2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩124頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著信息技術(shù)和互聯(lián)網(wǎng)的飛速發(fā)展,新一代高效視頻編碼技術(shù)已經(jīng)成為近年來學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)之一。目前主流的H.264/AVC、AVS編碼標(biāo)準(zhǔn)的壓縮性能比以往的任何標(biāo)準(zhǔn)都提高了一倍以上。但是在網(wǎng)絡(luò)帶寬受限情況下,這些視頻編碼技術(shù)仍舊難以達(dá)到令人滿意的效果,而且在傳輸過程中容易發(fā)生錯(cuò)誤。因此如何在帶寬受限情況下進(jìn)一步提高視頻編碼的效率以及提高錯(cuò)誤隱藏的性能引起人們越來越多的關(guān)注。從信號(hào)處理的角度,可以先對(duì)輸入信號(hào)進(jìn)行下采樣(在空域或者時(shí)域

2、)并編碼下采樣后的信號(hào),然后對(duì)重構(gòu)的下采樣信號(hào)進(jìn)行上采樣(空域上稱之為插值,時(shí)域上稱之為幀率轉(zhuǎn)換)以恢復(fù)到原來的分辨率或者幀率。幀率轉(zhuǎn)換和插值算法性能的好壞直接影響到這種視頻編碼方案的壓縮效率。
  從信息論的角度,幀率轉(zhuǎn)換、插值和錯(cuò)誤隱藏都可被視為統(tǒng)計(jì)推斷過程:從已知的觀察值來預(yù)測和估計(jì)一些未知量。推斷效率的高低取決于描述原始信號(hào)的模型的準(zhǔn)確性。傳統(tǒng)的幀率轉(zhuǎn)換和錯(cuò)誤隱藏算法采用平移運(yùn)動(dòng)模型來描述連續(xù)幀之間的相關(guān)性,但是這種模型不

3、能準(zhǔn)確刻畫局部圖像的特性,因此會(huì)造成原始信號(hào)和預(yù)測信號(hào)之間較大的誤差。為了提高預(yù)測精度,本文從統(tǒng)計(jì)推斷的角度出發(fā),對(duì)幀率轉(zhuǎn)換、插值和錯(cuò)誤隱藏的若干問題進(jìn)行了深入的研究。具體地,本文的主要內(nèi)容包括如下:
  第一,傳統(tǒng)的幀率轉(zhuǎn)換大都利用平移運(yùn)動(dòng)模型為待插幀尋找準(zhǔn)確的運(yùn)動(dòng)信息,但是這些方法不能刻畫圖像的局部特性。為了提高幀率轉(zhuǎn)換的性能,本文提出了基于時(shí)空自回歸(STAR)模型的幀率轉(zhuǎn)換方法。在提出的STAR模型中,待插幀內(nèi)的任一像素都

4、可以表示成一個(gè)樣本空間內(nèi)所有像素的加權(quán)和。該樣本空間包括其前、后鄰近幀內(nèi)以對(duì)應(yīng)位置為中心的一個(gè)方形鄰域和當(dāng)前幀內(nèi)由已經(jīng)插值出的部分像素組成的鄰域。為了提高插值幀的質(zhì)量,本文提出了一種自反饋算法用來逼近最優(yōu)的STAR系數(shù)。在每次迭代過程中,待插幀內(nèi)各個(gè)訓(xùn)練窗內(nèi)的像素首先由其前、后向鄰近幀對(duì)應(yīng)像素和待插幀內(nèi)已經(jīng)插值出的像素的加權(quán)和得到。然后原始幀訓(xùn)練窗內(nèi)的真實(shí)像素也可以由前一步驟中相同的STAR系數(shù)和樣本空間得到。訓(xùn)練窗內(nèi)的STAR系數(shù)可以

5、通過最小化其對(duì)應(yīng)的插值誤差和(包括前、后向插值幀內(nèi)本次和上次迭代后的誤差以及當(dāng)前真實(shí)幀和此次迭代后的誤差)得到。實(shí)驗(yàn)結(jié)果表明該模型能有效提升插值幀的主觀和客觀質(zhì)量,尤其是對(duì)一些細(xì)節(jié)豐富的區(qū)域。
  第二,在STAR模型中,前后幀的鄰域以當(dāng)前幀相同位置的像素為中心。因此,對(duì)運(yùn)動(dòng)中等或者劇烈的序列難以準(zhǔn)確刻畫運(yùn)動(dòng)物體的局部特性。為了解決STAR模型的不足,本文提出了基于運(yùn)動(dòng)對(duì)齊的自回歸(MAAR)模型的幀率轉(zhuǎn)換算法。MAAR模型中,待

