排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
目的 形状是视觉对象的关键特征,形状编码是对象基图像和视频处理中的关键技术,但现有无损形状编码方法压缩效率普遍不高.为此,提出一种基于链码表示和空时预测的高效无损形状编码新算法.方法 首先逐帧提取视觉对象的形状轮廓并转化为链码表示;然后基于对象轮廓的帧间活动性将形状视频序列分成帧内预测编码帧和帧间预测编码帧,并基于轮廓链码的空域相关性和时域相关性对二者分别进行空域和时域补偿与预测;最后基于链码的方向约束特性对预测后的位移矢量和预测残差进行高效编码压缩.结果 为了检验所提算法的性能,基于MPEG-4标准形状测试序列进行了编码实验测试.与现有主要方法相比本文算法能提高压缩效率6%到71.6%不等.结论 本文算法可广泛应用于对象基编码、基于内容的图像检索、图像分析与理解等领域. 相似文献
2.
本文首先分析了国内外人工智能素养框架及维度,其次以AI-TPACK理论为基础,构建以AI知识、AI能力和AI伦理为一级维度的师范生人工智能素养框架,最后提出构建多层次人工智能教育课程、开展高质量人工智能教学活动、采用多元化人工智能教学评价的培养策略,以此来推动师范生人工智能素养框架的有效落地。 相似文献
3.
4.
基于自适应策略的稳健视频水印算法 总被引:2,自引:1,他引:2
稳健的视频水印算法对数字视频产品的版权保护具有重要意义。在先前提出的脆弱数字水印算法的基础上,通过采用自适应策略对视频序列中的不同图片根据其特点采用不同的嵌入算法,使得水印的嵌入对视频码流的改动最小,同时结合纠错编码技术,给出了一种较为稳健且简单、快速的视频数字水印算法。经仿真测试后,实验结果显示提出的视频水印新算法具有较强的抗二次编码攻击和噪声污染的能力,具有较好的稳健性。 相似文献
5.
6.
7.
8.
鉴于立体视频是未来视频技术的一个重要发展方向,对其产品的知识产权进行保护需要提前解决,以避免盗版和侵权现象。为此,在前期数字水印和立体视频研究工作的基础上,通过详细分析立体视频的特点后,给出了一种面向立体视频的自适应数字水印新算法。新算法是将水印信息添加到增强层码流的视差矢量数据上,这种水印信息的嵌入不仅对基本码流没有影响,而且不会影响到基本码流重建后的视频图像质量。该水印算法采用自适应策略,使得嵌入水印后的图像质量损失达到最小。其水印的嵌入和提取操作均基于压缩域进行,无需视频码流的完全解码,而且水印的提取使用盲检法,无需视频原图像。整个算法简单、快速、高效。通过不同测试序列的仿真实验结果显示,水印的嵌入对原图像影响很小,使用自适应算法进行水印嵌入后图像的峰值信噪比下降值均小于非自适应算法。 相似文献
9.
目的 具有立体感和高端真实感的3D视频正越来越受到学术界和产业界的关注和重视,未来在3D影视、机器视觉、远程医疗、军事航天等领域将有着广泛的应用前景。对象基3D视频是未来3D视频技术的重要发展趋势,其中高效形状编码是对象基3D视频应用中的关键问题。但现有形状编码方法主要针对图像和视频对象,面向3D视频的形状编码算法还很少。为此,基于对象基3D视频的应用需求,提出一种基于轮廓和链码表示的高效多模式3D视频形状编码方法。方法 对于给定的3D视频形状序列逐帧进行对象轮廓提取并预处理后,进行对象轮廓活动性分析,将形状图像分成帧内模式编码图像和帧间预测模式编码图像。对于帧内编码图像,基于轮廓内链码方向约束和线性特征进行高效编码。对于帧间编码图像,采用基于链码表示的轮廓基运动补偿预测、视差补偿预测、联合运动与视差补偿预测等多种模式进行编码,以充分利用视点内对象轮廓的帧间时域相关性和视点间对象轮廓的空域相关性,从而达到高效编码的目的。结果 实验仿真结果显示所提算法性能优于经典和现有的最新同类方法,压缩效率平均能提高9.3%到64.8%不等。结论 提出的多模式3D视频形状编码方法可以有效去除对象轮廓的帧间和视点间冗余,能够进行高效编码压缩,性能优于现有同类方法,可广泛应用于对象基编码、对象基检索、对象基内容分析与理解等。 相似文献
10.