公共文化服务平台

基于结构化观测矩阵的低复杂度视频编码: 2016年; 低复杂度视频编码越来越受到人们的关注。压缩感知理论具有同时采样和压缩信号的特点,可用于低复杂度视频编码设计。针对基于随机观测矩阵的传统压缩感知(Compressive sensing,CS)理论很难实际应用这一问题,提出采用结构化观测矩阵的CS算法对视频编解码。探讨了结构化观测矩阵的特点和构造方法,分析了不同类型结构化观测矩阵实现信号精确重构的理论,设计了基于结构化观测矩阵的CS视频编解码算法。实验证明了所提算法的有效性,同时由于结构化观测矩阵高效、易于硬件实现,因此该算法在低复杂度视频场合具有良好的应用前景。; 武晓嘉郭继昌; 关键词：低复杂度

Robust Principal Component Analysis via Truncated Nuclear Norm Minimization: 2016年; Robust principal component analysis(PCA) is widely used in many applications, such as image processing, data mining and bioinformatics. The existing methods for solving the robust PCA are mostly based on nuclear norm minimization. Those methods simultaneously minimize all the singular values, and thus the rank cannot be well approximated in practice. We extend the idea of truncated nuclear norm regularization(TNNR) to the robust PCA and consider truncated nuclear norm minimization(TNNM) instead of nuclear norm minimization(NNM). This method only minimizes the smallest N-r singular values to preserve the low-rank components, where N is the number of singular values and r is the matrix rank. Moreover, we propose an effective way to determine r via the shrinkage operator. Then we develop an effective iterative algorithm based on the alternating direction method to solve this optimization problem. Experimental results demonstrate the efficiency and accuracy of the TNNM method. Moreover, this method is much more robust in terms of the rank of the reconstructed matrix and the sparsity of the error.; 张艳郭继昌赵洁王博

一种隐私保护的监控视频目标跟踪系统: 2014年; 对现有基于压缩感知的视频目标跟踪系统进行改进,提出一种可实现隐私保护的监控视频目标跟踪系统。在编码端采用结构化随机矩阵,以提高随机采样矩阵的生成速度。在解码端采用GPSR-BB算法,以提高系统抗噪性。利用粒子滤波器算法实现目标跟踪,减少跟踪结果误差对压缩感知恢复算法准确性的影响和分析时间。实验结果表明,该系统在实现隐私保护的同时,提高了系统对光照的鲁棒性,在室内外光照条件下均能准确跟踪目标。与BP和Lasso方法相比,分别可节约30.3%和51.6%的处理时间。; 胡晓莉郭继昌; 关键词：目标跟踪粒子滤波梯度投影基追踪

基于多层分块自适应压缩感知的图像编解码方法被引量：4: 2014年; 压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。; 孙骏郭继昌; 关键词：图像处理压缩感知

Efficient recovery of group-sparse signals with truncated and reweighted l_(2,1)-regularization被引量：2: 2017年; The l2, 1-norm regularization can efficiently recover group-sparse signals whose non-zero coefficients occur in a few groups. It is well known that the l2, 1-norm regularization based on the classic alternating direction method shows strong stability and robustness in many applications. However, the l2, 1-norm regularization requires more measurements. In order to recover group-sparse signals with a better sparsity-measurement tradeoff, the truncated l2, 1-norm regularization and reweighted l2, 1-norm regularization are proposed for the recovery of group-sparse signals based on the iterative support detection. The proposed algorithms are tested and compared with the l2, 1-norm model on a series of synthetic signals and the Shepp-Logan phantom. Experimental results demonstrate the performance of the proposed algorithms, especially at a low sample rate and high sparsity level. © 1990-2011 Beijing Institute of Aerospace Information.; Yan ZhangJichang GuoXianguo Li; 关键词：RECOVERY

