为了向用户推荐结构相似且时间效率较高的流程,提出了一种基于流程中活动发生的概率和时间的流程推荐方法。定义了一个模型PTN(probabilistic time Petri net)来表示流程,改进了一个现有的流程相似度方法并且将它命名为MDS(matrix dista...
详细信息
为了向用户推荐结构相似且时间效率较高的流程,提出了一种基于流程中活动发生的概率和时间的流程推荐方法。定义了一个模型PTN(probabilistic time Petri net)来表示流程,改进了一个现有的流程相似度方法并且将它命名为MDS(matrix distance similarity),用于找出流程库中与查询模型结构相似的流程集合,提出了一个最小加权时间方法(minimum weighted time,MWT),用于找出流程集合中时间效率较高的业务流程。在此基础上设计了相关算法,并且分析了时间复杂度。实验数据证明了方法的有效性和高效性。
考虑到HDR视频高动态范围和高精度的特殊性以及人眼视觉感知的复杂性,提出一种基于对比敏感度函数的高动态范围(HDR)视频编码率失真优化算法。首先,根据对比敏感度函数(CSF)的定义得出对比敏感度(CS)与人眼对误差敏感程度的关系;然后,针对10比特HDR视频的亮度分量,以树形编码单元(CTU,coding tree unit)为基本单位,求取影响视觉对比敏感度的适应亮度值以及空间频率的大小;最后,进一步修正对比敏感度值作为视觉感知因子,对HEVC编码过程中每个CTU的拉格朗日因子进行缩放,实现更加符合视觉感知的码率分配,去除感知冗余。实验结果显示,在相同HDR-VDP-2.2的Q因子和PSNR_DE分值下,和原始编码平台相比,码率平均节省5.6%和8.3%,有效提升HDR视频编码压缩的性能。
由于传统的视频信息隐藏算法缺乏对人眼视觉感知特性的研究,本文提出一种基于视觉感知的3D-HEVC(3D High Efficiency Video Coding,3D-HEVC)帧间信息隐藏算法。首先,根据立体显著模型和大津阈值,将立体视频图像分为显著区域和非显著区域...
详细信息
由于传统的视频信息隐藏算法缺乏对人眼视觉感知特性的研究,本文提出一种基于视觉感知的3D-HEVC(3D High Efficiency Video Coding,3D-HEVC)帧间信息隐藏算法。首先,根据立体显著模型和大津阈值,将立体视频图像分为显著区域和非显著区域;然后,建立隐秘信息与量化参数QP(Quantization Parameter,QP)的映射关系,且针对不同的区域,利用隐秘信息根据余数相等原则相应的调制P帧或B帧的QP值;最后,用含隐秘信息的QP进行编码。实验结果表明,该算法平均每帧嵌入容量为246bit,相比于原始HTM13.0,所提算法编码重建立体视频序列的PSNR值和SSIM值平均下降0.0314dB和0.000 058,比特率仅平均增长0.0741%,且能对隐秘信息盲提取。
超分辨率重建在视频的传输和显示中起着重要的作用。为了既保证重建视频的清晰度,又面向用户实时显示,提出了一种采用精简卷积神经网络的快速视频超分辨率重建方法。所提的精简卷积神经网络体现在以下三点:首先,考虑到输入的尺寸大小会直接影响网络的运算速度,所提网络省去传统方法的预插值过程,直接对多个低分辨率输入视频帧提取特征,并进行多维特征通道融合。接着,为了避免网络中产生零梯度而丢失视频的重要信息,采用参数线性纠正单元(Parametric Rectified Linear Unit,PReLU)作为激活函数,并采用尺寸更小的滤波器调整网络结构以进行多层映射。最后,在网络末端添加反卷积层上采样得到重建视频。实验结果显示,所提方法相比有代表性的方法在PSNR和SSIM指标上分别平均提升了0.32dB和0.016,同时在GPU下达到平均41帧/秒的重建速度。结果表明所提方法可快速重建质量更优的视频。
暂无评论