基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
现有的分块视频压缩感知在获取边信息时,通常对所有图像块均采用固定权值边信息合成方法,该方法忽略了不同图像块之间相关度不同的问题.针对这一问题,根据贝叶斯压缩感知和运动估计理论,提出了一种基于块的分类加权边信息生成方案的分布式视频解码方法.在解码端利用相邻关键帧中不同块的相关度差异,对相邻关键帧进行基于块的分类加权运动估计,生成边信息,进而完成非关键帧的重构.考虑到加权系数的大小取决于相邻关键帧对应块的相关度,所采用的重建算法是基于TSW-CS模型的贝叶斯压缩感知重构算法.分别采用固定权值边信息生成方法和分类加权边信息生成方法对不同视频序列进行了实验对比,实验结果表明,采用分类加权边信息方法生成的视频重建PSNR值比固定权值边信息生成方法平均提高了0.2~0.5 dB,所采用的解码方法可有效地提高视频压缩感知重构质量.
推荐文章
块分类的双向估计加权边信息生成算法
分布式视频编码
边信息
Wyner-Ziv编码
双向运动补偿
块分类
加权判决
低剂量CT的加权总变差重建算法
压缩感知
CT重建
稀疏角度重建
分块代数重建技术
加权迭代支持检测
基于加权局部线性KNN的文本分类算法
稀疏表示
加权
局部线性K最近邻
文本分类
基于改进特征加权的朴素贝叶斯分类算法
文本分类
朴素贝叶斯
JS散度
词频
文本频率
类别频率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于分类加权边信息的DVCS重建算法
来源期刊 计算机技术与发展 学科 工学
关键词 边信息 运动估计 贝叶斯压缩感知 小波树 分布式视频编码
年,卷(期) 2017,(5) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 87-91,96
页数 6页 分类号 TP919.81
字数 5383字 语种 中文
DOI 10.3969/j.issn.1673-629X.2017.05.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈瑞 南京工程学院通信工程学院 62 173 7.0 8.0
2 杨洁 南京工程学院通信工程学院 40 83 5.0 7.0
3 曹雪虹 南京工程学院通信工程学院 57 151 8.0 8.0
4 戴越越 南京邮电大学通信与信息工程学院 2 3 1.0 1.0
5 曹雪情 南京邮电大学通信与信息工程学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (94)
共引文献  (240)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1952(1)
  • 参考文献(0)
  • 二级参考文献(1)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(12)
  • 参考文献(0)
  • 二级参考文献(12)
2007(11)
  • 参考文献(0)
  • 二级参考文献(11)
2008(16)
  • 参考文献(0)
  • 二级参考文献(16)
2009(20)
  • 参考文献(1)
  • 二级参考文献(19)
2010(10)
  • 参考文献(1)
  • 二级参考文献(9)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(7)
  • 参考文献(1)
  • 二级参考文献(6)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
边信息
运动估计
贝叶斯压缩感知
小波树
分布式视频编码
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
相关基金
江苏省自然科学基金
英文译名:Natural Science Foundation of Jiangsu Province
官方网址:http://www.jsnsf.gov.cn/News.aspx?a=37
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导