检索结果-内蒙古大学图书馆

计算机系统应用 2022年第7期31卷 179-185页

作者：陈宇尹文兵高戈王霄曾邦陈怡公安部第一研究所北京100048 武汉大学国家多媒体软件工程技术研究中心武汉430072 华中师范大学计算机学院武汉430077

传统生成对抗网络的语音增强算法(SEGAN)将时域语音波形作为映射目标,在低信噪比条件下,语音时域波形会淹没在噪声中,导致SEGAN的增强性能会急剧下降,语音失真现象较为严重.针对该问题,提出了一种多阶段的时频域生成对抗网络的语音增强... 详细信息

传统生成对抗网络的语音增强算法(SEGAN)将时域语音波形作为映射目标,在低信噪比条件下,语音时域波形会淹没在噪声中,导致SEGAN的增强性能会急剧下降,语音失真现象较为严重.针对该问题,提出了一种多阶段的时频域生成对抗网络的语音增强算法(multi-stage-time-frequency SEGAN,MS-TFSEGAN).MS-TFSEGAN采用了多阶段生成器与时频域双鉴别器的模型结构,不断对映射结果进行完善,同时捕获时域与频域信息.另外,为了进一步提升模型对频域细节信息的学习能力,MS-TFSEGAN在生成器损失函数中引入了频域L1损失.实验证明,在低信噪比条件下,MS-TFSEGAN的语音质量和可懂度与SEGAN相比分别提升了约13.32%和8.97%,作为语音识别前端时在CER上实现了7.3%的相对提升.

关键词：语音增强生成对抗网络低信噪比语音质量语音可懂度语音识别多阶段模型深度学习

来源：评论

学校读者我要写书评

暂无评论

基于CycleGAN的语音可懂度关键技术

引用

计算机系统应用 2022年第6期31卷 1-9页

作者：肖晶刘佳奇李登实赵兰馨王前瑞武汉大学计算机学院国家多媒体软件工程技术研究中心武汉430072 武汉大学多媒体与网络通信工程湖北省重点实验室武汉430072 江汉大学人工智能学院武汉430056

语音可懂度增强是一种在嘈杂环境中再现清晰语音的感知增强技术.许多研究通过说话风格转换(SSC)来增强语音可懂度,这种方法仅依靠伦巴第效应,因此在强噪声干扰下效果不佳. SSC还利用简单的线性变换对基频(F0)的转换进行建模,并且只映射... 详细信息

语音可懂度增强是一种在嘈杂环境中再现清晰语音的感知增强技术.许多研究通过说话风格转换(SSC)来增强语音可懂度,这种方法仅依靠伦巴第效应,因此在强噪声干扰下效果不佳. SSC还利用简单的线性变换对基频(F0)的转换进行建模,并且只映射很少维的梅尔倒谱系数(MCEPs).因为F0和MCEPs是语音的两个重要特征,对这些特征进行充分的建模是非常必要的.因此本文进行了一个创新性研究即通过连续小波变换(CWT)将F0分解为10维来描述不同时间尺度的语音,以实现F0的有效转换,而且使用20维表示MCEPs实现MCEPs的转换.除此之外,还利用iMetricGAN网络来优化强噪声中的语音可懂度指标.实验结果表明,提出的基于CycleGAN使用CWT和iMetricGAN的非平行语音风格转换方法 (NS-CiC)在客观和主观评价上均显著提高了强噪声环境下的语音可懂度.

