一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

為了降低高性能視頻編碼(HEVC)的編碼計(jì)算復(fù)雜度，根據(jù)視頻時(shí)域上高度相關(guān)性的特點(diǎn)，該文提出一種快速高性能視頻編碼(HEVC)幀間預(yù)測(cè)單元(PU)模式判決算法。分析了時(shí)域上相鄰幀兩幀相同位置編碼單元(CU)的PU模式之間的相關(guān)性；同時(shí)，針對(duì)視頻中可能存在對(duì)象運(yùn)動(dòng)，還分析了前一幀對(duì)應(yīng)位置CU的周邊CU與當(dāng)前幀中當(dāng)前CU間PU模式的相關(guān)性。根據(jù)分析的時(shí)域相關(guān)性，跳過當(dāng)前CU中冗余的PU模式，從而降低編碼復(fù)雜度。實(shí)驗(yàn)結(jié)果表明，在編碼效率和峰值信噪比(PSNR)損失很小的情況下，在目前已有的HEVC快速幀間預(yù)測(cè)算法的基礎(chǔ)上，進(jìn)一步降低了31.30%的編碼時(shí)間。

該文提出一組基于廣義局部沃爾什變換(GLWT)的紋理特征。首先給出局部沃爾什變換(LWT)的定義，并在空域中對(duì)其加以推廣，用以提取圖像的局部紋理信息；然后在一個(gè)宏窗口中估計(jì)12個(gè)GLWT系數(shù)的二階矩作為圖像的紋理特征。對(duì)這組紋理特征的鑒別性能進(jìn)行了分析，并與Haralick(1973)，Wang Li(1990)，以及Yu Hui提出的紋理特征進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，該文提出的紋理特征具有更好的鑒別性能和分類能力。

隨著視頻編碼標(biāo)準(zhǔn)的不斷更新迭代，開放媒體聯(lián)盟(AOM)發(fā)布最新視頻編碼標(biāo)準(zhǔn)開放媒體視頻編碼標(biāo)準(zhǔn)(AV1)。其中，幀內(nèi)編碼技術(shù)采用更加豐富的預(yù)測(cè)模式來提高預(yù)測(cè)效率，預(yù)測(cè)種類從VP9中的10種擴(kuò)展至61種。為了應(yīng)對(duì)預(yù)測(cè)種類增加的變化并提高硬件的處理吞吐能力，該文提出基于全流水線結(jié)構(gòu)的AV1粗模式?jīng)Q策硬件架構(gòu)設(shè)計(jì)。在算法層面，以4×4塊為最小處理單元，按照Z順序?qū)?4×64編碼樹單元(CTU)中不同尺寸的預(yù)測(cè)單元(PUs)進(jìn)行粗模式?jīng)Q策，同時(shí)采用基于1:1 PU的代價(jià)累加近似方法來完成1:2, 1:4, 2:1和4:1 PU的代價(jià)計(jì)算，以減少計(jì)算復(fù)雜度；在硬件層面，設(shè)計(jì)兼容4×4至32×32等多尺寸PU的粗模式?jīng)Q策電路，取代為不同尺寸PU單獨(dú)設(shè)計(jì)電路的方法，有效減少邏輯資源的閑置。實(shí)驗(yàn)結(jié)果表明，在全幀內(nèi)(AI)配置下，提出的改進(jìn)算法相較于AV1標(biāo)準(zhǔn)算法平均節(jié)省了45.78%的時(shí)間，提高了1.94% BD-Rate。同時(shí)，提出的硬件架構(gòu)設(shè)計(jì)能夠在1057個(gè)時(shí)鐘周期內(nèi)完成64×64 CTU的粗模式?jīng)Q策，使用Synopsys公司的Design Compiler 2016工具及UMC 28 nm工藝庫對(duì)硬件設(shè)計(jì)綜合得到，該設(shè)計(jì)能夠在432.7 MHz工作頻率下實(shí)時(shí)處理8k@50.6fps的視頻。

