基于微分进化算法的层间等级网络编码优化

层间等级网络编码是一种联合利用信源分层编码与组播间线性网络编码优势的多速率线性网络编码技术.与分层组播网络编码相比,层间等级网络编码能够进一步提高异构信宿网络的资源利用效率.然而,网络中各链路上进行的编码类型,是影响层间等级网络编码多速率传输性能的决定性因素.本文面向单信源异构信宿网络,研究层间等级网络编码的优化;基于微分进化算法,提出了一种最优编码类型配置的快速搜索方案.该方案充分体现了信源输出链路上进行的层间等级网络编码对整个网络传输性能的影响;具体设计了符合层间等级网络编码本质特性的微分进化操作.实验结果表明,与现有的启发式算法相比,本文提出的基于微分进化算法的层间等级网络编码优化方案,能够为单信源异构信宿网络获得更高的网络总吞吐量.     

MPEG—4分层编码

本主要介绍了MPEG－4的分层编码，重点放在目前大家讨论和研究比较多一些的空域分层编码上。并讲述了基本层和增强层的编码方法。     

基于正弦模型的多描述分层语音编码器

提出一种多描述分层语音编码器. 该编码器基于正弦和等效矩形带宽(ERB)模型,将正弦和噪声模型参数根据能量大小进行适当分配以得到不同的描述和感知层,两个描述中任一描述内包含一个基本层和两个增强层. 该编码器结合了多描述编码(MDC)和分层编码的优点,能够提供稳定的传输质量和速率的自适应. 在有记忆和无记忆信道下对编码器性能的仿真和实验结果表明,在存在分组丢失的情况下,该编码器的性能优于相同速率下的其他编码器.     

一种基于SPIHT的分层图像压缩方法

提出一种利用SPIHT算法进行图像分层压缩的编码方法,该方法首先利用图像平滑技术将图像分解为平滑部分和轮廓部分,然后以一定的编码率分别对它们进行编码.实验结果表明,合理分配各层的编码率,能够获得视觉效果比单独采用SPIHT编码更好的编码图像.     

基于小波和匹配跟踪的分层图像编码算法

提出了一种基于小波和匹配跟踪的分层图像编码算法. 该算法将原始图像划分成包含不同结构特征的平滑边缘层和纹理层,采用不同的压缩算法对不同的图像层进行编码,从而达到对整幅图像最优编码的目的. 实验结果表明,该算法不仅能够有效地捕捉图像中所包含的边缘和纹理等具有高频窄带的信号特征,而且在极低位率下的重建图像质量要优于单一小波图像编码算法.     

改进的用于增强层码流的差错鲁棒编码

在MPEG-4标准的视频流化框架中,精细的可伸缩性视频编码FGS是关键的编码技术。FGS编码框架所生成的分层码流具有可伸缩性和出错恢复能力,这使得FGS码流适合在易发生差错的信道中传输。由于增强层之间的关联关系,任何一个发生在增强层的传输差错都会导致大量接收到的增强层码字因不能解码而被丢弃。为此提出了在进行增强层的位平面编码时,使用再同步变长编码RVLC来代替变长编码,从而将错误的影响尽可能地限制在一个块中,以提高编码的鲁棒性。     

分层空时OFDM系统中多用户检测技术

提出了一种分层的空时正交频分复用(OFDM)系统结构,将分层的空时分组编码(STBC)应用于OFDM系统中,可在多输入多输出(MIMO)信道上提供分集增益并对抗频率选择性衰落的影响.在接收端采用一种层干扰抑制和干扰隐藏算法以克服多用户间的干扰,在分别解码每一层时抑制其他层的信号,然后在解码其他层时去除前面已解码层所产生的影响.利用该方法可在宽带无线信道上实现多用户可靠的高速通信.仿真结果表明,该系统具有很好的多用户传输性能.     

多电极阵列上神经元自发放电序列的时间编码

根据多电极阵列上培养的海马神经元不同自发放电模式,研究神经元发放序列的时间编码规律。采用锋电位间隔(ISI)时域图、锋电位间隔直方图(ISIH)、联合锋电位间隔分布图(JISI)对3种典型自发放电模式(爆发、持续单发、爆发与单发交替)进行时间编码分析.结果表明3种放电模式编码规律在ISI时域图中呈现分层结构,分别是两层,一层和近似三层;编码在ISIH中符合指数分布、正态分布、χ~2分布;在线性尺度JISI图中信号编码分别表现为"L"型、集聚型和伴随散点的"L"型,而对数尺度的JISI编码规律则按照三簇、一簇和四簇分布.可见ISI随时间变化能反映自发放电模式时间编码整体趋势;不同放电模式的ISIH编码规律可用数学分布函数描述;JISI可从时空角度体现放电模式的特定时间编码.     

一种分布式网络编码的组播路由算法构想

结合多项式时间线性信息流算法和分层网络编码的算法,提出一种分布式分层网络编码的构想.这个构想将网络编码中计算量最大的最大流计算分布式化,可以快速计算出一个具有很高传输速率的组播路由,充分地利用了网络中的资源.     

