可伸缩视频编码中基于部分解码的率失真优化

在可伸缩视频编码系统中,原始码流经过裁剪可以提取出多个子码流。为了联合优化原始码流和子码流的编码质量,提出了基于部分解码的率失真优化算法。首先,在增强层的率失真计算中,通过对离散余弦变换(DCT)系数进行有选择截断来估计子码流对编码的影响,并建立误差扩散失真图对部分解码引起的误差扩散进行预测。在基本层的率失真计算中,针对编码层之间在模式选择上的限制,使用多层联合编码方法来计算率失真代价。为了降低算法引入的计算量,对部分解码条件下的重建过程和基本层模式选择进行复杂度优化。最后,对参数选择进行了讨论,利用每个宏块的误差扩散敏感度来动态估计算法参数。实验结果表明,本方法能使子码流的峰值信噪比提高0.03～0.53dB,可以满足可伸缩编码系统对编码效率和码率提取点的要求。

融合多特征和注意力机制的肺结节分割算法

针对计算机断层扫描(CT)影像中肺结节存在尺寸小、形状异质化高、细节特征模糊、易与周围组织混淆等问题,本文提出了一种融合多特征和注意力机制的深度卷积神经网络,实现肺结节的准确定位和分割.算法中改进的VGGNet16主干网络可以自动识别较小的肺结节,各block中引入的卷积块注意力模块让算法重点关注肺结节区域,主干网络末端加入部分解码器聚合多个高层特征,不同层级的特征相互补充,从而生成全局粗略特征图,反向注意力机制引导算法由上向下逐层细化结节信息.最后,融合多特征,即将低层边界特征作为分割约束与高层特征进行融合,生成最终结节分割图.实验结果表明,在公共数据集LUNA16和所建立的数据集B上,该算法的Dice系数分别达到86.4%、86.0%,特异性分别达到99.4%、98.8%、平均绝对误差分别降低为0.005、0.018,优于多数现有肺结节分割算法,证明了该算法的有效性.

可伸缩变换编码在H.263下的应用研究

本文给出了一种复杂度可伸缩的实现转换编码器设计方法,实现了计算量与视频转换编码质量之间的平衡。提出了一种基于H.263编码模型的复杂度可伸缩算法。