一种基于缓冲区阈值调整的动态自适应码率选择算法

基于HTTP的动态自适应流媒体(Dynamic adaptive streaming over HTTP,DASH)是一种可利用Web服务器提供在线高质量视频流的自适应码率流技术,决定了视频播放性能。传统动态自适应码率选择算法存在考虑因素单一、播放缓冲区长度受限、带宽不稳定等问题,因此,改进与优化动态自适应码率选择算法十分必要。针对客户端缓冲区长度受限和带宽不稳定造成的视频播放卡顿现象,综合考虑网络带宽和客户端缓冲区因素,提出一种基于缓冲区阈值调整的动态自适应码率选择算法(Dynamic adaptive rate selection algorithm based on buffer threshold adjustment,BT-DARA)。该算法首先通过获取不同视频段大小和下载速率,计算网络吞吐量并对视频下载时间进行预测,然后结合缓冲区视频片段长度状态进行码率选择。特别地,在视频播放过程中对不同阶段采取不同的视频码率选择策略,并在客户端缓冲区达到临界值时动态调整缓冲区阈值参数,以此增加缓冲区长度,减少码率切换次数,确保视频播放的稳定性。实验结果表明,该算法能提高视频播放的码率,保证视频播放质量和稳定性,减少了视频开始播放的启动时间,为用户提供良好的视频播放体验。     

智能车跑道图像的大津阈值分割算法

智能车跑道环境复杂多变,传统的大津阈值分割法无法完成跑道图像的准确分割.在分析传统大津法二值化的基础上,提出了适合智能车跑道图像处理的分块大津法二值化,准确快速地完成了跑道阈值的分割,并有效地完成路径的识别.     

基于CCD和FPGA的自适应阈值算法研究

本文提出了基于FPGA的图像处理自适应阈值算法,实现了激光光斑中心的高速实时检测。     

一种基于自适应阈值的图像分割算法

为提高目标检测概率，针对复杂的地面目标红外亚图像，提出了一种以最大类间方差法为基础的自适应阈值图像分割方法。用分割出的目标和背景区域的灰度统计量，设计了一个判断是否得到正确分割的准则．理论分析和实验结果表明，对于复杂背景下低对比度、低信噪比的地面目标，不论目标在图像中所占面积大小，利用该方法均可得到正确的分割结果．通过设置阈值运算的灰度取值范围，可大大减少计算量，节省处理时间．     

基于自适应多尺度的血液细胞图像阈值分割方法研究

提出一个基于自适应多尺度滤波的阈值分割方法,对血液细胞图像进行了自动分割。首先,对图像原始直方图进行多尺度滤波,根据它的尺度空间图特性,确定合适的滤波尺度,然后完成对谷点由“粗”到“精”的定位,并作为阈值对原始图像进行分割;其次,利用松驰方法对分割图像作后处理;最后,将该方法与其他阈值分割方法做了分割性能的比较,证明了算法的有效性。     

基于满意滤波的自适应阈值算法

针对发动机小偏离线性系统模型,建立模型参数摄动的伪正态分布"软边界"概率模型。从诊断决策的阈值计算着手,基于满意滤波原理,通过引入信号的2-范数和相应传递函数的∞-范数,利用线性矩阵不等式法(LMI),求解最优的残差上界。最终结合目标虚警率,并通过残差分布的概率模型确定阈值。仿真结果表明:这种阈值具有一定的自适应能力,能够增强发动机数控系统(FADEC)故障诊断系统诊断决策的鲁棒性。同时保证了故障检测的准确率。     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.     

基于NSCT的自适应阈值图像去噪算法

为了有效的去除图像中的噪声,保护图像细节,在研究了非采样下Contourlet（NSCT）变换和贝叶斯阈值的基础上,综合考虑NSCT变换后系数尺度间和尺度内的相关性,提出了一种新算法。该算法结合NSCT系数的相关性和贝叶斯风险最小准则估计区域自适应贝叶斯阈值,再利用硬阈值函数去噪,最后通过最小均方误差准则进行比例萎缩,得到真实系数估计。对于被高斯白噪声污染的图像,实验将该算法与经典算法相比较,结果表明在绝大多数情况下,该算法在峰值信噪比和视觉效果上都优于经典算法。     

