针对从动态背景中提取前景效果较差的问题,提出了一种基于深度自编码网络的运动目标检测方法。首先,用一个三层的深度自编码网络从视频图像中提取不包含运动目标的背景图像,将背景图像作为变量构造了深度自编码网络的代价函数;然后,构...针对从动态背景中提取前景效果较差的问题,提出了一种基于深度自编码网络的运动目标检测方法。首先,用一个三层的深度自编码网络从视频图像中提取不包含运动目标的背景图像,将背景图像作为变量构造了深度自编码网络的代价函数;然后,构造了一个分离函数得到了输入图像的背景图像,再用另一个三层的深度自编码网络学习提取出的背景图像;为了使深度自编码网络的学习能够在线地提取运动目标,还提出了一种在线学习算法,通过寻找对代价函数敏感度较低的权重进行合并,从而能够对更多的视频图像进行处理。实验结果表明,所提方法在从动态背景中提取出前景运动目标上相比Lu等的前景检测的工作(LU C,SHI J,JIA J.Online robust dictionary learning.Proceeding of the 2013 IEEE Conference on Computer Vision and Pattern Recognition,Piscataway:IEEE Press,2013:415-422)检测的准确率提高了6%,并且误报率降低了4.5%。在实际的应用中,能够获得更好的前景背景分离效果,为视频分析等方面的研究奠定更好的基础。展开更多
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...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。展开更多
文摘针对从动态背景中提取前景效果较差的问题,提出了一种基于深度自编码网络的运动目标检测方法。首先,用一个三层的深度自编码网络从视频图像中提取不包含运动目标的背景图像,将背景图像作为变量构造了深度自编码网络的代价函数;然后,构造了一个分离函数得到了输入图像的背景图像,再用另一个三层的深度自编码网络学习提取出的背景图像;为了使深度自编码网络的学习能够在线地提取运动目标,还提出了一种在线学习算法,通过寻找对代价函数敏感度较低的权重进行合并,从而能够对更多的视频图像进行处理。实验结果表明,所提方法在从动态背景中提取出前景运动目标上相比Lu等的前景检测的工作(LU C,SHI J,JIA J.Online robust dictionary learning.Proceeding of the 2013 IEEE Conference on Computer Vision and Pattern Recognition,Piscataway:IEEE Press,2013:415-422)检测的准确率提高了6%,并且误报率降低了4.5%。在实际的应用中,能够获得更好的前景背景分离效果,为视频分析等方面的研究奠定更好的基础。
文摘考虑到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。
文摘目的探讨基于联合压缩感知(Compressed Sensing,CS)平面回波成像(Echo Planer Imaging,EPI)的动脉自旋标记(Arterial Spin Labeling,ASL)技术,即EPICS-ASL序列在脑灌注成像中的应用价值,并与传统EPI-ASL序列进行比较。方法前瞻性收集30例志愿者行EPICS-ASL和传统EPI-ASL序列扫描。在ASL原始图上选取基底节、灰质、白质、脑干和小脑作为感兴趣区(Region of Interest,ROI),测量并计算各ROI的信噪比(Signal to Noise Ratio,SNR)和灰质/白质对比噪声比(Contrast to Noise Ratio,CNR灰质/白质);2名医师独立双盲采用4分法主观评估两组图像质量。采用配对t检验比较两组图像的SNR和CNR灰质/白质,采用秩和检验比较两组图像主观评分结果。结果客观评价,EPICS-ASL组各ROI的SNR和CNR灰质/白质均优于EPI-ASL组各ROI的SNR和CNR灰质/白质(均P<0.001);主观评价,EPICS-ASL组的图像质量评分也优于EPI-ASL组(均P<0.001)。结论EPICS-ASL序列显著优于传统EPI-ASL序列的图像SNR和CNR,图像质量更高,具有进一步临床应用的潜力。
