基于多假设运动补偿去噪的迭代边信息改进算法

在分布式视频压缩系统中,边信息的质量对编码效率有至关重要的作用。利用已解码图像信息提高边信息质量是近年来研究的热点之一。根据边信息和已解码信息与原始信息之间的噪声关系,该文提出了一种基于多假设运动补偿去噪的迭代边信息改进算法。首先对原始边信息进行多假设运动补偿去噪,生成质量更好而不仅是相似的补偿图像,然后利用每个码平面的解码信息对边信息进行迭代改进。实验结果表明,该算法能减少码流,显著提高Wyner-Ziv (WZ)帧质量,从而有效的改善分布式视频压缩的率失真性能。     

正项级数比值判别法的推广

为判别正项级数的收敛性,在一种改进的比值判别法的基础上给出了进一步的推广,使其更具有一般性,最后还给出了对比值判别法的另外两种形式的推广。     

基于SPL迭代思想的图像压缩感知重构神经网络

由于神经网络强大的学习能力与快速的运行速度,近年来基于深度学习的图像压缩感知(Image Com-pressive Sensing,ICS)研究备受关注.然而,大多数现有ICS神经网络的结构设计忽略了传统迭代重构算法中的数学理论基础,无法有效利用信号中的先验结构知识,可解释性较差.为了保留优化算法核心思想并同时利用深度学习的高性能,本文使用可学习的卷积层替代了传统平滑投影Landweber算法(Smooth Projected Landweber,SPL)中的人工设计参数,提出一种新型ICS神经网络SPLNet.在SPLNet中,设计了一个独特的网络结构SPLBlock实现SPL迭代过程中的三个核心步骤:(1)去除块效应的维纳滤波器;(2)在凸投影集合上的近似操作;(3)实现稀疏表示及去噪的变换域双变量收缩.仿真实验结果表明:与现有最优的ICS优化迭代算法GSR相比,SPLNet的重构图像平均PSNR提升了0.78dB;与最优的神经网络框架SCSNet相比,SPLNet的重构图像平均PSNR提升了0.92dB.     

超高温FT-IR光谱发射率测量系统校准方法研究

针对材料发射率数据日益增长的需求,建立了超高温傅里叶变换（FT）光谱发射率测量系统.为校准材料光谱发射率的测量结果,建立了包含辐射传交换、固体热传导、辐射测温在内的发射率校准模型. 通过校准模型定量分析了试样辐射热损、厚度、热导率等因素引起的发射率测量误差.结果表明,这些因素均导致试样测量温度偏高,而发射率测量结果偏低.测量了真空环境下2000℃时纯度为99.99%石墨的光谱发射率曲线.采用模型校准后的发射率曲线与文献比较,取得了比较一致的结果.该方法在超高温发射率测量技术中可以有效地提高测量精度.     

无反馈分布式视频编码中码率分配算法研究

码率分配是无反馈分布式视频编码中的关键技术之一.本文研究编码端快速边信息生成方法,基于边信息和Wyner-Ziv帧各个位平面误码率,提出了一种编码端码率分配算法(Bitplane Error Probability based Encoder Rate Control,BEP_ERC).还提出在编码端精确估计拉普拉斯-柯西混合分布(Laplace-Cauchy Mixture Distribution,LCMD)模型参数α和μ的思想.实验表明本文算法与现有算法相比,率失真性能提升0.1～0.4dB,且降低了编码端计算复杂度.     

基于帧间组稀疏的两阶段递归增强视频压缩感知重构网络

基于迭代优化的传统视频压缩感知重构算法运行时间长,参数的自适应性较低,限制了其实用性和泛化能力.利用神经网络强大的计算能力和运行速度快、参数可学习的优点,本文首先提出了帧间组稀疏网络(VGSR-Net),用神经网络将图像块组映射到更高维的稀疏表示域中,并利用可学习的阈值提取帧间相关特征.在此基础上,提出了两阶段混合递归增强重构网络(2sRER-VGSR-Net).首先,利用VGSR-Net对初始重构结果进行初步增强;然后,引入STMC-Net实现运动估计,并利用残差重构网络进一步重构当前帧丢失的信息,得到更高质量的重构结果.在第二阶段重构过程中采用混合递归结构,充分利用已有的高质量重构帧信息.仿真结果表明,所提算法与现有最优迭代优化重构算法SSIM-InterF-GSR相比重构性能提升了1.99dB;和基于深度学习的重构网络CSVideoNet相比,性能提升了4.60dB.     

CVS中基于视频运动特征的多假设-双稀疏重构算法

针对目前视频压缩感知重构算法对不同特征的视频序列重构质量参差不齐的问题,结合双稀疏对轮廓、细节的高清晰重构以及多假设算法对高频噪声有效抑制的优点,本文提出一种基于视频运动特征的多假设-双稀疏重构算法（VF-MH-DSR）.基本思路是基于每个视频组（GOP）的运动特征,采取相应的多假设-双稀疏重构策略.首先给出一种观测域多维度参考帧的多假设重构算法（MD-MRF-MH）及其最优相似块个数设置方案;然后给出一种像素域多假设参考帧的重构算法（PD-MRF-MH）及一种高性能双匹配准则;最后介绍了视频信号运动特征判定方案及多假设-双稀疏重构的具体实现方案.仿真实验表明,本文所提多假设-双稀疏重构算法相对于目前较好的多假设预测重构算法2sMHR及组稀疏重构算法SSIM-InterF-GSR,重构性能平均提升了1.98dB和0.84dB.     

分布式视频编码中拉普拉斯-柯西混合分布相关噪声模型研究

该文通过研究变换域分布式视频编码中原始Wyner-Ziv(WZ)帧与相应边信息的残差系数特性,发现大残差和小残差系数统计分布与传统的拉普拉斯分布存在一定偏差。为了减少这种差异,提出一种拉普拉斯-柯西混合分布(LCMD)相关噪声模型及其参数估计算法。该混合模型利用改进的拉普拉斯分布描述小残差系数的分布,采用柯西分布描述大残差系数。实验结果表明该文提出的混合模型能较精确地描述WZ帧和边信息间的残差系数分布,从而有效地改善了变换域分布式视频编码的率失真性能,并减少系统解码端计算复杂度。     

红外多谱段小目标识别方法

随着红外诱饵技术的不断发展,对传统的小目标识别提出了新的挑战.通过对飞行目标和红外诱饵光谱特征的分析,利用红外多谱段图像对天空背景中具有伴飞诱饵干扰的小目标进行识别.提出了自适应阈值分割和能量相关滤波相结合的方法对图像进行预处理,再利用光谱角算法对疑似小目标进行识别,增加了目标识别的可靠性,降低了算法的复杂度.与传统的单波段目标识别跟踪算法不同,该算法从光谱特征差异性角度对目标进行识别,识别概率高,运算量小,为红外小目标识别提供了新的解决办法.     

环境监测站实验室产生的污染物的控制和处理

指出了环境监测站实验室产生的污染物虽属一类小型的污染源,但其涉及范围较广,因此,对其控制及处理不容忽视。文中还对此类污染物的特征作了较详细的阐述,并对其控制措施及处理方法提出了建议。