一种基于互信息量的自适应快速视频编解码方案

为了对不同运动剧烈程度的视频序列提出一种重构质量高并且快速的自适应编码算法,引入视频序列的互信息量(mutual information,MI).利用视频序列帧间的互信息量自适应地调整运动向量估计和运动向量多重估计的门限值(absolute error,AE).通过大量的统计得出了互信息量与高通帧方差之间的关系,利用方差作为反馈进一步调整AE,从而实现了一种自适应快速算法.利用此算法同时达到了控制编码复杂度和重构视频质量的目的.实验数据表明,此种算法编码时间比传统运动补偿时域滤波(motion compensated temporal filtering,MCTF)结构缩短约15%,而重构视频的质量几乎没有下降.     

一种新的自适应图像组结构算法

运动补偿时域滤波(MCTF)将若干连续的视频帧组成一个图像组进行时域小波分解以获得时域可分级性。与图像组大小固定的结构相比,自适应图像组结构(AGS)提高了编码效率,但实现复杂度也大大增加。提出了一种新的自适应图像组结构(NAGS),利用帧间预测判断视频序列的时域变化特性,并根据视频序列的时域变化特性选择不同的图像组结构。新的自适应图像组结构大大降低了自适应图像组结构的计算复杂度,并解决了自适应图像组结构时延的振荡性问题。实验结果表明,新的自适应图像组结构的编码性能与自适应图像组结构基本一致。     

基于运动背景的自适应视频对象分割算法

为解决运动背景中视频对象的准确提取,提出一种基于全局运动的自适应视频对象分割算法。基于特征点计算帧间运动,利用最小二乘法计算摄像机仿射参数进行运动补偿,通过二值开闭重建滤波器进行预处理消除噪声;采用改进的分水岭算法将图像标记成不同的灰度区域,以自适应的光流法对分割的对象信息进行评判,从运动背景中分割出前景对象。实验表明,该算法能准确地从运动背景中分割出视频对象,显著地减少了动态前景对象的分割误差,提高了分割质量,可应用于运动目标检测与跟踪。     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

一种优化型自适应滤波器结构

各种自适应算法的性能除了与其自身的特性有关外,还与外部信号环境密切相关。本文针对LMS算法易受外部噪声的影响,产生权失调,从而影响到算法的性能,提出了一种优化型自适应滤波器的结构(OPAF),该结构提高了算法的抗噪声性能。并以此结构实现了噪声抵消(ANC)与回波抵消(EC),实验结果表明,其抗噪声性能指标优于传统结构的自适应滤波器。     

一种基于最小二乘准则的自适应滤波算法

基于最小二乘准则J（n)=∑i=1^nλn-i|e(i)|^2,利用最徒梯度下降法,得到一种新的梯度型自适应滤波算法,该算法避免了递推最小二乘RLS（Recursive Least Squares)乍江需递推估计更新自相关矩阵Rxx(n)的逆的不足,计算模拟仿真结果表明该算法有良好的收敛性能,收敛速度快于LMS（Least Mean Squares)算法、NLMS（Normalized Least Mean Squares)算法和RLS算法。     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

一种简单的变步长自适应α—LMS滤波算法

提出了一种简单的变步长α-LMS算法(vα-LMS),并给出了它的设计方法。导出了描述α-LMS算法收敛过程的动态方程,并据此讨论了α-LMS算法的算法性能。与vα-NLMS算法相比,Vα-LMS算法的优点是简单易行、计算量小,但它对输入信噪比的稳健性(RObustncss)却劣于Vα—NLMS算法。Vα-LMS算法的性能将优于Dα-LMS算法。计算机模拟结果与理论分析结果吻合较好.     

一种基于互信息量的关键帧提取方法

关键帧提取技术是视频分析和基于内容的视频检索的基础,关键帧的使用大大减少了视频索引的数据量,同时也为视频摘要和检索提供了一个组织框架.介绍了目前的关键帧提取技术,提出了一种基于互信息量的关键帧提取方法,实验证明该方法能较好地提取出视频序列的关键帧.     

一种低码率下基于运动补偿的时域滤波预处理算法

在低码率视频压缩系统中,图像预处理的方法可以用来降低视频序列的复杂度,从而达到降低编码器输出码率,提高编码器效率的目的.该文提出了一种在运动补偿条件下而进行的高效的时域滤波预处理算法.该方法采用运动补偿的相关技术,将时域预处理滤波映射到空域进行处理,有效地去除了视频序列中时域上不相关的细节信息.实验结果表明,该文的方法实现了编码器10％～30％的码卒下降水平.在相同的码率下降水平下,用该文方法处理后视频序列的平均PSNR值比使用空战预处理方法的结果高出3～4.4dB.     

