公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

一种视频压缩感知中两级多假设重构及实现方法被引量：10: 2017年; 视频压缩感知在采集端资源受限的视频采集应用场景有重要研究意义。重构算法是视频压缩感知的关键技术,基于多假设预测的"预测-残差重构"框架具有良好的重构性能。但现有的多假设预测算法大多在观测域提出,这种预测方法由于受到不重叠分块的限制,造成了预测帧的块效应,降低了重构质量。针对此问题,该文将像素域多假设预测与观测域多假设预测相结合,提出两级多假设重构思想(2s MHR),并设计了基于图像组(Gw_2s MHR)和基于帧(Fw_2s MHR)的两种实现方法。仿真结果表明,所提2s MHR重构算法能有效减小块效应,相比于现有最好的多假设预测算法具有更低的时间复杂度和更高的视频重构质量。; 欧伟枫杨春玲戴超

视频压缩感知中基于菱形快速搜索的双匹配区域预测被引量：7: 2018年; 多假设预测是视频压缩感知多假设预测残差重构算法的关键技术之一,但目前的多假设预测算法对运动剧烈的视频序列依然存在计算复杂度高且质量不佳的缺陷,而且由于观测值与真实信号是一对多的关系,只采用观测值的绝对误差和准则选择假设块容易引入噪声,从而限制了重构质量.针对这些问题,文中结合视频前/后景的运动特征,提出了基于菱形快速搜索的双匹配区域多假设预测算法(MH-DS),即利用菱形快速搜索方式确定当前解码块的前景/后景的运动矢量,获得两个最佳搜索窗,从中搜索多假设匹配块组;在匹配过程中,采用融合最小均方误差和最大匹配像素统计的块匹配准则,以得到更相关的假设块.仿真结果表明,基于菱形快速搜索的双匹配区域多假设算法能够有效地降低重构端多假设预测过程的计算复杂度,与现有最优视频压缩感知预测-重构算法相比,提升了预测精度和重构质量.; 杨春玲戴超; 关键词：菱形搜索

视频压缩感知中基于快速搜索的迭代多假设算法: 2017年; 针对观测域和像素域两阶段多假设预测重构方案在低采样率时重构效果不理想,且对于运动剧烈的序列预测精度不够、时间复杂度较高等问题,在两阶段多假设预测的基础上,提出了基于快速搜索的迭代多假设预测重构算法.该算法利用像素域分块的灵活性,基于重叠块在像素域迭代预测重构;针对运动较快的序列,采用十字形联合区域搜索方法以减小大范围搜索的算法复杂度;同时利用图像空间相关性进行帧间/帧内自适应假设块的模式选择与已有算法相比,文中重构算法进一步削弱了块效应,降低了大范围搜索的运算复杂度,提高了重构性能.; 杨春玲熊光银戴超; 关键词：时间复杂度

视频压缩感知中分级多假设预测算法被引量：3: 2019年; 目的多假设预测是视频压缩感知多假设预测残差重构算法的关键技术之一,现有的视频压缩感知多假设预测算法中预测分块固定,这种方法存在两点不足:1)对于视频帧中运动形式复杂的图像块预测效果不佳; 2)对于运动平缓区域,相邻图像块的运动矢量非常相近,每块单独通过运动估计寻找最佳匹配块,导致算法复杂度较大。针对这些问题,提出了分级多假设预测思路(Hi-MH),即对运动复杂程度不同的区域采取不同的块匹配预测方法。方法对于平缓运动区域的图像块,利用邻域图像块的运动矢量预测当前块的运动矢量,从而降低运动估计的算法复杂度;对于运动较复杂的图像块,用更小的块寻找最佳匹配;对于运动特别复杂的图像块利用自回归模型对单个像素点进行预测,提高预测精度。结果 Hi-MH算法与现有的快速搜索预测算法相比,每帧预测时间至少缩短了1.4s,与现有最优的视频压缩感知重构算法相比,对于运动较为复杂的视频序列,峰值信噪比(PSNR)提升幅度达到1dB。结论 Hi-MH算法对于运动形式简单的视频序列或区域降低了计算复杂度,对于运动形式较为复杂的视频序列或区域提高了预测精度。; 戴超杨春玲郑钊彪; 关键词：块匹配

全选清除导出

共1页<1>

戴超