基于自适应门限的视频编码模式快速选择算法

H.264/AVC视频编码标准采用多模式编码技术,更准确的块匹配带来了编码效率的提高,同时也使计算复杂度急剧增加,这一问题也成了影响H.264/AVC实时应用的因素之一.因此为了降低计算复杂度,提出了一种基于自适应门限的视频编码模式快速选择算法,首先进行场景切换的检测,然后基于最优匹配的算法来进行模式的快速选择,略过不可能进一步降低率失真代价的模式,以降低编码过程的计算复杂度,从而提高编码速度.实验结果表明,本算法与全模式搜索算法相比,在图像质量和码率有少量变化的前提下,编码速度显著提高.     

基于MVMW 的H.264/AVC自适应快速帧间模式决策算法

针对运动矢量移动窗口（Motion Vector-based Moving Window,MVMW）算法预测代价值计算不准确,且视频类型自适应不强等缺点,提出一种基于MVMW 改进模式决策算法。该算法摒弃了MVMW 中计算较为复杂的比例参数矩阵,在详细统计分析编码宏块间时域和空域相关性的基础上,采用与当前帧相关性较高的前两帧参考帧中的已编码宏块参与计算当前块的分块预测代价值,确保了预测的有效性,其算法复杂度较MVMW 降低较多。此外,该算法采用的运动矢量移动窗口大小根据宏块分块模式自适应变化（Adaptive Motion Vector-based Moving Window,AMVMW);且该算法阈值设置理论性较强,克服了MVMW 算法中由于固定大小窗口和经验阈值造成预测代价值不准确的缺点,保证了预测精度。实验结果表明,本文算法较MVMW 在码率和图像质量均改善提升的情况下,编码时间明显减少,其整体编码效率优于MVMW。     

基于SVM的跳帧转码快速帧间编码算法

为降低H.264跳帧转码运算复杂度,在帧间模式选择中引入支持向量机(support vector machine, SVM)技术,提出一种SKIP模式提前判决算法,具体讨论了关键的特征向量与核函数的选择方法。同时,利用宏块时域相关性缩减预测模式数量,实现率失真优化提前终止。其次,通过定义宏块运动程度参数,针对不同运动程度的视频序列自适应地选择运动矢量合成算法和运动搜索策略,有效减少在已获得最佳运动矢量后仍进行运动搜索的运算冗余。实验证明,此算法极大降低了算法复杂度（平均84%）的同时保证了较高的视频质量,与现有算法相比,具有更强的鲁棒性和更广泛的适用性。     

基于率失真联合准则的快速帧内模式选择算法

H.264采用率失真优化(RDO)算法,通过计算所有预测组合模式的率失真代价来确定宏块的最优编码模式,其编码复杂度和计算量也明显增加。为了降低编码运算量提高模式选择速度,通过对帧内预测模式快速选择算法的研究,提出了一种基于码率和失真度联合准则的快速帧内模式选择算法,结合提前退出策略有效减少了候选预测模式的数量。实验结果表明:与H.264参考模型JM86相比,该算法使I帧的编码速度至少提高70%,输出码率的增加低于2%,峰值信噪比(PSNR)基本保持不变。     

基于自适应蚁群算法的组合式特征选择算法

提出一种基于自适应蚁群算法的组合式特征选择算法.将自适应蚁群算法用于特征选择,以特征作为位置点,采用支持向量机分类器评价特征子集的性能,指导特征进行信息素的计算和更新,为特征与特征子集的选择提供了依据,避免了盲目搜索,使搜索算法能够快速收敛.在8组实际数据集中的实验结果表明,从分类正确率、特征子集大小以及运行时间三个角度考察,该算法具有良好的综合性能.同时,给出了该算法应用在孤立肺结节CT图像的检测和诊断中的分类结果.     

在滑动窗口中判决的自适应门限检测方法

对在突发通信中基于噪声功率和基于信号功率的自适应门限信号检测方法进行研究,提出了在滑动窗口中进行比较判决的自适应门限检测方法,用多个采样点进行比较判决以取得最优的同步信号。仿真比较不同情况下的系统性能,结果表明改进方案能得到精确的系统同步信号,低信噪比时,基于噪声功率的自适应检测方法检测概率较大。     

一种精细的H.264码率控制方法

针对H.264提出了一种无需二次编码的精细码率控制策略,为解决H.264中宏块模式选择时需要使用量化级而给码率控制带来的困难。提出了一种可以在模式选择前预测当前帧编码复杂度的码率模型。并且提出了基于宏块条的码率控制策略。分析了H.264中利用拉格朗日R D优化方法进行宏块模式选择的特点,并根据编码比特对拉格朗日乘子进行优化,提出了基于模式选择的精细码率控制方法。实验结果表明,与JVT提案中的码率控制方法JVT G012相比,所提方法在准确控制码率的同时,提高了PSNR值。     

自适应非相干累加次数和门限的捕获策略研究

阐述了扩频通信系统中伪码捕获的基本原理,分析了传统的基于噪声功率检测的自适应门限设定方法。针对现有捕获策略的研究重点主要集中在固定门限和自适应门限设定方面,提出了一种可以同时自适应调整非相干累加次数和门限值的捕获方案。详细介绍了新方案的结构和相应的自适应算法,给出了其捕获性能的仿真结果。通过和传统自适应门限方案的对比表明新方案在低信噪比情况下的捕获性能明显优于传统方案,大大扩展了捕获系统的动态范围。     

自适应门限恒虚警检测的研究

雷达根据单个接收脉冲进行检测是不常见的，通常都要采用积累技术，积累分为相参积累和非相参积累。本文讨论的是非相参积累后的自适应门限恒虚警检测问题。幅度为瑞利分布的噪声，经非相参积累后的噪声分布已发生了变化，幅度不再服从瑞利分布，本文讨论了非相参积累后的噪声分布，并对恒虚警检测方案进行了研究。     

