【摘 要】
：
目前,很多改进多描述编码(multiple description coding,MDC)的算法大多把重点放在减少冗余以及码字在各个描述的合理分配上,而忽略了数据中包含的信息量以及对编/解码器恢复图像时的重要程度。针对上述问题以及时间插值的MDC方案和空间插值的MDC方案各自的优缺点,设计了一个基于信息度优化的时空混合多描述编码的方案,该方案充分利用了H.264编/解码器的特点,预先估计出各帧数据
【机 构】
：
吉林师范大学计算机学院,北京航空航天大学计算机学院,北京航空航天大学软件学院,长春理工大学计算机学院
论文部分内容阅读
目前,很多改进多描述编码(multiple description coding,MDC)的算法大多把重点放在减少冗余以及码字在各个描述的合理分配上,而忽略了数据中包含的信息量以及对编/解码器恢复图像时的重要程度。针对上述问题以及时间插值的MDC方案和空间插值的MDC方案各自的优缺点,设计了一个基于信息度优化的时空混合多描述编码的方案,该方案充分利用了H.264编/解码器的特点,预先估计出各帧数据中对恢复图像的作用比,再利用不同级别的时空混合编码方案使多描述编码的码率分配更加合理。实验证明,在码率相
其他文献
在分析林分生长与收获模型在林业中的应用,以及林分生长与收获模型结构的基础上,设计并实现了一个通用的林分生长与收获模型数据库和模型解析器。模型解析器利用XML作为林分生长与收获模型的表达形式,运用编译原理中的词法分析、语法分析和语义分析等理论,实现了生长模型的解析。
提出一种面向快速全局运动估计的亮度残差阈值方法,通过统计特性推导出适用于不同分辨率大小视频编码的全局运动估计阈值因子。在保证视频编码性能的前提下,加快全局运动估计收敛于稳定值,实现快速全局运动估计的目标。实验证明,该方法具有较好的鲁棒性和准确性。
椭圆曲线基点的判断是实现椭圆曲线密码系统（elliptic curve cryptosystems,ECC）的基础。提出了一种针对ECC的基点并行判断算法,此算法基于OpenMP共享存储模型,其并行效率在多
研究了DSTC的无线中继网络中基于多用户公平性的功率分配策略。由于每个用户具有不同的信道状态,传统的功率分配方案不能满足各用户的QoS需求。为了满足用户之间的公平性,首先建立无线中继AF模式下的网络模型,然后结合LD空时码,运用最优机会中继策略,得到用户最大即时接收SNR,并在基站与中继分配功率受限条件下建立最大最差用户信道容量的功率分配方案。因为该问题是非线性、非凸优化问题,所以把优化问题转换为
为了减少视频编码的运算量,对全零块判决进行了深入的研究,并结合图像的纹理信息和帧间编码模式给出了自适应的全零块判决阈值,以此为基础提出了EPZS(enhanced predictive zonal search)的改进算法。实验结果表明,改进的EPZS算法在较好地保持H.264/AVC原有编码算法图像质量的同时,减少了运算量,大幅度提高了编码速度。
支持向量机(support vectormachine,SVM)具有良好的泛化性能而被广泛应用于机器学习及模式识别领域。然而,当训练集较大时,训练SVM需要极大的时间及空间开销。另一方面,SVM训练所得的判定函数取决于支持向量,使用支持向量集取代训练样本集进行学习,可以在不影响结果分类器分类精度的同时缩短训练时间。采用混合方法来削减训练数据集,实现潜在支持向量的选择,从而降低SVM训练所需的时间及
自毁技术对保护信息的私密性具有重要意义,是信息安全的终极手段。为实现分布式系统的自毁,建立了一种层次化自毁系统模型,基于粗糙集理论对自毁条件进行了判定,基于组件对自毁实现方法进行了设计。在此基础上,结合应用实例对自毁过程进行分析。结果表明,该方法有效地实现了分布式系统的不可恢复性自毁,自毁正确率和时间效率较高,具有较好的可行性和实用性。
TCG规范中的DAA(direct anonymous attestation)方案以CL数字签名(Camenisch and Lysyanskaya signa-ture scheme)为基础,结合了群签名和零知识证明等技术来实现直接匿名证明,其安全性是基于大数分解难解问题。随着计算机性能的提高和密码学的发展,基于大数分解难题问题很可能被攻击,相应的DAA方案也就变得不再安全,而基于椭圆曲线上的
提出了一种在三个锚节点的条件下基于到达角的测距方法,利用节点之间的几何关系实现传感器网络中未知节点的定位。通过仿真验证该方法能够对未知节点进行有效的定位;同时,该方法仅依赖到达角信息来确定节点的位置,从而降低了处理的复杂度、节省了节点的能量、提高了节点的寿命。
为了获得更好的决策树集成效果,在理论分析的基础上从数据的角度提出了一种基于代表性数据的决策树集成方法。该方法使用围绕中心点的划分(PAM)算法从原始训练集中提取出代表性训练集,由该代表性训练集来训练出多个决策树分类器,并由此建立决策树集成模型。该方法能选取尽可能少的代表性数据来训练出尽可能好的决策树集成模型。实验结果表明,该方法使用更少的代表性数据能获得比Bagging和Boosting还要高的决