一种跨层自适应无线视频传输方法

针对实时视频传输对吞吐率、丢包率、时延等服务质量的要求,对无线信道下视频端到端传输的失真进行分析,提出了一种跨层自适应方法,在层间传递信息来协调各层的工作过程,对物理层、链路层和应用层联合优化设计,适应无线信道的变化,获得信源失真和信道失真之间的平衡,使总失真最小.仿真结果证明,在一般信道信噪比的情况下,该方法较之单独使用自适应调制编码或者自动请求重传,在视频恢复质量上得到改善,峰值信噪比提高了0.8~1.0 dB.     

基于光场渲染的多视点视频编解码方法研究

首先提出一种面向移动设备的多视视频纹理编码方法,编码端利用重建的3D网格信息对4D光场重采样,得到顶点的光场矩阵;然后提出一种基于奇异值分解(SVD)的自适应分解级数选取方法,保证真实感的同时尽可能减少光场数据量.为了配合解码端的图形硬件加速,采用了S3TC纹理压缩标准对分解后的矩阵进一步压缩,减少编码端数据量以及解码端纹理渲染的带宽需求.实验结果表明,在保证较好的渲染效果下,提高了压缩比,并且满足实时渲染要求.     

基于互信息的并行约简

将并行约简理论和信息论相结合,提出了信息论意义下的并行约简概念（原并行约简理论是代数意义下的并行约简）,并利用互信息的概念提出了基于互信息的并行约简算法．信息论意义下的并行约简的优点在于：处理不一致数据时可以保留比代数意义下的并行约简更多的分类信息．最后从理论上探讨了信息论并行约简和代数并行约简的一致性和差异性,将两者进行了有机统一．     

一种改进的准正交空时分组码译码方案

针对传统全速率准正交空时分组码(quasi-orthogonal space-time block code,QO-STBC)译码复杂度高的问题,提出一种改进的准正交空时分组码译码方案.该方案通过在接收端乘以信道矩阵的共轭转置及Givens旋转矩阵,消除检测矩阵部分干扰项,使检测矩阵三角化.和传统的准正交空时分组码最大...     

基于Turbo编译码方案的BPSK系统性能研究

在介绍Turbo码编、译码原理的基础上，建立一个典型BPSK通信系统模型。将Turbo码与其它编码方式分别运用于该系统模型，通过Matlab仿真，研究、分析了系统在不同编译码方式下的误比特性能。仿真结果表明，Turbo编译码方案在差错控制和纠错方面性能明显优于目前广泛应用的卷积码及其它线性分组码。在误比特率达到10^-5时。Turbo码的编码增益比其它编码方式高出1．5dB以上。     

基于Verilog的LDPC编译码设计

LDPC(low density parity check code)码是目前最优秀的码字之一,其接近香农传输极限的性能使其成为第四代通信系统(4G)强有力的竞争者。论文通过Verilog实现LDPC编译码算法从而提高运算效率,选用了“π旋转矩阵构造法”进行编码,“皇后算法”较好的避免了H矩阵中小环的出现。译码采用“UMP BP-Based(最小和或最大积)算法”,其中的对数运算将小数控制在了-100到100之间,对于运算过程中的大量小数均采用Q8(定点数)格式表示,范围-128≤X≤127.996 093 75,精度0.003 906 25,从而避免了浮点数运算,因此可以完全采用Verilog语言描述LDPC译码算法。程序中没有使用任何公司的IP核,适用于所有FPGA,可移植性好。     

一种基于互信息最大化的Raptor码优化设计方法

Raptor码通过级联预编码可以很好地改善错误平层问题,但编译码的复杂度相对较高。为了降低级联Raptor码的复杂度,提出一种基于互信息最大化的Raptor码优化设计方法。该方法基于外部信息转移图的渐进收敛分析,从最大化互信息的角度出发,得到有限迭代次数约束下的校验节点度分布的数学模型。仿真结果表明,当译码迭代次数一定时,基于互信息最大化设计的Raptor码与码率最大化设计的Raptor码相比,具有更好的误码性能。     

一种基于互信息的粗糙集知识约简算法

针对粗糙集理论核心内容之一的知识约简问题,该文提出了一种改进的互信息的属性约简算法。该算法结合信息论中信息熵与互信息的概念定义了粗糙集里的一种新的属性重要度,并以此属性重要度为启发式信息进行属性约简。实验分析表明:在大多数情况下,该种算法都能够得到决策表的最小约简。     

基于互信息的特征子集选择

通过互信息的思想提出一个新的评价函数来评价属性之间的相关性,并结合LV算法进行特征子集选择.结果表明,该方法对分类问题效果明显.