論文元數(shù)據(jù)搜索，找到相關(guān)信息共 3 條：
2006, 28(6): 1031-1035.
刊出日期：2006-06-19
關(guān)鍵詞:
圖像處理;模式識(shí)別;廣義局部沃爾什變換;紋理特征
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。
2003, 25(4): 573-576.
刊出日期：2003-04-19
關(guān)鍵詞:
量化; 運(yùn)動(dòng)補(bǔ)償; 全零系數(shù)塊
用H.263標(biāo)準(zhǔn)對(duì)甚低碼率圖像編碼時(shí)，經(jīng)過(guò)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(wú)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)。
, 最新更新時(shí)間: ,
doi: 10.11999/JEIT240796
在車載網(wǎng)絡(luò)(VANETs)中，聯(lián)邦學(xué)習(xí)(FL)通過(guò)協(xié)同訓(xùn)練機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)了車輛間的數(shù)據(jù)隱私保護(hù)，并提高了整體模型的性能。然而，F(xiàn)L在VANETs中的應(yīng)用仍面臨諸多挑戰(zhàn)，如模型泄露風(fēng)險(xiǎn)、訓(xùn)練結(jié)果驗(yàn)證困難以及高計(jì)算和通信成本等問(wèn)題。針對(duì)這些問(wèn)題，該文提出一種面向聯(lián)邦學(xué)習(xí)的可驗(yàn)證隱私保護(hù)批量聚合方案。首先，該方案基于Boneh-Lynn-Shacham (BLS)動(dòng)態(tài)短群聚合簽名技術(shù)，保護(hù)了客戶端與路邊單元(RSU)交互過(guò)程中的數(shù)據(jù)完整性，確保全局梯度模型更新與共享過(guò)程的不可篡改性。當(dāng)出現(xiàn)異常結(jié)果時(shí)，方案利用群簽名的特性實(shí)現(xiàn)車輛的可追溯性。其次，結(jié)合改進(jìn)的Cheon-Kim-Kim-Song (CKKS)線性同態(tài)哈希算法，對(duì)梯度聚合結(jié)果進(jìn)行驗(yàn)證，確保在聯(lián)邦學(xué)習(xí)的聚合過(guò)程中保持客戶端梯度的機(jī)密性，并驗(yàn)證聚合結(jié)果的準(zhǔn)確性，防止服務(wù)器篡改數(shù)據(jù)導(dǎo)致模型訓(xùn)練無(wú)效的問(wèn)題。此外，該方案還支持車輛在部分掉線的情況下繼續(xù)更新模型，保障系統(tǒng)的穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有方案相比，該方案在提升數(shù)據(jù)隱私安全性和結(jié)果的可驗(yàn)證性的同時(shí)，保證了較高效率。