BP网络学习参数模糊自适应算法的实现

前馈神经网络ＢＰ算法的改进方案中，对网络训练（学习）过程率和惯性系数进行模糊自适应调节，以提高收敛速度，晃一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和录属函数，并以三比特异或函数（或称奇偶分类）的实现为例，验证了这种算法的改进、加速了ＢＰ网络的学习过程。     

一种基于Canny算法的自适应边缘提取方法

分析了Canny边缘检测算法的性能,针对Canny算法的不足提出了一种改进检测方法。算法根据图像的梯度信息特征,用梯度的熵和标准差能自适应地调整高低阈值,提高了边缘检测的自动化程度。     

基于Otsu准则的TDCS自适应判决门限算法

提出了一种基于Otsu准则的TDCS自适应门限选择方案,该方法首先对信道感知的频谱幅值进行灰度映射,然后利用Otsu准则将频谱灰度分为背景噪声和干扰2类,同时确定出最佳的分类阈值作为TDCS剔除干扰的判决门限。该方法能够根据对信道的感知结果动态地搜索最佳判决门限,具有很强的自适应能力。仿真结果表明:文中所提方法在信道背景噪声变化时表现出比传统方法优异的性能,尤其是当背景噪声升高到一定程度时,传统固定门限值方法的通信系统将不能正常工作,而文中所提方法还具有良好的通信性能。     

二维Otsu自适应阈值快速算法的改进

分析二维Otsu自适应阈值快速算法的斜方窄带判决域特性,在不增加算法复杂度的前提下,通过建立窄带斜方轴截距与图像像素二维概率密度信息关联分布数据,提出动态窄带斜方轴截距自适应选择方法.实验结果表明:改进后的二维Otsu自适应阈值快速算法更加适应图像分割的实际工况,并取得良好的图像分割效果.     

基于自适应阈值的棉网图像中结杂的识别

在棉网图像中,棉结和杂质(简称结杂)大多都混杂在聚集的纤维网中难以检出和识别.针对这一问题,提出了一种将最大类间方差法(Otsu法)与线性回归相结合的棉网图像结杂分割方法.首先对棉网图像进行预处理,然后根据Otsu法获取棉网图像与背景分开的阈值,再根据线性回归找出该阈值与结杂灰度的关系,获得结杂分割的最佳阈值,从而实现结杂的识别.     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

采用二维Otsu直方图斜分快速算法实现方式的改进

在二维Otsu自适应阈值快速算法的斜方窄带判决域特性基础上,依据斜分线穿越窄带区的同一特性,设立算法辅助轴,对原快速算法实现方式进行改进.简化算法实现过程,在原算法降维基础上,进一步降低算法复杂度.结果表明:改进后的二维Otsu自适应阈值快速算法更加适应图像分割的实际工况,在实验验证中取得良好的图像分割效果.     

基于神经网络结构搜索的目标识别方法

针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。     

基于特征语谱图和自适应聚类SOM的快速说话人识别

为获得说话人发音特征,基于仿生思想,提出一种基于语谱图统计的方法,通过对说话人短时语谱图的线性叠加获得可表征说话人稳定发音特征的特征语谱图。为解决资源受限的设备中说话人识别系统网络训练速度慢、识别效率低的问题,基于传统自组织映射(self-organizing feature map,SOM)神经网络提出了一种自适应聚类SOM (adaptive clustering-SOM,ACSOM)算法,随着待识别说话人数的增加,自动调节增加竞争层神经元个数,直至聚类数达到说话人个数。采用该AC-SOM模型对100人的自建特征语谱图样本库进行聚类识别,最大训练时间只需304 s,最大单张识别时间小于28 ms;在识别人数相同时,相对于所对比的其他识别方法,该方法大大提升了网络训练速度和识别速度,满足了边缘智能(edge intelligence)系统中对数据处理与执行的实时性的要求。     

一种基于相关检测的自适应门限控制算法

在直接序列扩频 (DSSS)接收机中 ,相关检测是完成相关解扩和实现同步接收的关键技术 .此文提出了一种基于相关检测的自适应门限控制算法 ,并分析了该算法在加性高斯白噪声 (AWGN)环境下的误码性能 ,最后给出了实验数据结果 .