使用CY7B933-400实现DVB-ASI接收系统的解码

本文选用美国CYPRESS公司的端到端通信接收处理芯片来实现DVB ASI接收系统解码过程 ,并且提出了DVB ASI接口的一些关键原则。

基于改进U-Net的糖尿病视网膜渗出物分割

为解决当前深度分割模型对糖尿病视网膜病变渗出物区域精准分割的问题,提出一种基于改进U-Net的糖尿病视网膜渗出物分割方法。重构编码端的特征提取器,以ResNet50预训练模型作为特征提取器,提升模型对低维特征的学习能力;结合注意力机制优化解码端上采样过程,缓解卷积特征丢失的问题,提高模型对病灶特征通道权重的学习能力;在模型解码端构造多特征尺度的融合,丰富不同尺度特征的语义信息。利用IDRID数据集和DIARETDB1数据集进行训练,训练采用Focal loss焦点损失函数,模型的特异性、灵敏度、精准率和F1-Score分别达到0.973、0.982、0.971和0.875,Dice系数达到了0.984,与其它先进算法相比,该算法分割性能较优。

简单混合D-PCM图象编码系统抗御误码能力的局限性及其改进

简单混合D-PCM图象编码系统在图象平坦区有很强的抑制误码扩散能力,但在图象的边缘与轮廓区,这一能力有可能丧失,甚至导致误差增强。对此本文进行了分析,并介绍了一种改进方法。

基于改进期望最大化算法的分布式视频编码

目前,分布式视频编码(DVC)由于具有低复杂编码特性而成为视频编码领域的研究热点。DVC中,边信息性能对系统性能影响很大,一般而言,边信息性能越好,则整个系统压缩性能越好。本文研究了一种基于贝叶斯准则的期望最大化(Expectation Maximization,EM)边信息产生方法,并从运动搜索模板和初始概率模型两方面对EM算法提出了改进。实验表明,在几乎相同的率失真性能下,两种改进算法的学习时间分别缩短了30%和16%。

基于IndRNN与BN的深层图像描述模型

现有图像描述模型存在解码端层次不深、训练效率低下的问题,且生成的描述语句在语言连贯性和内容多样性方面效果欠佳,为此,提出一种基于独立循环神经网络的深层图像描述模型Deep-NIC。采用独立循环神经元与批标准化方法构建解码单元,通过解码单元的多层叠加建立深层解码端。使用谷歌inception V3作为编码端,构建深层图像描述模型。在数据集MS COCO2014上进行对比实验,结果表明,与基线模型相比,Deep-NIC模型的BLEU-4、METEOR、CIDER评分分别提升3.2%、10.3%、8.18%,其更容易训练且具有更好的拟合效果。

面向感兴趣区域的高性能图像压缩方法

基于深度学习的图像压缩方法多为有损压缩,而有损压缩通过降低图像质量换取更高的压缩比。为了在码率一定的情况下提高重建图像中感兴趣区域的质量,文中将一种重要性图提取模块嵌入到编码器端,通过提取编码器端最后一层的输出特征来生成重要性图,最终生成掩码用于指导熵编码过程中码率的高效分配。同时,文中将一种解码端增强模块嵌入到解码器输出端,用以预测重建图像中的高频分量,通过增强重建图像中的细节信息来提高重建图像的质量。实验结果表明,以多尺度结构相似性(MS-SSIM)作为评价指标,文中方法优于对比方法,且获得了更好的人眼视觉感知质量。

最大限度发挥视频服务器功能

在电视技术全面数字化的时代,以MPEG2视频压缩技术为基础的,网络化制作、存储和播出系统,已经成为广播电视事业建设的发展方向。视频数字化播出和存储的主要设备——视频服务器广泛的应用在电视台的工作中,我台技术人员在充分研究和理解视频服务器各主要性能的基础上。