基于层间预测的空间可扩展帧内编码算法

利用空间可扩展编码中的层间预测技术,提出了一种基于层间预测的空间可扩展帧内编码算法.对于空间基本层上的图像宏块,采用与H.264/AVC标准兼容的帧内编码方法进行编码.对于空间增强层上的图像宏块,除了本层中的邻块数据之外,进一步利用基本层上的对应宏块数据对其进行帧内预测编码.特别是在无法获取本层邻块数据的情况下,使用基本层上的对应宏块数据作为扩展数据源来预测编码,以提高编码效率.实验结果表明,与传统的单层帧内预测算法相比,本算法提高了增强层编码的信噪比,同时编码码率和计算复杂度基本不变.     

适宜于空间可伸缩帧间编码的快速算法

为既保持可伸缩视频编码(SVC)有较高的编码效率,又能减少其编码时间,提出了一种适合于增强层的帧间快速编码算法:先计算出各个方式的权值,按照权值大小的顺序进行编码,同时结合残差预测和率失真预测进行提前终止。实验表明,本文算法能够显著地提高编码速度,同时对编码质量影响极小。     

混合精细可分级视频编码技术的研究

首先分析了视频可分级编码的基本思想,讨论了时域、空域、SNR、FGS等基于单个视频参数的可分级编码方法。在此基础上,论述如何将时域、空域、SNR可分级性融合成新的混合精细可分级编码方法。     

一种具有可分级转码能力的无线视频鲁棒传输方法

结合空时正交频分复用(OFDM)和转换编码技术,提出一种无线衰落信道下具有可分级转码能力的鲁棒视频传输方法.该方法可将高质量的MPEG-2压缩视频转换为低码率、低分辨率H.264可分级码流,以满足网络带宽和终端设备显示的要求.同时,考虑分级码流的重要性,转码输出的可分级码流经过分层空时编码的OFDM系统实现不对等保护传输.实验结果表明:在典型的随机突发错误的无线环境下,本文可分级转码能力的视频传输系统性能优于非分级转码的视频传输系统.     

采用HEVC的精细可分级编码

针对新一代的视频编码标准HEVC(high efficient video coding),提出一种改进的精细可分级编码方案.该方案的基本层采用HEVC的编码器,提高了基本层的编码效率;通过统计编码单元的分割方式,自适应找到图像中的细节区域;采用选择增强技术,提高细节区域的图像质量.实验结果表明:编码方案能够精细匹配信道带宽的变化,且基本层与增强层相互独立,不会带来误差传递;利用HEVC编码单元的分割方式,可以自适应找到视频序列图像中的细节区域,对运动区域进行提升,视频图像的主观质量有了很大的改善.     

MPEG-4视频编码的可分级技术研究

首先分析了MPGE 4视频分级编码的基本思想 ,讨论了如何实现时域和空域上的分级编码算法。在此基础上 ,结合MPEG 4的抗误码技术 ,提出了一种适应IP网络传输的精细粒度分级视频编码方案。     

基于灰度直方图窗口扫描分类的FGS图像编码

针对静止图像网络传输数据量大,网络用户对接收图像质量要求不同的问题,对图像基本层的编码策略加以改进,提出了基于灰度直方图窗口扫描分类的FGS(Fine Granularity Scalable)图像编码方法\.该方法根据像素点出现概率的大小对灰度区间进行分类,像素值根据所属的类别进行不同程度的编码,并通过与用户之间的交互式操作满足用户不同的需求\.研究结果表明,该方法可使编码图像的每位数据信息在解码时得到充分利用,同时兼顾了网络传输性质与用户对内容的关注方式,更加便于网络传输与浏览。     

精细空间可伸缩视频编码方案实现

提出了一种新颖的空间可伸缩视频编码方案-精细粒度空间可伸缩编码。这种编码方案为空间可伸缩提供了精细粒度特性。方案使用比特平面技术,可以获得图像质量从低分辨率到高分辨率的转换,从而得到粒度的增加。另外,所提方案提供了一种灵活的嵌入式比特流,这样视频流可以被解码成从低分辨率到高分辨率的任何速率点。这种特性提高了互联网上视频流的编码效率,适应了有较大带宽波动的互联网。     

MPEG-4中二值形状的空间可分级编解码研究

基于对象的可分级是MPEG-4提供的一个新的功能,在其实现的过程中,二值形状信息的可分级编解码是一重要环节,也是其关键所在.本文从二值形状信息的特点出发,详细介绍了二值形状空间可分级编解码的实现方法,分析了整个编解码过程.     

空域精细可扩展编码算法的研究

把精细可扩展编码的基本思想运用到空间域,提出了一种空域精细可扩展编码算法(S-FGS),在不损失压缩码率和重建图像质量的情况下,使压缩码流具备细粒度的空域可扩展性,提供了对网络带宽的灵活适应能力.在此基础上,提出了基于S-FGS算法的编解码系统模型,实现了静态图像的空域可扩展编码.实验证明,S-FGS算法的复杂度主要受扩展粒度影响,在一定粒度设置下算法是可行的.