关键词：深度学习可懂度增强连续小波变换 iMetricGAN CycleGAN

来源：评论

学校读者我要写书评

暂无评论

多源数据行人重识别研究综述

引用

自动化学报 2020年第9期46卷 1869-1884页

作者：叶钰王正梁超韩镇陈军胡瑞敏武汉大学计算机学院国家多媒体软件工程技术研究中心武汉430072 武汉大学多媒体网络通信工程湖北省重点实验室武汉430072 地球空间信息技术协同创新中心武汉430072 日本国立信息学研究所日本东京1638001

行人重识别是近年来计算机视觉领域的热点问题,经过多年的发展,基于可见光图像的一般行人重识别技术已经趋近成熟.然而,目前的研究多基于一个相对理想的假设,即行人图像都是在光照充足的条件下拍摄的高分辨率图像.因此虽然大多数的研究... 详细信息

行人重识别是近年来计算机视觉领域的热点问题,经过多年的发展,基于可见光图像的一般行人重识别技术已经趋近成熟.然而,目前的研究多基于一个相对理想的假设,即行人图像都是在光照充足的条件下拍摄的高分辨率图像.因此虽然大多数的研究都能取得较为满意的效果,但在实际环境中并不适用.多源数据行人重识别即利用多种行人信息进行行人匹配的问题.除了需要解决一般行人重识别所面临的问题外,多源数据行人重识别技术还需要解决不同类型行人信息与一般行人图片相互匹配时的差异问题,如低分辨率图像、红外图像、深度图像、文本信息和素描图像等.因此,与一般行人重识别方法相比,多源数据行人重识别研究更具实用性,同时也更具有挑战性.本文首先介绍了一般行人重识别的发展现状和所面临的问题,然后比较了多源数据行人重识别与一般行人重识别的区别,并根据不同数据类型总结了5类多源数据行人重识别问题,分别从方法、数据集两个方面对现有工作做了归纳和分析.与一般行人重识别技术相比,多源数据行人重识别的优点是可以充分利用各类数据学习跨模态和类型的特征转换.最后,本文讨论了多源数据行人重识别未来的发展.

关键词：多源数据行人重识别跨模态度量学习特征模型统一模态

来源：评论

学校读者我要写书评

暂无评论

基于逐阶共识计算的虚假物理身份属性检测方法

引用

武汉大学学报（理学版） 2020年第2期66卷 103-110页

作者：胡瑞敏张亚浩李登实王晓晨王超武汉大学计算机学院国家多媒体软件工程技术研究中心湖北武汉430072 武汉大学多媒体网络通信工程湖北省重点实验室湖北武汉430072 江汉大学数学与计算机科学学院湖北武汉430056

通过使用面具、变更指纹等技术,个人可以轻松冒充他人,这给物理身份识别带来巨大挑战。针对身份识别过程中属性伪造的问题,提出了一种基于逐阶共识计算的虚假物理身份属性检测方法。该方法首先进行身份识别;然后利用错误识别结果近邻关... 详细信息

通过使用面具、变更指纹等技术,个人可以轻松冒充他人,这给物理身份识别带来巨大挑战。针对身份识别过程中属性伪造的问题,提出了一种基于逐阶共识计算的虚假物理身份属性检测方法。该方法首先进行身份识别;然后利用错误识别结果近邻关系的差异,逐阶分析得到共识身份;最后分析共识身份在识别结果中的排序,以检测虚假属性。在人脸、指纹和声纹数据库上的实验结果表明,与多数表决方法相比,本文方法能有效检测出虚假物理身份属性,并具有更高的准确率。

关键词：可信计算虚假检测共识计算近邻关系身份识别

来源：评论

学校读者我要写书评

暂无评论

基于双稀疏优化的空域错误隐藏

引用

计算机工程 2019年第2期45卷 245-249页

作者：严静文肖晶高戈武汉大学国家多媒体软件工程技术研究中心武汉430072 武汉大学计算机学院武汉430072

现有空域错误隐藏算法通常利用线性插值或者常规稀疏表达恢复丢失像素,但线性插值在恢复不平滑图像时因邻域信息不一致导致恢复图像模糊,而常规稀疏表达因字典构建不当造成丢失像素重建效果较差。为此,提出一种改进的空域错误隐藏算法,... 详细信息

