基于部分离散余弦变换的卷积神经网络设计与分析

离散余弦变换是常见的图像变换手段。通过重新理解DCT算法,可将其转化为全连接神经网络,用于提取图像的轮廓信息。设计基于DCT的卷积神经网络,用部分DCT取代完全DCT,提高图像轮廓提取的效率。该网络对比传统卷积神经网络具有复杂度低、网络深度浅、训练时间短、边缘计算快的优点。DCT核的尺寸影响模型精度和训练时间,通过仿真得出结论:尺寸越大,模型精度越高,训练时间越长;DCT核尺寸为图像尺寸的40%左右为较优。通过与经典卷积神经网络作对比,得出该网络的训练效率提升16倍,边缘计算效率提高20倍。

基于压缩感知的改进MPEG-2编码方案

为寻找压缩感知在视频编码上的应用并提高MPEG-2的编码效率,提出了基于压缩感知和MPEG-2的改进方案。该视频编码改进方案从标准重构方法与像素域最小全变分重构算法中选出最终重构方法,使最终重构出的图像具有较小均方误差和。像素域最小全变分重构算法的提出,基于原始图像的梯度比残差图像的梯度更稀疏这个特征。实验结果表明,所提出的方案对于各类序列都有性能的提升。对于有比较锐利边缘物体的序列,平均峰值信噪比(PSNR)提高0.5 dB以上;而对于具有较多平坦区域或复杂纹理的序列,平均PSNR也有0.26 dB～0.41 dB的提高。