該文利用飛行時(shí)間(Time-Of-Fligh, TOF)相機(jī)提供的距離圖像，在運(yùn)動(dòng)歷史圖像的基礎(chǔ)上提出一種基于多層運(yùn)動(dòng)歷史圖像的人體運(yùn)動(dòng)識(shí)別方法。計(jì)算距離輪廓序列的運(yùn)動(dòng)能量圖作為整體運(yùn)動(dòng)信息，同時(shí)根據(jù)距離變化量，計(jì)算前向、后向的多層運(yùn)動(dòng)歷史圖像作為局部運(yùn)動(dòng)信息，共同組成多層運(yùn)動(dòng)歷史圖像。為了解決Hu矩對(duì)不連續(xù)或具有噪聲的形狀較為敏感的問題，引入R變換對(duì)每層運(yùn)動(dòng)歷史圖像進(jìn)行特征提取，串聯(lián)形成特征向量送入SVM進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明，該識(shí)別方法可以有效識(shí)別人體運(yùn)動(dòng)。

針對(duì)高性能視頻編碼(HEVC)幀內(nèi)預(yù)測(cè)編碼算法復(fù)雜度較高的問題，該文提出一種基于感興趣區(qū)域的高性能視頻編碼幀內(nèi)預(yù)測(cè)優(yōu)化算法。首先，根據(jù)圖像顯著性劃分當(dāng)前幀的感興趣區(qū)域(ROI)和非感興趣區(qū)域(NROI)；然后，對(duì)ROI基于空域相關(guān)性采用提出的快速編碼單元(CU)劃分算法決定當(dāng)前編碼單元的最終劃分深度，跳過不必要的CU劃分過程；最后，基于ROI采用提出的預(yù)測(cè)單元(PU)模式快速選擇算法計(jì)算當(dāng)前PU的能量和方向，根據(jù)能量和方向確定當(dāng)前PU的預(yù)測(cè)模式，減少率失真代價(jià)的相關(guān)計(jì)算，達(dá)到降低編碼復(fù)雜度和節(jié)省編碼時(shí)間的目的。實(shí)驗(yàn)結(jié)果表明，在峰值信噪比(PSNR)損失僅為0.0390 dB的情況下，所提算法可以平均降低47.37%的編碼時(shí)間。

用H.263標(biāo)準(zhǔn)對(duì)甚低碼率圖像編碼時(shí)，經(jīng)過幀間預(yù)測(cè)后得到的運(yùn)動(dòng)補(bǔ)償數(shù)據(jù)通常很小，對(duì)這些數(shù)據(jù)再進(jìn)行DCT和量化后往往成為全零塊，Alice Yu算法和周算法是預(yù)先判別全零系數(shù)塊的較為有效的方法，但在對(duì)較為復(fù)雜的序列圖像進(jìn)行預(yù)測(cè)時(shí)分別出現(xiàn)了較大程度的誤判和漏判。針對(duì)這些缺點(diǎn)，該文提出了一種新的全零系數(shù)塊的判別方法，它具有能隨量化級(jí)的變化自適應(yīng)地調(diào)整全零塊的判斷閾值、無需任何附加運(yùn)算和對(duì)圖像序列內(nèi)容復(fù)雜程度不敏感的優(yōu)點(diǎn)，將該方法應(yīng)用于H.263編碼器中，對(duì)Miss America和News圖像序列進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)表明，大約有40％-80％的塊可以在做DCT和量化前被判別為全零系數(shù)塊，大大減少了編碼的時(shí)間，同時(shí)圖像質(zhì)量的下降控制在0.0005 dB以內(nèi)。

在認(rèn)知無線電(CR)網(wǎng)絡(luò)中，針對(duì)檢測(cè)頻段突然被主用戶(PU)占用導(dǎo)致次用戶頻譜檢測(cè)性能較差的情況。該文提出一種基于反饋疊加原理的改進(jìn)循環(huán)平穩(wěn)特征檢測(cè)算法，該算法通過將檢測(cè)周期后半部分采樣點(diǎn)的瞬時(shí)采樣值累加到檢測(cè)周期前半部分采樣點(diǎn)的瞬時(shí)采樣值上，在不延長(zhǎng)檢測(cè)時(shí)間的基礎(chǔ)上，提高了整個(gè)檢測(cè)周期的判決統(tǒng)計(jì)值，從而提高了系統(tǒng)檢測(cè)性能。并且從理論上詳細(xì)分析了該算法的檢測(cè)概率，虛警概率與吞吐量。仿真結(jié)果表明，該算法的檢測(cè)性能優(yōu)于傳統(tǒng)循環(huán)平穩(wěn)特征檢測(cè)算法和傳統(tǒng)能量檢測(cè)算法，并且保證了不錯(cuò)的用戶數(shù)據(jù)吞吐量。