现有空域错误隐藏算法通常利用线性插值或者常规稀疏表达恢复丢失像素,但线性插值在恢复不平滑图像时因邻域信息不一致导致恢复图像模糊,而常规稀疏表达因字典构建不当造成丢失像素重建效果较差。为此,提出一种改进的空域错误隐藏算法,采用动态阈值搜索潜在集合和模板集合提高字典构建精度,利用典型相关分析获得双稀疏优化的初值,通过稀疏重建恢复丢失像素。实验结果表明,与现有主流算法相比,该算法的峰值信噪比至少提高1. 23 dB,具有较好的错误隐藏效果。

关键词：空域错误隐藏线性插值 I帧丢失字典构建稀疏优化

来源：评论

学校读者我要写书评

暂无评论

星地协同的卫星视频高效压缩方法

引用

武汉大学学报（信息科学版） 2018年第12期43卷 2197-2204页

作者：肖晶胡瑞敏武汉大学计算机学院国家多媒体软件工程技术研究中心湖北武汉430072 地球空间信息技术协同创新中心湖北武汉430079 武汉大学多媒体网络通信工程湖北省重点实验室湖北武汉430072

新兴的视频卫星数据采集速率与星地实时传输速率间存在巨大差异。传统视频编码技术通过去除单个视频中短时局部冗余以降低待传输数据量,但仍无法满足在现有星地传输带宽下实时数据传输的需求。长程背景冗余由多个遥感视频对同一观测区... 详细信息

新兴的视频卫星数据采集速率与星地实时传输速率间存在巨大差异。传统视频编码技术通过去除单个视频中短时局部冗余以降低待传输数据量,但仍无法满足在现有星地传输带宽下实时数据传输的需求。长程背景冗余由多个遥感视频对同一观测区域重复拍摄所引发,广泛存在于具有一定时间跨度的重复拍摄的卫星遥感视频数据中。针对这一冗余去除问题,首先探讨了影响地貌背景变化的主要因素,提出了长程背景参考字典;其次,提出了基于长程背景参考字典的参考帧生成方法;最后,提出了基于长程背景参考的卫星视频编解码框架。实验表明,通过引入长程背景字典参考,卫星视频压缩后码率较现有方法降低64.38%,有助于推动卫星视频实时监测的发展与应用。

关键词：卫星视频数据高效视频压缩长程背景冗余星地协同

来源：评论

学校读者我要写书评

暂无评论

音频水印提取算法中降低信号方差的方法

引用

计算机应用研究 2018年第1期35卷 222-225页

作者：吕冰陈怡高戈刘影华中师范大学计算机学院武汉430070 武汉大学计算机学院国家多媒体软件工程技术研究中心武汉430070

如何从已受干扰或攻击的嵌有水印信息的音频中提取水印信息,或证明水印信息的存在,是音频水印提取算法中研究的重点和难点。简单描述了音频水印的提取算法,针对音频信号方差对水印提取结果的影响,在MATLAB环境下对降低信号方差的四种方... 详细信息

如何从已受干扰或攻击的嵌有水印信息的音频中提取水印信息,或证明水印信息的存在,是音频水印提取算法中研究的重点和难点。简单描述了音频水印的提取算法,针对音频信号方差对水印提取结果的影响,在MATLAB环境下对降低信号方差的四种方法进行了代码实现及实验分析,并基于这四种方法的实现原理和滤波结果提出了线性预测倒谱滤波方法。实验结果表明,五种方法都明显减小了样本点的幅度,使信号的方差大幅降低,而且新方法的效果更加明显,从而提高了水印的检测率。

关键词：音频水印检测信号方差滤波方法

来源：评论

学校读者我要写书评

暂无评论

空间位置约束下的三维音频对象参数动态量化

引用

计算机科学与探索 2018年第1期12卷 29-38页

作者：李雪哲王晓晨高丽涂卫平柯善发武汉大学计算机学院软件工程国家重点实验室武汉430072 武汉大学计算机学院国家多媒体软件工程技术研究中心武汉430072 武汉大学多媒体网络通信工程湖北省重点实验室武汉430072

近年来,在某些交互场景中,面向对象空间音频编码能够允许用户更加灵活地对特定对象进行个性化的渲染和重组。然而,如果对象音频分别编码会导致整体码率随着对象数目的增加而同步大幅增加。MPEG组织提出的面向对象音频编码(spatial audio... 详细信息