基于自适应哈希链的分布式频繁模式挖掘算法

针对分布式系统,提出了自适应哈希链结构的频繁模式挖掘算法。该算法首先在每个站点产生局部频繁1-项集,再产生全局频繁1-项集,根据全局频繁1-项集产生各站点的投影数据库,在各个站点分别扫描投影数据库中的交易,并根据站点可用内存情况形成相应大小的哈希链结构。通过挖掘各站点的哈希链结构得到全局频繁项集。给出了基本步骤和挖掘算法。研究表明该算法不但效率高,而且适应性强。     

Fast motion estimation algorithm for H.264/AVC based on centered prediction

H.264/AVC video coding standard can achieve roughly half of the bit-savings over MPEG2 and MPEG4 for a given quality. However, this comes at a cost in considerably increased complexity at the encoder and thus increases the difficulty in hardware implementation. The high redundancy that exists between the successive frames of a video sequence makes it possible to achieve a high data compression ratio. Motion estimation (ME) plays an important role in motion compensated video coding. A fast motion estimation algorithm for H.264/AVC is proposed based on centered prediction, called centered prediction based fast mixed search algorithm (CPFMS). It makes use of the spatial and temporal correlation in motion vector (MV) fields and feature of all-zero blocks to accelerate the searching process. With the initialized searching point prediction, adaptive search window changing and searching direction decision, CPFMS is provided to reduce computation in block-matching process. The experimental results show that the speed of CPFMS is nearly 12 times of FS with a negligible peak signal-noise ratio (PSNR) loss. Also, the efficiency of CPFMS outperforms some popular fast algorithms such as hybrid unsymmetrical cross multi-hexagongrid search and a novel multidirectional gradient descent search evidently.     

基于模糊决策的快速星图识别

空间碎片问题日益严重, 需要对其进行常态化监测。光学观测作为重要的监测手段, 需要依靠快速的光学图像处理技术, 采用天文定位方法得到空间碎片的赤经-赤纬测量信息。星图识别是天文定位的关键步骤, 直接影响着图像处理的速度和结果精度。本文提出了一种改进的基于模糊决策的快速星图识别方法, 在保持快速处理的情况下提高了星表匹配的准确性。利用新疆南山站25 cm望远镜的图像对该方法进行了测试, 取得了良好的效果, 证明了算法的有效性和稳定性。     

基于决策树的快速SVM分类方法

为提高支持向量机（support vector machine, SVM)算法对大规模数据的适应能力,加快SVM算法的分类速度,提出一种基于决策树的快速SVM分类方法。该方法的重点在于构建一棵决策树,将大规模问题分解为相对简单的子问题,树中节点由线性支持向量机组成,每个节点包含一个决策超平面,分类过程取决于节点的数量。此方法在分类复杂样本时避免了使用非线性核函数。并且由于使用线性核函数,则不用进行模型选择,进一步加快了样本的分类速度。实验表明,针对大规模多特征数据的非线性分类问题,该方法比传统方法具有更高的速度。     

FVEA-H：一种用于H．264的快速视频加密算法

视频加密技术被广泛地应用于多媒体系统中.由于要求加密速度快,以往的H.264算法通常选择编码效率高的关键数据进行加密,其安全性、压缩比和加密复杂度互为矛盾,难以满足商业应用的需求.为此,提出了一种新的H.264快速视频加密算法(FVEA-H),该算法(1)在基于上下文的自适应变长编码(CAVLC)中加密残差数据中的拖尾系数;(2)在指数哥伦布(Exp-Golomb)编码中扰乱帧内预测模式、帧间分块模式以及运动矢量差(MVD)符号位等.实验结果表明,该算法在不影响压缩比的条件下,可以取得比以往算法更好的加密安全性,而执行时间上却很快,为H.264的实时安全应用打下了基础.     

基于K近邻决策分布图的决策层融合目标识别

决策模板法是一种直观的决策层融合目标识别方法。该方法实质上是将目标的决策分布图作为特征矢量,将其和每类目标的决策模板进行匹配以实现融合识别。由于每类目标的决策模板是该类目标所有训练样本决策分布图的平均,因此它不能反映训练样本决策分布图的分布情况。为减少目标决策分布图散布对融合识别效果的影响,提出采用K近邻方法对目标的决策分布图进行分类,以实现融合识别。仿真实验结果表明所提方法的平均融合识别率优于决策模板法。     

一种基于H.264的细粒度多适应性视频编码算法

提出了一种基于H．264的细粒度多适应性编码算法并对其进行了仿真实验。该算法综合运用了MP(Matching Pursuit)变换和位面编码等细粒度编码技术，灵活地将MP变换结果分为两个层次的码流，帧间预测也采用了两级预测模式，生成了多层次细粒度的视频压缩码流。该算法输出码流具有精细可调性，能自适应网络带宽变化，对于解决视频应用在现有尽力而为网络上所面，临的带宽波动和异构等问题有着重要意义。仿真实验证明了该算法的恢复质量和可伸缩性。     

基于自适应快速终端滑模的航天器容错控制

针对执行机构发生故障时的航天器姿态控制问题,提出了一种基于自适应快速终端滑模的容错控制设计方法。该方法通过选择具有快速终端特性的滑模面,提高航天器容错控制的收敛速率,实现系统有限时间稳定|利用自适应控制方法在线调整控制器参数,消除对故障最小 值信息的依赖。仿真结果表明,与基于普通滑模控制器的容错控制相比,所提出的方法在保证系统鲁棒性和稳定性的同时,三轴姿态角和态角速度收敛时间可分别降低约54.5%和50%,实现快速有效的航天器容错控制。