基于率失真优化的AVS-M关键参考帧选择算法

在综合分析AVS-M视频编码传输过程中扩散失真和掩盖失真的基础上,从像素级对端到端的视频传输失真情况进行了研究。采用了一种通用的传输失真度估算模型,根据该失真度估计模型,实现了一种无反馈的关键参考帧选择算法。通过评价选择不同参考帧情况下的端到端失真度期望,在编码器率失真框架内选择最合适的参考帧,使有损传输情况下解码端的失真度达到最小。有反馈信道条件下,提出了基于反馈的关键参考帧选择算法,在帧存开销不大的条件下,极大的提高视频传输的抗差错性能。实验表明,采用的失真度估计模型能够较好地适应AVS-M标准,可以较好地估计出端到端的失真情况。实验还显示,基于率失真优化的关键参考帧选择算法,在3-20%丢包率（128kbps）情况下,无反馈和有反馈关键参考帧选择方法较AVS-M标准,PSNR值分别提高了1.9~6.4dB和2.7~10.9dB,较大提高了AVS-M视频差错恢复性能。     

基于率失真优化的ARQ比特分配

针对易错信道视频传输的ARQ（automatic repeat request）系统，综合考虑了基于错误隐藏的帧内刷新方法与ARQ重传比特数分配，提出一种率失真优化方法．实验结果表明，该方法在给定信道带宽和报文丢失率的情况下，相对于不带比特分配的ARQ系统，能够取得更好的图像质量，在低码率情况下尤为明显．     

有损信道中的差错复原视频编码

在有损信道中,由于前向差错编码的有效性急剧下降,因此对于高突发有损信道,信源和信道的比特率控制优化成为一个挑战.提出了一种有效针对差错恢复的视频自适应编码,通过自适应调整帧内编码更新,优化了视频源比特率失真控制.针对无损和有损信道的差错恢复,进行了理论分析,并且实验模拟了视频样本序列.实验结果验证了理论分析的正确性,同时也表明该方法十分有效.     

有损信道中的差错复原视频编码(英文)

在有损信道中,由于前向差错编码的有效性急剧下降,因此对于高突发有损信道,信源和信道的比特率控制优化成为一个挑战。提出了一种有效针对差错恢复的视频自适应编码,通过自适应调整帧内编码更新,优化了视频源比特率失真控制。针对无损和有损信道的差错恢复,进行了理论分析,并且实验模拟了视频样本序列。实验结果验证了理论分析的正确性,同时也表明该方法十分有效。     

基于率失真代价的快速帧间编码模式确定算法

介绍了率失真函数在视频编码中的应用,基于率失真函数代价值,提出一种帧间编码快速模 式确定的算法,基于本序列各类编码模式的率失真函数代价动态统计值,分别在SKIP模式和帧间IN- TER编码8×8块尺度和4×4块尺度间插入两层判定阀值,提前判定宏块的编码模式和帧间编码宏 块内部划分模式,减少了不必要的穷尽试探计算率失真代价．且阈值的选取具有时变、适应图像序列、 计算简单性．实验证明,在对图像质量影响极小的情况下,编码速率提高20％～30％左右．     

基于像素递归失真估计的率失真优化模式选择算法

为了改善视频数据在差错信道上传输的鲁棒性,结合H.264/AVC标准的多模式划分特点,提出了一种基于像素递归失真估计的率失真优化模式选择算法。该算法针对H.264/AVC中的多种帧内和帧间预测模式,对像素的递归失真估计方法进行改进,准确估计了差错环境下的视频失真,并采用二次率失真模型预测运动补偿编码的总码率以进行运动估计,最后运用率失真优化模型进行编码模式判决。实验结果显示,相对于H.264参考软件的模式选择算法,该算法提高了视频的差错恢复性能,能有效改善视频传输的鲁棒性。     

AVS帧内预测算法DSP平台的实现

结合TMS320DM6446平台硬件特性,完成D1分辨率AVS帧内预测算法实时实现。采用了单宏块双缓冲处理机制,实现EDMA传输与DSP处理AVS帧内模式选择并行完成。对耗时的残差运算和重构运算进行汇编级指令集优化,经过汇编级优化后,残差运算所需时钟周期数是只经过C语言级优化的6.03%;重构运算所需指令周期是只经过C语言级优化的4.43%。     

适用于H.264的帧内预测模式快速选择算法

H．264是最新的视频压缩编码标准．在H．264的帧内编码算法中，第一次提出了在空间上从多个方向进行多种模式的帧内预测．对于某个特定图像区域，不同的预测模式将表现不同的预测性能，通常需要使用率失真优化算法来逐个测试，然后从中挑选出符合当前图像区域特征的最佳预测模式．然而，率失真优化算法的计算复杂度相当高，频繁调用将对计算平台造成相当沉重的负担，不利于在实时性能要求高的场合使用．提出了一种适用于H．264的帧内预测模式快速选择算法，该算法对当前像区域的空间相关性进行分析计算，快速选择出最佳预测方向，从而减少对率失真优化算法的调用．实验表明，使用此算法可以在保证图像质量的前提下，极大地降低帧内预测编码的计算复杂度．     

基于H.264的P帧模式选择算法的优化

为减少H.264中P帧模式选择的时间,提出一种优化算法.将视频序列分为背景区域和活动区域来处理,同时采用7种模块中的16×16,16×8,8×16,8×8以及4×4的模块.实验结果表明,该算法可以显著减少编码时间,提高编码效率.     

