑、模态逻辑、直觉逻辑等非经典逻辑,也可以进一步推广到无穷值逻辑和含模糊量词(如T-算子和S-算子)的逻辑中,对于无穷值逻辑和模糊逻辑的Tableau方法研究具有一定的借鉴作用.对TPTP中的900个逻辑问题进行了证明,实验结果表明,系统在时间和空间上效率都是较高的.     

一种基于水平集的运动视频对象分割算法

视频对象的分割是基于内容的视频处理的重要组成部分。提出并实现了一种基于水平集的运动视频对象分割算法。算法通过视频帧间的亮度差值提取初始轮廓曲线，将该曲线作为水平集算法的初始零水平集，采用窄带水平集方法演化曲线。得到最终的分割结果。实验表明该算法简单高效，具有很好的分割效果。     

基于时间窗的自适应核密度估计运动检测方法

在对非参数核密度估计算法改进的基础上,针对远程视频监控中存在前景检测不够精确、实时性低等问题,提出了用于自适应背景更新的基于像素时间信息窗的核密度估计(TIW-KDE)算法,该算法充分利用时间轴上的前景帧的信息,自适应地将背景划分为动态背景区域和非动态背景区域,对动态背景区域用改进的非参数核密度估计算法进行更新,对非动态背景区域采用渐进式算法更新,有效解决了非参数核密度估计算法在背景更新时引起的背景污染和计算量大问题。实验结果表明,该算法在提高前景检测精确性的前提下,在处理实时性方面得到很大提高。