【摘 要】
：
为了在控制宽色域视频图像多路径传输时延的同时,增强视频传输质量,提出宽色域视频图像多路径并行传输方法.根据色域标准条件和颜色测量原理,计算并获得色域边界的具体数值.建立宽色域视频图像信息之间的扩展映射关系,在此基础上分别定义数据包中的周期性数据帧、非周期性数据帧,提高了多路径环境中的传输稳定性.通过发现节点并建立链接的处理方式,完成视频图像的多路径并行传输编码,实现了宽色域视频图像多路径并行传输.实例分析结果表明,与Kirsch算子图像分割法相比,多路径并行传输方法在处理宽色域视频图像时始终保持较低的传输
【机 构】
：
中国人民解放军92941部队45分队,辽宁 葫芦岛 125000
论文部分内容阅读
为了在控制宽色域视频图像多路径传输时延的同时,增强视频传输质量,提出宽色域视频图像多路径并行传输方法.根据色域标准条件和颜色测量原理,计算并获得色域边界的具体数值.建立宽色域视频图像信息之间的扩展映射关系,在此基础上分别定义数据包中的周期性数据帧、非周期性数据帧,提高了多路径环境中的传输稳定性.通过发现节点并建立链接的处理方式,完成视频图像的多路径并行传输编码,实现了宽色域视频图像多路径并行传输.实例分析结果表明,与Kirsch算子图像分割法相比,多路径并行传输方法在处理宽色域视频图像时始终保持较低的传输时延(未超过30 ms),且在实验过程中显示带宽均高于700 Kb/s,实现了增强视频传输质量的目的.
其他文献
针对传统粒子滤波算法在跟踪目标所处环境迁移,目标姿态变化和发生遮挡时容易出现跟踪框漂移现象,提出一种基于灰狼算法优化的粒子滤波跟踪方法(GWOPF).首先,将全局特征HSV颜色特征和局部特征方向梯度直方图(HOG)特征加权融合建立观测模型;然后,用灰狼算法(GWO)优化粒子滤波算法结构,利用GWO位置更新机制改善粒子空间分布状况,在粒子重采样前进行权值自适应调节,解决原始粒子滤波方法采样时出现的粒子退化问题并优化滤波效果.实验结果表明,改进后的算法在具有挑战的Tiger和Girl视频序列中跟踪成功率分别达
内河河道水面的浮萍是造成水环境恶劣的一个重要原因.文中设计了一个内河河道监视与浮萍识别系统,通过在河岸架设摄像头对河道状况进行实时采集监测.从采集到的自然河道图像中高效提取出河道线,进而准确检测、识别浮萍.通过HED神经网络实现了适用于野外河道图像的河道线提取;基于Mask-RCNN网络实现了浮萍的检测,并做到了预处理、识别与后处理一体化.实验结果显示:以交叉比作为评价标准,在样本容量为97的测试集上达到了93.8％的准确率,相比传统算法提高了30.6％;单张河道图片边缘提取速率达到了0.275 s,能够
针对高分辨率遥感图像在目标检测中存在准确率低、目标漏检的问题,提出一种基于改进Faster R?CNN的遥感目标检测算法.采用ResNet?50作为主体网络进行特征提取,降低模型参数量和硬件资源占用,将ResNet?50的多尺度特征进行融合,进一步丰富中小目标的细节信息和位置信息.根据遥感目标尺寸的实际分布特点,采用K?means算法生成聚类中心,针对遥感目标尺度差异过大的问题,对聚类中心进行均值化操作,生成自适应锚点框参数,增强了区域建议网络(RPN)对多尺度目标的搜索能力,节约了人工根据经验设置锚点框
针对乳腺肿瘤的诊断率及精准度较低的情况,提出一种基于改进的矢量量化(LVQ)神经网络乳腺肿瘤诊断算法.首先,基于LVQ1算法和LVQ2算法在网络训练过程中更新神经元数目的不同,建立结合LVQ1算法和LVQ2算法的复合LVQ神经网络;然后,考虑到不同的竞争层节点数对LVQ神经网络诊断率的影响,采用K交叉验证法确定复合LVQ最佳网络结构;最后,探讨了不变的学习率在网络训练后期对收敛速度的影响,采用自适应速率算法调整学习率,减少迭代次数.以Wisconsin Breast Cancer Database为实验样