無人機(jī)(UAV)的便攜性和高機(jī)動(dòng)性使其與認(rèn)知無線電(CR)結(jié)合的應(yīng)用場(chǎng)景更加實(shí)用。在構(gòu)建的無人機(jī)認(rèn)知無線網(wǎng)絡(luò)(CRN)模型中，該文提出UAV單弧度吞吐量?jī)?yōu)化方案，在確保檢測(cè)概率的前提下優(yōu)化感知弧度最大化UAV平均吞吐量?？紤]在信道條件不理想情況下進(jìn)一步改善感知性能，提出基于協(xié)作頻譜感知(CSS)的多弧度吞吐量?jī)?yōu)化方案，利用交替迭代優(yōu)化(AIO)算法對(duì)感知弧度和弧度數(shù)量進(jìn)行聯(lián)合優(yōu)化以最大化吞吐量。仿真結(jié)果表明，該文提出的多弧度協(xié)作頻譜感知方案在信道衰落嚴(yán)重時(shí)，對(duì)于主用戶(PU)服務(wù)質(zhì)量(QoS)和UAV吞吐量有明顯提升。

針對(duì)認(rèn)知無線電系統(tǒng)中的頻譜感知問題，該文采用隨機(jī)矩陣?yán)碚?Random Matrix Theory, RMT)對(duì)多認(rèn)知用戶(Secondary User, SU)接收信號(hào)采樣協(xié)方差矩陣的最大特征值的分布特性進(jìn)行了分析和研究，提出了一種新的基于雙特征值判決門限(Double Eigenvalue Threshold, DET)的合作頻譜感知算法。由該算法感知性能的理論分析可知：DET合作感知算法無需主用戶(Primary User, PU)發(fā)射機(jī)信號(hào)的先驗(yàn)知識(shí)，也不需要預(yù)先知道信道背景噪聲功率。仿真結(jié)果表明，與傳統(tǒng)的頻譜感知方法相比，該方法只需較少的認(rèn)知用戶就能獲得較高的感知性能，并且對(duì)噪聲的不確定性具有較強(qiáng)的魯棒性。

近年來，基于機(jī)器學(xué)習(xí)(ML)的頻譜感知技術(shù)為認(rèn)知無線電系統(tǒng)提供了新型的頻譜狀態(tài)監(jiān)測(cè)解決方案。利用蜂窩認(rèn)知無線電網(wǎng)絡(luò)(CCRN)中的次級(jí)用戶設(shè)備(SUE)所能提供的大量頻譜觀測(cè)數(shù)據(jù)，該文提出了一種基于主用戶(PU)傳輸模式分類的頻譜感知方案。首先，基于多種典型的ML算法，對(duì)于網(wǎng)絡(luò)中的多個(gè)主用戶發(fā)射機(jī)(PUT)的傳輸模式進(jìn)行分類辨識(shí)，在網(wǎng)絡(luò)整體層面上確定所有PUT的聯(lián)合工作狀態(tài)。然后，網(wǎng)絡(luò)中的SUE根據(jù)其所處地理位置或者頻譜觀測(cè)數(shù)據(jù)，判斷其在當(dāng)前已判定的PUT發(fā)射模式下接入授權(quán)頻譜的可能性。由于PUT在網(wǎng)絡(luò)中的實(shí)際位置可能事先已知或者無法提前確定，該文給出了3種不同的處理方法。理論推導(dǎo)與實(shí)驗(yàn)結(jié)果表明，所提方案與傳統(tǒng)的能量檢測(cè)方案相比，不僅改善了頻譜感知性能，還增加了蜂窩認(rèn)知網(wǎng)絡(luò)對(duì)于授權(quán)頻譜的動(dòng)態(tài)訪問機(jī)會(huì)。該方案可以作為蜂窩認(rèn)知無線電網(wǎng)絡(luò)中的一種高效實(shí)用的頻譜感知解決方案。