一种基于FMO和NAL的视频加密方案

通过分析H.264中灵活宏块排序FMO(Flexible Macroblock Ordering)技术的特点和NALU(Network Abstract Layer Unit)语法元素的参数,利用编码过程中的FMO机制对图像分片后的宏块进行置乱,采用流密码对码流的网络抽取层单元NALU中的重要参数快速加密,提出一种基于FMO和网络抽取层(NAL)的视频加密方案。实验结果和性能分析表明,与视频加密算法[9]相比,该方案既保持了FMO特性,又有更高的安全性、运行效率高、压缩比影响小的特点。

甘蓝型油菜光合特性杂种优势的日变化特征

为探明甘蓝型油菜光合特性杂种优势的日变化规律以及和环境因子的相互关系,以甘蓝型油菜杂交种‘秦杂油3号’及其亲本为材料,对油菜不同生育时期光合特性的杂种优势进行研究。结果表明:净光合速率和气孔导度的中亲优势和超亲优势在苗期最弱,薹期最强。在花期,一天当中净光合速率在上午为正向杂种优势,下午为负向杂种优势;气孔导度则上午为负向杂种优势,下午为正向杂种优势;蒸腾速率的中亲优势和超亲优势在花期最弱,薹期最强。水分利用效率的中亲优势和超亲优势在苗期最弱,在花期表现最强,角果期又开始下降。灰色关联度分析表明油菜光合杂种优势的主要环境影响因素是大气CO_2摩尔分数和空气相对湿度。宜在薹期进行高光效品种的选育,可以有效地发挥油菜的光合杂种优势,同时注意在不同时期合理利用水分利用效率进行田间管理。

H.264/AVC中NAL错误恢复技术特性分析

H.264/AVC视频编码层的视频压缩性能有了巨大的提高。基于H.264/AVC的网络完善设计的目标是通过网络抽象层来实现的,这已经被开发出来用于在任何现有的和将来的网络包括无线网络来传输经过编码的视频数据。针对H.264视频编码标准的特点,从H.264标准的系统框架层面,就NAL对于视频传输的性能进行着重分析。

颈项拿捋整牵手法治疗椎动脉型颈椎病临床观察

目的:观察颈项拿捋整牵手法治疗椎动脉型颈椎病的临床效果。方法:对62例罹患椎动脉型颈椎病的患者,采用颈项拿捋整牵手法进行治疗。结果:本组62例中,临床治愈者46例(74.2%);临床明显好转者11例(18.0%);临床有效者4例(6.4%);临床无效者1例(1.6%);总有效率98.4%。结论:颈项拿捋整牵手法治疗颈性眩晕疗效显著,简便易行,值得推广。

基于FPGA的HEVC网络适配层单元实现

网络适配层主要负责将编码之后的视频数据进行一定规则的封装和修改,是高效视频编码标准HEVC(High Efficiency Video Coding)中连接编码和网络传输的重要部分。随着网络环境多样化以及低延迟视频应用的需求越来越大,在软件平台上封装、修改以及拷贝码流会给系统带来较大的延迟。并且,在已有的硬件编码器中,如果使用软件实现网络适配层单元,会导致无法和熵编码模块中非固定周期所到达的字节周期上匹配。因此基于FPGA实现网络适配层显得至关重要。本文对网络传输层单元NALU(Network Abstraction Layer Units)提出了一种新的硬件设计方法,该方法充分发挥FPGA(Filed Programmable Gate Array)高速处理数据的优势,实现了在时序上和编码以及传输系统模块相匹配。实验结果显示,将本文基于FPGA的网络适配层所编出来的码流与HEVC参考软件HM16.7编码所得到的码流验证为一致。

铝合金微观组织的智能预测模型

提出了由多个NALU算法层构建适于铝合金微观组织智能预测的神经网络模型,简述了NALU算法的基本原理和模型,阐述了以局部晶粒特征表示的微观组织预测的建模和训练方法,将RMSProp与Adam优化算法相结合,并合理调整学习速率,可训练出满意的预测模型。以铝合金铸造为例,考虑合金元素、工艺条件和设备参数等26个影响因素,以包含18个局部晶粒特征的微观组织参数为目标,建立了包括输入和输出神经元数分别为(26,32)、(32,28)、(28,23)、(23,18)的4个NALU层的神经网络,模型训练后的均方误差达到0.0006。任选8组不同条件的铝合金平均晶粒尺寸的预测误差小于9%,适于微观组织的智能预测及新合金设计。研究表明,用多个NALU层构建合金微观组织与性能的智能预测模型是可行的,用局部晶粒特征对铝合金微观组织形貌特点的较细致表达的智能预测可以用多层NALU神经网络模型来实现。