检索结果-内蒙古大学图书馆

作者：董育宁朱磊南京邮电大学通信与信息工程学院南京 210003 苏州大学江苏省计算机信息处理技术重点实验室苏州 215006 南京邮电大学通信与信息工程学院南京 210003

提出了一种H．264视频流的自适应时空域误码掩盖方法。首先根据受损宏块周围的邻居宏块编码模式来估计受损宏块的编码模式，进而确定对于受损宏块采取空域还是时域方法进行掩盖。时域方面，根据其邻居宏块的编码模式，自适应进行宏块分... 详细信息

提出了一种H．264视频流的自适应时空域误码掩盖方法。首先根据受损宏块周围的邻居宏块编码模式来估计受损宏块的编码模式，进而确定对于受损宏块采取空域还是时域方法进行掩盖。时域方面，根据其邻居宏块的编码模式，自适应进行宏块分割及运动估计，提高了运动矢量恢复的准确性。空域方面，采用了平均象素加权插值方法进行掩盖。实验结果表明，由于能自适应地选择空域与时域方法进行误码掩盖，该方法可以很好地适应各种视频序列情况，比如场景切换，剧烈运动图像等。算法的改进均基于解码端，不改变H．264原有的码流结构，具有广泛的应用性，与现有方法相比，提高了恢复的视频图像质量。

关键词：视频流时域误码空域误码掩盖自适应分割编码模式运动估计

来源：评论

学校读者我要写书评

暂无评论

Mobile-beacon based Localization Algorithm in Responsive Sensor Networks

Mobile-beacon based Localization Algorithm in Responsive Sen...

引用

第十届中国无线传感器网络大会(CWSN2016)

作者：徐骏吴敏沙超王汝传南京邮电大学计算机学院、软件学院南京 210003 南京邮电大学计算机学院、软件学院南京 210003 苏州大学江苏省计算机信息处理技术重点实验室苏州 215006

相对于静态锚节点定位算法而言，基于移动锚节点的定位机制能较好地提升定位的准确性。静态锚节点由于受到移动性的限制，在信号远距离传输过程中受到外界的干扰过多，从而导致信号衰减过大，导致某些节点定位误差过大的情况。本文的移... 详细信息

相对于静态锚节点定位算法而言，基于移动锚节点的定位机制能较好地提升定位的准确性。静态锚节点由于受到移动性的限制，在信号远距离传输过程中受到外界的干扰过多，从而导致信号衰减过大，导致某些节点定位误差过大的情况。本文的移动定位算法基于蜂窝模型，使用中心锚节点和边缘锚节点协作遍历模型的中心和边缘位置，在对应的位置上对未知节点广播信号，保证未知节点至少能够收到来自三个锚节点的信号值，从而能够在较短的时间内定位覆盖区域的未知节点。

关键词：蜂窝模型协作遍历移动信标

来源：评论

学校读者我要写书评

暂无评论

一种基于粒子滤波和GVF-Snake的目标跟踪算法

一种基于粒子滤波和GVF-Snake的目标跟踪算法

引用

第七届全国信号与信息处理联合会议暨首届全国省(市)级图象图形学会联合年会

作者：董春利董育宁刘杰南京邮电大学通信与信息工程学院南京 210003 南京交通职业技术学院南京 211188 南京邮电大学通信与信息工程学院南京 210003 苏州大学江苏省计算机信息处理技术重点实验室苏州 215006 南京邮电大学通信与信息工程学院南京 210003

本文首先采用背景差分法获取目标初始轮廓，利用改进的GVF-Snake的强大搜索能力，使snake收敛至目标的真实轮廓;并根据控制点的距离增删控制点。然后通过结合粒了滤波和改进的GVF-Snake模型，得到一种新的能量粒子滤波(EPF)目标跟踪算... 详细信息

本文首先采用背景差分法获取目标初始轮廓，利用改进的GVF-Snake的强大搜索能力，使snake收敛至目标的真实轮廓;并根据控制点的距离增删控制点。然后通过结合粒了滤波和改进的GVF-Snake模型，得到一种新的能量粒子滤波(EPF)目标跟踪算法。实验表明：在整个跟踪过程中，本文算法能够充分利用GVF-Snake目标轮廓大部分没有被遮挡的轮廓点信息，并使得被跟踪目标在长时间遮挡情况下也能保持良好的跟踪效果。

关键词：能量粒子滤波 GVF-Snake模型变形目标轮廓跟踪目标跟踪算法背景差分法

来源：评论

学校读者我要写书评

暂无评论

基于高效注意力机制的人脸超分辨网络

引用

计算机与数字工程 2024年第10期52卷 3065-3071页

作者：许子祥豆锐李佳雯高广谓南京邮电大学自动化学院南京210023 苏州大学江苏省计算机信息处理技术重点实验室苏州215000

目前,通过与面部先验联合的深度学习方法已经能够较好地恢复退化后的人脸图像细节。然而这些方法存在着一些不足。一方面,多任务联合训练需要在数据集上进行额外先验标记,并且引入先验预估将显著增加网络的计算量。另一方面,大多数方法... 详细信息

目前,通过与面部先验联合的深度学习方法已经能够较好地恢复退化后的人脸图像细节。然而这些方法存在着一些不足。一方面,多任务联合训练需要在数据集上进行额外先验标记,并且引入先验预估将显著增加网络的计算量。另一方面,大多数方法仅使用卷积神经网络(CNN),然而CNN有限的感受野会降低重构的完整性和面部图像的准确性。针对上述问题,提出了一种基于高效注意力机制的人脸超分辨率网络。该网络在不需要任何先验信息的辅助下,通过结合CNN与Transformer等注意力机制,能够有效地恢复人脸的全局结构与局部纹理细节。在各个数据集的大量实验都表明该网络可以达到理想的结果。

关键词：人脸超分辨率 Transformer 卷积神经网络注意力机制

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：