近年来,在某些交互场景中,面向对象空间音频编码能够允许用户更加灵活地对特定对象进行个性化的渲染和重组。然而,如果对象音频分别编码会导致整体码率随着对象数目的增加而同步大幅增加。MPEG组织提出的面向对象音频编码(spatial audio object coding,SAOC)可以将所有对象下混成一个单独的混合信号,同时为每个对象提取少量的边信息。但是,当其对超过32个对象音频进行编码时,边信息的码率会随着对象数目的增加而增大,甚至会远大于下混对象的码率。为了解决这个问题,提出一种在面向对象编码中基于空间位置约束的空间参数动态量化方法,以叠加定位原理为理论基础,利用虚拟声源的空间位置与产生该声源的音频对象的空间位置之间的约束关系,确定出空间约束区域以及局部空间量化码本,并针对提取出的虚拟声源的空间方位,进行空间参数的量化编码。最后给出主观实验和客观实验,表明在音质和空间方位大致相当的情况下,边信息的码率比SAOC方法降低约30%。

关键词：多对象音频编码空间参数空间位置约束动态量化

来源：评论

学校读者我要写书评

暂无评论

适用于声学传输的鲁棒交叉扩频水印算法

引用

计算机工程与设计 2018年第2期39卷 492-498,536页

作者：刘影陈怡高戈吕冰张康华中师范大学计算机学院湖北武汉430000 武汉大学计算机学院国家多媒体软件工程技术研究中心湖北武汉430000

为使音频水印技术更好地应用于移动互联网络中以实现广播电视节目与观众的实时互动,提出一种基于扩频水印技术(SS)的交叉扩频水印算法(CSS),利用音频信号交叉帧之间的高度相关性减小水印检测统计量的方差,降低检测错误率,进一步提出交... 详细信息

为使音频水印技术更好地应用于移动互联网络中以实现广播电视节目与观众的实时互动,提出一种基于扩频水印技术(SS)的交叉扩频水印算法(CSS),利用音频信号交叉帧之间的高度相关性减小水印检测统计量的方差,降低检测错误率,进一步提出交叉扩频水印算法的改进算法(ICSS)以提高水印鲁棒性。理论分析与仿真结果表明,ICSS可明显降低原始音频信号对水印的干扰,对MP3压缩以及由Stirmark Benchmark引起的常见失真有较强的鲁棒性,能抵抗室内混响和环境噪声,适用于移动互联网络中的声学传输。

关键词：移动互联网络声传输扩频水印交叉扩频鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于音调调整的AVS-P10带宽扩展优化方案

引用

计算机工程 2018年第10期44卷 286-291页

作者：袁凤强王晓晨王中元陈丹姜林武汉大学国家多媒体软件工程技术研究中心武汉430072 武汉大学计算机学院武汉430072 东华理工大学软件学院南昌330013

AVS-P10是低码率带宽扩展方案的国家标准,但其仅利用高频包络信息和高频增益调整还原信号的高频部分,导致还原音质较差。为此,在研究AVS-P10带宽扩展原理的基础上,提出一种基于音调调整的带宽扩展优化方案。在编码端通过快速傅里叶变换... 详细信息

AVS-P10是低码率带宽扩展方案的国家标准,但其仅利用高频包络信息和高频增益调整还原信号的高频部分,导致还原音质较差。为此,在研究AVS-P10带宽扩展原理的基础上,提出一种基于音调调整的带宽扩展优化方案。在编码端通过快速傅里叶变换域提取音调参数,在解码端根据音调参数对高频陡峭的峰和谷做精细调整,使重建后的谱包络结构更接近原始语音。实验结果表明,该方案在重建音质上相较于原AVS-P10标准,客观评价指标ODG得分提高9. 4%,主观评价指标CMOS得分提高1. 14分,还原音质有明显改善。

关键词：移动音频 AVS-P10标准快速傅里叶变换带宽扩展音调调整

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：