为了满足半导体激光器(LD)对电流源高稳定性、低噪声的性能要求,文中基于负反馈原理设计一种可调节低噪声恒流源电路.该电路使用带隙基准电压源AD780BN提供低噪声、低温漂的基准电压,配合多路复用器ADG1606的选择功能,由低噪声运放LT1677构成的负反馈恒流驱动电路通过JFET将电压转换成电流,经过JFET和BJT构成的调整网络输出稳定的电流,实现了稳定的多电流输出.实际电路测试结果表明:该恒流源电路在3.8～5.5 V的输入电压范围内,输出电流稳定度在0.007％～0.029％之间;在电流调控模块控
回环检测是视觉SLAM中的一个重要模块,成功检测出回环能够有效减少环境地图生成过程中的累积误差.针对传统方法主要利用人工设计特征,具有对光照变化非常敏感等问题,将深度学习算法运用于回环检测中,提出一种基于卷积神经网络的回环检测算法.利用预训练的卷积神经网络模型VGG16提取图像卷积特征,选取网络末端的池化层作为图像的全局特征表示,并通过感知哈希算法判断特征相似性,验证回环.从准确性和运算时间上在New college数据集上评估该算法的性能.实验结果表明,相对于传统算法,提出的算法有着更高的准确度和速率,
为提高中文文本分类的效率和准确率,针对汉字象形字的特点和数据量剧增的大数据背景,建立基于深度学习的中文文本分类算法.首先根据汉字子字符(字形、偏旁、笔画等)象形字即形状自带含义的特点,建立基于子字符和上下文特征的双通道CBOW模型实现中文文本向量化;其次基于大数据的背景,针对传统的kNN算法分类速度慢的缺点,提出一种基于LSC聚类和多目标数据筛选的快速kNN分类算法;最后运用快速kNN算法对文本数据转化的特征词向量数据进行分类.实验结果表明,改进后的中文文本分类算法增加了算法的使用范围,能够更精确地处理中
针对当前夏比摆锤冲击试验中夏比试样摆放方式具有一定危险性,且摆放位置精度易受影响问题,提出一种改进LSD的夏比试样工位点定位方法.首先对采集到的夏比试样图像进行预处理操作,基于预处理后的图像,利用非极大值抑制改进LSD算法中直线支撑域的种子点选取方法,实现加快直线检测速度;然后对检测得到的直线进行共线筛选合并;最后进行工位点定位.实验结果表明,改进后的LSD算法在夏比试样工位点定位用时更短、精度更高,具有较好的工程应用价值.
针对传统卷积神经网络分类识别微纤维存在特征判别不明显的问题,构建了一种深度特征融合与重构的网络对其进行分类与识别.将卷积与深度可分离卷积特征进行融合,加强层间信息交流,提高特征判断指向能力,并在上采样之前分配通道和空间的权重进行特征重构,利用通道注意力与空间注意力相结合的策略使网络在学习的过程中将注意力集中在关键的特征信息处,同时,跳跃连接增加原始特征图,缓解拟合现象,强化微纤维区域关键特征信息,提升微纤维图像识别网络模型的表达能力和学习能力,从而改善微纤维识别效果.实验结果表明,微纤维识别率达到98.7
通常对电动汽车电池故障信号检测的研究,通过对电池性能的相关预测与研究为电池使用寿命的延长、汽车动力性能的增强以及安全性能的增大提供了技术上的支持.文中从电池的相关结构原理以及技术构成入手,提出了锂电池故障信号检测研究的具体方法设计,依托长短时记忆(LSTM)神经网络信号对故障电池检测方法进行深度分析研究,对电池故障分析构建具体算法与模型,有效地对电池的容量偏低故障、电压电流故障以及电池内阻偏大等故障进行输出检测,多次实验验证其检测方法的有效性,以便于提高电池整体的应用性能,为后期电池优化改进提供了实验基础