大GOP下基于混合更新的边信息生成算法

来源 :计算机技术与发展 | 被引量 : 0次 | 上传用户:huohuoshan000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在分布式视频编码中,边信息的质量对系统整体的率失真性能有着至关重要的影响。在大GOP(图像组)条件下,外推算法因其具有良好的实用性而被广泛采用。为了进一步提高在大GOP条件下利用外推算法生成边信息的质量和系统的率失真性能,提出了一种基于混合更新的边信息生成算法。该算法将外推算法和内插算法混合使用,在利用外推算法生成边信息的基础上,通过运动估计、矢量滤波和运动补偿生成内插边信息,再对两者进行自适应加权生成混合边信息并更新,同时对更新后的混合边信息和解码WZ帧进行二次重建。实验结果表明:该算法在大GOP和编码
其他文献
访问控制是保障秘密信息免受非法访问及获取的关键技术之一,基于信任机制的访问控制是其常用的方法.鉴于堆结构具有较快的收敛速度,能高效地反馈信息,以及贝叶斯算法能够有效
能量是无线传感器网络中的重要资源。为了充分利用区域内无线传感器的能量,对无线传感器的能耗进行建模,提出了能量窗口的概念,在能量窗口的基础上,设计了一种无线传感器网络
随着互联网技术的不断进步和互联网的飞速发展,人们可以很方便地在互联网上寻找各种各样的信息。用户在寻找他们真正感兴趣的信息时会花费大量的时间,从而导致效率不高,这种现象
随着计算机并行计算技术的快速发展,需要处理的数据量越来越大,提升并行计算的能力成为亟待解决的一个问题。在计算机图像处理的过程中,每一个环节可能都需要大量的计算,提出的C++AMP并行运算可以很好地提高计算机的处理效率。例如在视频监控内容处理时,为了获取到更加清楚的图像信息,通常会将图像放大,然而当图像放大后经常会看到边缘信息不清晰,图像异常模糊。能够获取一个清晰的图像边缘,对于信息的获取就非常重要
迭代决策树(GBDT)属于机器学习算法的一种,该算法具有较好的真实分布拟合能力,可用于解决大部分回归问题。根据帕金森病对不同年龄的男性和女性患者语音的影响不同这一现实依
为保证良好的路域环境,保障道路安全畅通,对道路周围违法违规堆积物或搭建物的检测工作就显得尤为重要。传统的人工检测方法不仅工作量大、投入成本高,而且工作效率低、检测准确度不高,因此对道路违法搭建物的自动化智能检测识别方式迫在眉睫。提出了无人机飞过相同路段两次进行拍摄,通过数字图像处理和机器视觉技术对路段中发生明显变化的区域进行自动识别,以检测疑似违法搭建物的方法。对于两次拍摄的时间和空间的不匹配性,
主要对Linux系统进行适当的裁剪、编译后,移植到ARM11微处理器中,并直接通过Linuχ2.6.38内核对网卡进行图形化界面的配置,使系统能够完全支持AR9271网卡,然后再利用hostapd
透视投影下的非刚体三维重构中既存在着非刚体形变也存在着透视形变,同时区分两种形变是比较困难的。大多数非刚体三维重构算法通常进行了简化,只考虑正交投影下的非刚体重构。为了解决透视投影下的非刚体重构问题,将基于形状基的EM算法和仿射迭代方法进行有机结合,提出了一种适用于透视投影的新算法。该算法利用EM算法可解决数据点丢失问题的优势以及仿射迭代方法结果较为精确的优点,可提高计算的鲁棒性和重构效果。为验证
近年来的研究表明,稀疏表示分类(SRC)方法是一种有效的人脸识别方法。SRC是单个样本基于向量l1-范数正则化的最小二乘分类。但现实中常常存在着已知多个测试样本属于同一类的情况,无疑有利于分类,而基于SRC或其他单样本模型的方法却未能利用该信息。为利用类别标签信息,提出了一种新的鲁棒人脸识别方法。该方法基于同类测试样本组的稀疏表示分类(IGSRC),即将同类多个测试样本放至同组,采用矩阵L1-范数
随着网络技术的发展,多宿主主机越来越普及。多路径并行传输可以充分利用多宿主主机的优势,不仅可以最大限度利用带宽,提高数据吞吐量,而且可以提高容错率,在一条路径出现故障时,迅