基于纹理特征的H.264/AVC帧内预测快速算法

针对H.264/AVC帧内预测中的模式选择计算复杂度过高的问题,提出了一种基于纹理特征的快速算法.该方法首先计算16×16块的纹理复杂度,来确定预测块的大小;然后针对In-tra-4×4预测,根据平均预测精度来选择接近该块纹理方向的少量几个可能预测方向,从而避免对不可能模式的率失真代价计算,理论上可以排除62.8%不可能模式的计算代价.通过对实验结果分析选择最佳阈值,使该算法在编码I帧图像时比JM8.6节省42%的编码时间,同时保持PSNR基本不变,平均比特率的增加小于2%.     

基于场景参考帧的预测帧刷新

为了阻止无线网络视频传输中由于丢包和误码而引发的差错扩散,提出了一种基于场景参考帧的预测帧刷新的抗差错策略.通过对视频序列的分割,对场景内需要同步刷新的视频帧进行基于场景参考帧的预测编码,获得相应预测帧,在编解码端同步场景标志和刷新标志,从而实现预测帧刷新.试验结果表明,与传统的I帧刷新策略相比,在需要高I帧刷新率的不可靠无线网络中,文中策略能够在保持相似重建视频质量的前提下,使帧比特率显著下降.     

基于改进粒子群优化算法的闭环时滞系统辨识

闭环时滞模型参数的辨识一直是先进工业控制领域的一个重要课题。然而由于时滞的存在,被控量不能及时地反映系统所承受的扰动,从而产生明显的超调,使得控制系统的稳定性变差。本文充分利用粒子群优化算法收敛速度较快和混沌运动遍历性的优点,提出了一种基于混沌优化思想的混沌粒子群优化算法来直接辨识含有滞后环节的被控对象的闭环传递函数,而不用将其转化为状态方程。将闭环时滞系统的传递函数通过z变换转化为离散的差分方程,对于滞后环节的处理,用一阶Pade近似。利用CPSO的全局优化能力来极小化误差准则函数,从而获得模型参数的估计值。仿真实验结果证明:该方法收敛速度较快、辨识得到的参数精度较高,适用于实际的工业生产。该方法与辅助变量最小二乘方法相比,计算量小、过程简单、不用计算多重积分、辨识速度较快、辨识精度高。     

基于改进遗传优化算法的线阵相机标定方法

在手机玻璃盖板的缺陷检测中,为了获得缺陷特征明显的高精度图像,不仅需要搭建高质量图像采集系统,而且需要对线阵相机进行精密标定.结合工业现场需求,本文提出了一种基于改进遗传优化算法的线阵相机标定方法.在已有线性扫描模型的基础上,引入线阵扫描图片图像畸变矫正,推导了新的标定参数.在已有无畸变矫正的线性解析解基础上,引入遗传算法进行新参数的求解优化,实现了新标定参数的非线性求解.实验结果表明,与不加入图像畸变矫正的求解方法相比,所提方法具有更高的测量精度.     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微
调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

基于遗传算法的优化DCT 图像压缩方法

为打破传统DCT(Discrete Cosine Transform)变换矩阵统一的束缚, 从离散余弦变换DCT 的基本原理及特点出发, 针对图像信息对DCT 变换矩阵进行优化处理, 实现对图像的高效压缩。将图像进行DCT 压缩后重构并与原图像进行比较; 利用遗传算法求最优解使其均方误差最小以优化DCT 变换矩阵的系数; 以优化后的变换核对图像进行处理。实验结果表明, 对线性边缘、纹理特征图像小分块处理基于遗传优化DCT 的算法在种群个数为40 ~ 60、字符串长度为8、交叉概率为0. 7 ~ 0. 8、变异概率为0. 007 ~ 0. 008 时, 图像压缩效果达到最佳。     

融合正弦余弦算法的蝴蝶优化算法

针对蝴蝶优化算法存在收敛速度慢、求解精度差和易陷入局部最优等缺陷,提出一种融合正弦余弦算法的蝴蝶优化算法.首先在蝴蝶自身认知部分引入非线性自适应因子,其次重新定义香味浓度计算公式,最后在局部搜索阶段引入改进的正弦余弦算法.通过19个基准函数的测试,实验结果表明,本算法在收敛速度、寻优精度和鲁棒性方面均优于蝴蝶优化算法(...     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

基于精英高斯学习的改进鱼群粒子群混合算法

为提高算法在高维函数上的寻优性能,提出改进鱼群粒子群混合算法。该算法将鱼群算法全局搜索性能好与粒子群算法局部搜索性能强的优点相结合,在寻优初始阶段采用鱼群算法获得最优群体,在后期用粒子群算法实现精搜索。针对初始种群随意性大、分布不均的问题,通过均匀初始化,优化初始种群的分布; 并对算法全局搜索方向性差、效率低的问题,采用仿照蛙跳算法的分组方式对种群进行分组,同时对组内优秀个体和一般个体使用不同搜索策略,提高搜索的目的性和效率。引入改进的精英高斯学习,从而提升最终结果的精度。利用该算法对6 个标准函数寻优并与其他算法比较,结果表明,该算法的改进有效且性能优于其他算法。     

采用序优化的改进蚁群算法

为了评价蚁群算法在有限时间内所得优解的质量,基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解,并对信息素进行相应的初始化;确定得到满足要求的优解所需要的迭代次数,将其作为算法的终止条件;为了更好地利用每次迭代中的优解,在算法开始阶段使用前l个迭代优解更新信息素,以增强探索能力;在算法结束阶段采用当前迭代最优解更新信息素,以加快收敛速度.改进算法在保证收敛的前提下,并没有增加算法的时间复杂度.对旅行商问题进行的仿真实验表明,改进算法在解的质量和收敛速度方面优于最大-最小蚂蚁系统.