一种基于字典学习的压缩感知视频编解码模型被引量：4: 2015年; 无线多媒体传感器网络中针对视频信号处理的两个重要的问题是如何高效编解码和如何抵抗信道误码。结合压缩感知和字典学习理论,提出了一种应用于无线传感器网络的基于字典学习的压缩感知视频编解码模型。模型整体采用压缩感知理论以降低编码端复杂度,提高系统抗误码性。编码端应用差分编码和跳帧模式大大减少了信道传输数据量;解码端采用字典学习算法增强图像的稀疏表示能力,从而提高视频重构精度。本模型在实现高效编码的同时将计算复杂度从编码端转移到解码端,从而满足编码端资源受限的应用场合。理论分析和仿真实验表明该模型可行并且有效。; 郭继昌金卯亨嘉; 关键词：压缩感知字典学习视频编解码无线多媒体传感器网络

一种利用预测运动矢量改进的H.264快速运动估计算法被引量：4: 2017年; 针对H.264标准推荐使用的快速运动估计算法——非对称十字型多层次六边形格点搜索(Unsymmetrical cross multi-hexagon grid search,UMHexagonS)算法搜索速度慢的问题,提出了一种改进算法。在起始搜索点的预测环节,建立预测矢量集,并根据预测矢量集的长度信息决定后续的搜索策略;在全局搜索环节,利用预测运动矢量之间的相关性适当跳过某些搜索步骤,并更换一些搜索模板;并且,根据整数变换和量化的特性检测全零系数块,提前终止运动估计过程。实验结果表明,在量化步长为28时,本文算法比UMHexagonS算法平均减少了34.80%的运动估计时间,同时编码性能基本不变。该算法在不同量化步长的条件下能够适应不同运动强度的视频序列,是一种适合H.264的速度快且性能好的快速运动估计算法。; 郭继昌邱琳耀张雪; 关键词：视频编码 H.264

一种基于分层特征学习的标签一致K-SVD图像分类方法: 2016年; 为更好提取信息丰富的图像表示,提出了一种基于分层特征学习的标签一致K-SVD图像分类方法。首先,对基于灰度或RGB类型的图像进行稠密的块采样,然后利用分层正交匹配追踪获取图像特征,代替传统的基于SIFT描述子结合空间金字塔池化的方式。在引入标签一致性约束后,利用K-SVD算法对已获取特征进行判别式字典的学习,同时得到了最优的线性分类器。实验结果表明,该方法在Caltech101、Oxford Flowers和UIUC-Sports 3类数据集中,分类准确率分别达到了76.7%、84.9%和87.1%,优于其他算法。; 王博郭继昌张艳; 关键词：图像表示图像分类

基于深度网络的可学习感受野算法在图像分类中的应用被引量：15: 2015年; 作为图像检索,图像组织和机器人视觉的基本任务,图像分类在计算机视觉和机器学习中受到了广泛的关注.用于目标识别及图像分类的多种基于深度学习的模型同样引发了该领域内的极大兴趣.本文提出了一种取代尺度不变特征变换(SIFT)和方向梯度直方图(HOG)描述子的算法,即利用深度分层结构,按层级学习有效的图像表示,直接从原始像素点学习特征.该方法分别利用K--奇异值分解(K--SVD)和正交匹配追踪(OMP)进行字典训练和编码.此外,本文采用了同时学习分类器和用于池化的感受野方案.实验结果证明,上述算法在目标(Oxford flowers)和事件(UIUC--sports)图像分类测试集中取得了更好的分类性能.; 王博郭继昌张艳; 关键词：图像分类分层结构深度网络感受野

基于广义轮换矩阵的伪随机广义二进制轮换矩阵设计被引量：1: 2014年; 压缩感知中,测量矩阵在信号的获取和重构过程中起着重要的作用。传统的随机测量矩阵在采样率较高的情况下,能够获得比较好的重构效果,但在低采样率下的重构效果不够理想。确定性测量矩阵自身存在一些限制因素,与随机测量矩阵相比,重构效果有所降低。基于广义轮换矩阵(GR),提出了两种结构随机矩阵:广义二进制轮换矩阵(GBR)和伪随机广义二进制轮换矩阵(PGBR)。仿真结果表明,相对于传统的测量矩阵,新的测量矩阵在二维图像重建方面效果较好,所需重构时间相差不大,在较低的采样率下能够获得更加精确的重建。; 郭继昌孙骏; 关键词：压缩感知测量矩阵

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家教育部博士点基金(20120032110034)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家教育部博士点基金(20120032110034)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