基于纠错算术码的信源信道自适应联合编解码系统

对信源信道自适应联合编码方法进行了研究,提出了一种新的基于纠错算术码的联合信源信道编解码系统。该系统在编码端利用算术码内嵌禁用符号实现信源信道一体式编码,即利用马尔科夫信源模型和根据信道状态信息自适应地调整禁用符号概率大小从而调整编码码率来实现信道自适应;在解码端,推导出了基于MAP的解码测度数学公式并基于此测度公式提出了一种改进的堆栈序列估计算法。与传统的信道自适应编码算法不同,该自适应编码算法只需调整一个参数:禁用符号,且理论上可获得连续可变的编码码率。实验结果表明,与经典的Grangetto联合编码系统以及分离编码系统相比,所提出的编码系统具有明显改善的性能增益。     

基于OpenCV的数字视频缺陷检测快速算法

随着视频应用范围的扩展,在视频中定位出视频缺陷变得越来越重要。对于简单的视频缺陷,比如黑场,红、绿、蓝场以及静帧的缺陷,提出了相应的检测算法,用到的特征包括绝对差等这类简单的特征。对于复杂的视频缺陷,如马赛克缺陷,在分析现有算法的基础上,提出了一个快速有效的检测算法,采用了两种策略以提高检测速度：新的模板匹配及对边缘图像的预处理。所有以上检测算法都基于OpenCV库开发实现,使得整个算法的实现更快捷。进行了仿真实验,结果验证了所提算法的有效性。     

噪声信道中基于残留冗余的联合信源信道编码.

对信源编码中的残留冗余在联合编码中的作用进行了研究，提出了一个在噪声信道中对可变长信源编码码流传输提供有效差错保护的联合信源信道编码方法，该方法利用信源编码器输出中的残留冗余为传输码流提供差错保护。与Sayood K提出的系统相比，该方法是基于改进的联合卷积软解码以及采用非霍夫曼码的通用可变长码，更接近于一般的信源和信道编码方法，并且信源符号集的大小也不受限制。仿真表明，所提出的联合编码方法可获得比传统的分离编码方法更高的性能增益。     

夜间车辆检测研究综述

车辆检测算法研究是目前深度学习领域的重要问题之一,也是智能交通系统的重要应用。车辆检测算法的应用场景的不同也会遇到不同的问题和挑战,例如在夜间环境下的车辆检测相对于白天环境下更加困难。在夜间环境下,传统基于车灯信息的方法容易受限,在车辆图像清晰度降低,光照环境复杂的环境下效果不是很好。随着深度学习的发展,深度学习在夜间车辆检测方面的方法研究受到关注。文章对近些年来夜间车辆检测方法进行系统的总结和分析。     

噪声信道中基于残留冗余的联合信源信道编码

对信源编码中的残留冗余在联合编码中的作用进行了研究,提出了一个在噪声信道中对可变长信源编码码流传输提供有效差错保护的联合信源信道编码方法,该方法利用信源编码器输出中的残留冗余为传输码流提供差错保护。与SayoodK提出的系统相比,该方法是基于改进的联合卷积软解码以及采用非霍夫曼码的通用可变长码,更接近于一般的信源和信道编码方法,并且信源符号集的大小也不受限制。仿真表明,所提出的联合编码方法可获得比传统的分离编码方法更高的性能增益。     

一种基于不等纠错保护的图像传输方法

对噪声信道上的图像传输方法进行了研究,提出了一种新的基于不等纠错保护的图像传输方法,该方法在编码端利用纠错算术码对SPIHT码流进行不等纠错保护,根据SPIHT码流各个不同重要程度的部分采用不同禁用区间的纠错算术码进行不同程度的差错保护,相比传统的基于不等纠错保护图像传输方法而言,可获得近似连续可变的编码码率;在解码端,采用堆栈序列估计算法进行信道估计后再进行SPIHT解码,重建图像.实验结果表明,与经典的Guionnet不等纠错保护传输方法以及分离编码传输方法相比,所提出的传输方法具有较为明显的性能增益.