DCT域网格编码量化及其在图像量化中的应用

本文提出了在离散余弦变换(DCT)域内作网格编码量化(TCQ)的新方法.该方法不仅利用了信号间的时间相关性,而且也利用了信号变换域内的相关性,该方法首先用一维或二维DCT变换减小变换域内的相关性,然后利用卷集编码和信号空间扩展来增大量化信号间的欧氏距离,并用维持比算法寻找最优量化序列.仿真结果表明,基于二维DCT的TCQ方法在相对大的灰度率下,比传统的TCQ方法好2dB左右,与此同时,TCQ又比最优标量量化好2dB左右.该方法还具有编码计算复杂度适中,解码简单以及对误差扩散不敏感的优点.     

用于半导体激光器的等共轭距双曲柱面镜系统

论述用于把窗口尺寸为０－１２８５ｍ ｍ ×３ ．２３９０ ｍ ｍ 的半导体激光器发出４４°×１３°的发散光束压缩成在±０－００２５ｒａｄ 内出射光的柱面镜系统。该系统的核心是用两组互相垂直、且共轭距相等的双曲柱面镜,把激光器的条形窗口的像变粗变短;然后,再用透镜组把此像“准直”到“无限远”     

计算全息双通道半色调编码技术的研究

本文在罗曼型编码的基础上,运用空间脉冲调制技术,提出了新型的编码技术——双通道半色调编码。双通道半色调型编码用两个圆形通光孔代替矩形孔,以两个圆孔面积及位置来记录两个物体的全息信息,加快了计算速度。记录的两个平面物体同时再现在同一衍射级的相同或不同方向上,在空间完全分离开来,从而实现了载波信息的通道变化。文中给出了相应的原理和实验结果。     

基于分形的深度图序列编码算法

充分利用深度图序列相邻帧间的局部相似性,并结合H.264帧内预测编码算法,提出了一种适用于深度图序列编码的新方法,即深度图序列的I帧编码采用H.264帧内预测结构而P帧编码采用基于分形理论的压缩方法。首先介绍了分形编码的理论基础,然后通过改进非均匀多层次六边形格点整像素运动搜索(UMHexagonS)方法,提出了一种更适用于分形编码的基于运动矢量场的自适应六边形搜索算法,从而形成了基于分形的深度图P帧预测编码结构。实验结果表明:本文提出的编码系统在很大程度上提高了H.264的编码性能,峰值信噪比差值(BDPSNR)平均提高了3.54dB,编码比特率差值(BDBR)平均降低40.98%,同时编码复杂度也大大降低,平均编码时间减少了85.27%。     

信源信道联合编码技术用于AVS传输的研究

针对误码信道和信源编码的统计特性,提出了一种基于AVS视频序列的联合编码技术,按照重要性对AVS视频层序列码流进行分组重排,信道编码器根据码流信息对其进行比重不等的保护措施,以较低复杂度的运算实现了码率的优化分配.实验表明,与现有的等差错保护相比,在高误码信道中能有效提高AVS码流抗误码性能.     

立体视频技术的发展现状综述

围绕立体视频产生、编码、传输以及接收显示。就两路光信号产生视差的立体以及两路视频流的编码技术等方面,结合目前业界主流及其热点问题,作了广泛而深入的重点梳理与阐释。指出多视点视频、编码是发展方向。采用运动和视差联合估计,结合如分形编码、小波变换编码等快速算法并应用于最先进的编码标准中,把被动式通用眼镜作为当前一段时间的立体电视过渡,发展到未来的全息立体。     

一种成像雷达的通信一体化信号设计与分析

雷达与通信系统一体化可以最大限度地利用雷达设备, 使雷达的优良性能为通信服务.根据信号共享的原则, 在保持成像雷达和通信各自功能实现的前提下, 设计了一种基于随机频率步进调制的成像雷达通信一体化信号.该信号的设计方法是对发送的通信数据进行随机编码处理, 然后将其调制到雷达载波的频点上发送出去, 实现通信功能; 而引入压缩感知理论后, 采用这种信号仍能获得高分辨率的雷达图像, 在一定功能上实现了成像雷达和通信的一体化.     

Lattice Vector Quantization Applied to Speech and Audio Coding

Lattice vector quantization(LVQ) has been used for real-time speech and audio coding systems.Compared with conventional vector quantization,LVQ has two main advantages:It has a simple and fast encoding process,and it significantly reduces the amount of memory required.Therefore,LVQ is suitable for use in low-complexity speech and audio coding.In this paper,we describe the basic concepts of LVQ and its advantages over conventional vector quantization.We also describe some LVQ techniques that have been used in speech and audio coding standards of international standards developing organizations(SDOs).     

Sample selection for visual domain adaptation via sparse coding

Visual domain adaptation has attracted much attention and has made great achievement in recent years. It deals with the problem of distribution divergence between source and target domains. Current methods mostly focus on transforming images from different domains into a common space to minimize the distribution divergence. However, there are many irrelevant source samples for target domain even after the transformation. In order to eliminate the irrelevant samples, we develop a sample selection algorithm using sparse coding theory. We do the sample selection in a common subspace of source and target data to find as many as relevant source samples. In the common subspace, data characteristics are preserved by using graph regularization. Therefore, we can select the most relevant samples for our target image classification task. Moreover, in order to build a discriminative classifier for the target domain, we use not only the common part of source and target domains learned in the common subspace but also the specific part of target domain. The algorithm can be extended to handle samples from multiple source domains. Experimental results show that our visual domain adaptation method on the image classification tasks can be very effective for the state-of-the-art datasets.