6、插幀內(nèi)各個(gè)像素可被看作是由前向運(yùn)動(dòng)對(duì)齊自回歸(Fw-MAAR)模型和后向運(yùn)動(dòng)對(duì)齊自回歸(Bw-MAAR)模型生成結(jié)果的平均。Fw-MAAR中,待插幀內(nèi)各個(gè)像素可由其前向鄰近幀內(nèi)以運(yùn)動(dòng)對(duì)齊像素為中心的一個(gè)方形鄰域內(nèi)所有像素的加權(quán)和得到。為了得到較為精確的Fw-MAAR權(quán)值系數(shù),假設(shè)相鄰幀F(xiàn)w-MAAR的權(quán)值系數(shù)相同,后向鄰近幀內(nèi)運(yùn)動(dòng)對(duì)齊的對(duì)應(yīng)像素也可看作是待插幀內(nèi)運(yùn)動(dòng)對(duì)齊的鄰域內(nèi)像素的加權(quán)和。這樣后向鄰近幀內(nèi)運(yùn)動(dòng)對(duì)齊的像素可被看作是其前向

7、鄰近幀內(nèi)一個(gè)較大鄰域內(nèi)所有像素的加權(quán)和。Bw-MAAR與Fw-MAAR類似,唯一不同之處在于前者是沿著與后者相反方向進(jìn)行插值的。為了得到更好的插值結(jié)果,本文提出一種阻尼牛頓算法來得到較為精確的MAAR權(quán)值系數(shù)。實(shí)驗(yàn)結(jié)果表明MAAR模型能夠獲得比STAR模型更為魯棒的結(jié)果。
  第三,針對(duì)錯(cuò)誤隱藏問題,本文提出一種基于自回歸模型和加權(quán)最小二乘法的錯(cuò)誤隱藏算法。該錯(cuò)誤隱藏算法首先從周圍正確解碼的塊中選取出錯(cuò)塊最優(yōu)的運(yùn)動(dòng)矢量。出錯(cuò)塊內(nèi)每

8、個(gè)像素都被恢復(fù)為以最優(yōu)運(yùn)動(dòng)矢量所指向的像素為中心的方形鄰域內(nèi)所有像素的加權(quán)和。然后本文分別在空域連續(xù)限制和時(shí)域連續(xù)限制條件下提出兩種算法來得到自回歸模型最優(yōu)的加權(quán)系數(shù)。在空域連續(xù)限制條件下,通過最小化周圍正確解碼塊內(nèi)所有像素樣本的加權(quán)誤差平方和來得到一組最優(yōu)的系數(shù)。周圍塊中每個(gè)樣本的置信權(quán)重與該樣本和出錯(cuò)塊的距離成反比。在時(shí)域連續(xù)限制條件下,通過最小化前向幀內(nèi)擴(kuò)充后的運(yùn)動(dòng)對(duì)齊塊中所有像素的加權(quán)誤差平方和來得到另一組最優(yōu)的系數(shù)。擴(kuò)充像素樣

9、本的置信權(quán)重與運(yùn)動(dòng)對(duì)齊塊的距離成反比。融合這兩種方法得到的結(jié)果可以得到出錯(cuò)塊最終的隱藏結(jié)果。實(shí)驗(yàn)結(jié)果表明該算法能有效提高恢復(fù)塊的質(zhì)量。
  第四,傳統(tǒng)的圖像下采樣方法致力于去除下采樣圖像的混疊效應(yīng),然而這些方法忽略了對(duì)低分辨率圖像進(jìn)行上采樣(插值)后的影響。針對(duì)這一問題,本文提出了插值依賴的圖像自適應(yīng)下采樣(IDIDS)算法來獲得較高質(zhì)量的上采樣圖像。IDIDS通過最小化輸入圖像和對(duì)應(yīng)的插值圖像之間的誤差平方和來得到最優(yōu)的下采樣圖

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論