分布式压缩感知视频编码技术

介绍了典型的分布式压缩感知视频编码实现方案,并与基于信道编码的分布式视频编码进行比较. 阐述了分布式压缩感知视频编码理论基础,分析和总结了现有的分布式视频压缩感知结构. 对编码工具进行对比,指出了分布式压缩感知视频编码的特点. 剖析和展望了分布式压缩感知视频编码所需解决的视频序列稀疏表示、重建算法、码率控制等关键技术.     

巴东县双向调频微波电视网的设计与实现

本文根据MMDS的系统的组网优势，结合山区地形特点设计了一个双向调频微波电视网，并进行实施。     

无线传感器网络中基于压缩感知的静止图像压缩方案研究

受功耗、成本和无线传输环境的限制,无线传感器网络中采集图像的节点并不适合采用传统静止图像压缩标准JPEG、JPEG2000.为了适应无线传感器网络的“轻编码、重解码”的特点,提出了一种基于压缩感知(Compressive Sensing,CS)的静止图像压缩方案.该方案在编码端进行分块测量,分块测量次数根据图像的边缘信息自适应地分配;在解码端则利用分块观测数据进行整帧重建.仿真实验表明,与已有的基于CS的图像压缩方案相比,该方案可有效地降低CS测量成本,并可在重建时消除图像的边缘模糊与块效应现象.     

自适应采样率分配的分布式压缩感知视频编码

提出了一种基于压缩感知理论的分布式视频编码方案,它是建立在压缩感知理论的基础上全新的具有动态测量率分配的分布式视频编码框架,具有编码端简单、抗误码能力强、编码效率较高的特点.在编码端,关键帧和非关键帧独立编码,关键帧采用高采样率的压缩感知测量,非关键帧采用自适应的压缩感知测量.在解码端,利用非局部稀疏模型和字典训练更新算法,关键帧和非关键帧联合进行压缩感知重建.实验结果表明,本文的编码算法能获得较好的率失真性能和主观图像质量.     

基于改进YOLOv5的绝缘子缺陷检测算法

绝缘子缺陷检测是电网巡检过程中重要的一环,为提高绝缘子缺陷检测的精度,该文提出一种基于改进YOLOv5算法的绝缘子缺陷检测算法——YOLOv5t,能够在保证网络运行速度的条件下,提升网络的检测精度.该算法在YOLOv5s的基础上,将三重注意力机制(triplet attention)添加到骨干网络中,给予每个特征通道不同的权重,以提高网络的检测精度;并采用CIoU Loss作为网络回归损失的损失函数,提升网络的收敛速度;同时将Soft-NMS作为网络的预测结果处理方法,降低网络的漏检率.YOLOv5t与几种常用的缺陷检测网络的对比实验结果表明,YOLOv5t的准确率达到97.2%,召回率达到98%,平均精度均值达到99.1%,较YOLOv5s算法分别提升了0.9%、5.1%和2.1%,并且检测速度没有受到影响.     

动态的一般接入结构的多秘密共享方案

针对目前在一般接入结构的多秘密共享中,其参与成员权重的不同还不够一般性,动态的增加、删除参与成员也不够方便,提出了一个动态的权重不同参与者,可防止管理者和参与成员欺骗,同时也可方便地增加、删除参与成员的一般接入结构方案,完善了一般接入结构的多秘密共享方案.     

基于改进YOLOv3的街道行人检测与跟踪方法

针对室外街道的行人检测与跟踪,提出一种改进YOLOv3与简单在线实时跟踪(simple online and real-time tracking,SORT)算法相结合的检测及跟踪方法.首先,引入距离和比例交并比(distance and proportional-IOU,DPIOU)损失,将原有的损失函数中的均方误差(mean square error,MSE)部分进行变化,从而得到更精确的检测框;其次,将网络结构中的RestNet进行优化,改变下采样区域,增加池化层,进而减少特征信息的丢失;最后将检测结果输入SORT算法进行建模和匹配.实验结果表明,在室外街道的场景下,改进的算法与YOLOv3相比较,损失值收敛更快,平均准确率高出4.85％,跟踪准确率上升3.4％,同时,模型的速度有所提高,最快可达14.39 FPS.     

高等职业教育发展探讨

本文首先介绍了我国高等职业教育发展中存在的认识不足等问题，接着就到底什么是高等职业教育，及它在整个教育体系中究竟应如何定位自己的发展目标，它的办学原则、课程设置、教师培养等给出了全面的定义和规划。     

动态场景的快速光线跟踪技术

基于加速结构的光线跟踪包括加速结构的创建和遍历两个过程,kd-tree被认为是静态场景渲染中遍历效率最高的加速结构.但动态场景的光线跟踪,由于场景随时间发生改变,每帧都需要更新相应的加速结构,导致渲染速度变慢.提出了一种新的方法,为场景中的静态物体和动态物体分别创建kd-tree加速结构,每帧更新时只需更新动态部分的k...     

面向输电线路的压缩感知图像去噪方法

传统的基于字典学习的输电线路图像去噪方法,易受冗余字典影响存在重建图像边缘细节恢复不足的问题.为了有效抑制输电线路图像表面存在的高斯噪声,提出一种图像非局部自相似特性与改进K-SVD字典学习算法融合的输电线路图像去噪方法,利用图像非局部自相似性作为正则项约束并加权稀疏表达模型,提高去噪图像复原和保留细节的能力.实验选取含有自然图像和输电线路典型缺陷图像进行仿真实验测试.实验结果表明,所提出的算法不仅能够很好的保留图像纹理特征与边缘细节,对高斯噪声也具有良好的鲁棒性.