期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于残差重构的分布式视频压缩感知
1
作者 常侃 覃团发 唐振华 《电讯技术》 北大核心 2013年第3期274-278,共5页
为了改进分布式视频压缩感知方案的性能,提出了一种基于残差重构的分布式视频压缩感知方案。该方案在编码端逐帧独立进行测量,在解码端依靠视频信号的时域相关性提升重构信号质量。首先,对关键帧独立进行重构;其次,利用已重构关键帧做... 为了改进分布式视频压缩感知方案的性能,提出了一种基于残差重构的分布式视频压缩感知方案。该方案在编码端逐帧独立进行测量,在解码端依靠视频信号的时域相关性提升重构信号质量。首先,对关键帧独立进行重构;其次,利用已重构关键帧做运动估计/运动补偿以生成非关键帧的边信息;接下来,对边信息采用与编码端相同的测量矩阵进行测量并计算测量残差值;最后,采用全变分最小化重构残差信号值并将其与边信息相加生成最终的重构图像。实验结果表明,在相同采样率下,与已有的分布式视频压缩感知方案相比,提出的方案可获得2.8 dB以上的峰值信噪比增益。 展开更多
关键词 压缩感知 分布式视频压缩感知 残差重构 全变分最小化 边信息
在线阅读 下载PDF
GPS/INS延时估计与基于残差重构的延时补偿算法 被引量:10
2
作者 付廷强 马太原 +1 位作者 王亚飞 殷承良 《上海交通大学学报》 EI CAS CSCD 北大核心 2019年第10期1210-1217,共8页
传感器采样延时是多传感器信息融合过程中面临的一个重要问题,全球定位系统/惯性导航系统(GPS/INS)的组合导航系统是智能汽车常用定位方式,但常面对GPS采样延时的问题,因而会造成对INS误差状态的错误估计,影响定位定速的精度.本文针对... 传感器采样延时是多传感器信息融合过程中面临的一个重要问题,全球定位系统/惯性导航系统(GPS/INS)的组合导航系统是智能汽车常用定位方式,但常面对GPS采样延时的问题,因而会造成对INS误差状态的错误估计,影响定位定速的精度.本文针对该问题,在传统的GPS/INS松耦合组合导航模型的基础上提出一种延时估计和补偿的算法.首先建立延时估计模型,估计时间同步误差,然后构建残差传播方程,利用残差重构的方式进行延时补偿,实现基于软件的时间同步.根据试验中对速度、位置误差及均方根误差的分析,改进的滤波算法有效地降低了GPS采样延时引入的误差,提高了定位和定速的精度. 展开更多
关键词 延时估计 延时补偿 组合导航 残差重构
在线阅读 下载PDF
基于边信息的分布式视频压缩感知的残差重构
3
作者 胡育涛 钱慧 余轮 《电视技术》 北大核心 2013年第13期4-6,21,共4页
压缩感知(Compressed Sensing,CS)结合了视频信号的变换和信息压缩过程,为简化编码算法提供了一种新的解决思路。把分布式视频编码(DVC)和CS结合在一起,构建简单的视频编码框架,并利用原始视频帧与边信息之间的相关性进行残差重构,提出... 压缩感知(Compressed Sensing,CS)结合了视频信号的变换和信息压缩过程,为简化编码算法提供了一种新的解决思路。把分布式视频编码(DVC)和CS结合在一起,构建简单的视频编码框架,并利用原始视频帧与边信息之间的相关性进行残差重构,提出了一种基于边信息的分布式视频压缩感知编解码方案。此方法对关键帧采用传统的帧内编、解码;对非关键帧CS进行随机观测提取观测向量,解码端利用优化的边信息和传输的CS观测向量进行联合重构。实验结果表明,该方法在运动较平滑的序列中比参考方案的恢复质量提高了4~6 dB。 展开更多
关键词 压缩感知 分布式视频编码 残差重构 边信息
在线阅读 下载PDF
基于残差重构网络的射频信号个体识别
4
作者 赵火军 程旗 +2 位作者 李捷 高晓利 王维 《兵工自动化》 2022年第4期64-68,共5页
针对主流方法对信号个体识别效率低、误识别的问题,提出一种基于残差重构网络的射频信号个体识别方法。通过傅里叶变换得到侦收信号的频域特征,作为神经网络的输入向量;利用残差网络能够解决网络退化和梯度消失的优势,重构残差网络,并... 针对主流方法对信号个体识别效率低、误识别的问题,提出一种基于残差重构网络的射频信号个体识别方法。通过傅里叶变换得到侦收信号的频域特征,作为神经网络的输入向量;利用残差网络能够解决网络退化和梯度消失的优势,重构残差网络,并将其作为射频信号个体识别的核心网络模型;通过固定每层网络的通道数,实现减少模型参数量,达到神经网络轻量化目的。实验结果表明:与ResNet18方法相比,该方法针对30个目标信号的个体识别率提升了约3.8%,模型大小降低了13倍,能较好地解决模型压缩与识别算法性能无法平衡的问题。 展开更多
关键词 残差重构 射频信号个体识别 频域特征 轻量化
在线阅读 下载PDF
CVS中基于残差结构特征的块分类重构算法 被引量:1
5
作者 杨春玲 李文豪 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2017年第3期1-10,共10页
现有最好的视频压缩感知重构算法大都采用"预测-残差重构"策略,可有效利用帧内和帧间的相关性获得较好的性能,但是残差重构均直接采用SPL算法,忽略了残差信号自身的结构特征,限制了性能的进一步提升.针对该问题,文中提出了一... 现有最好的视频压缩感知重构算法大都采用"预测-残差重构"策略,可有效利用帧内和帧间的相关性获得较好的性能,但是残差重构均直接采用SPL算法,忽略了残差信号自身的结构特征,限制了性能的进一步提升.针对该问题,文中提出了一种基于预测残差结构特征的块分类重构算法,首先利用残差块观测值的平均能量对残差块进行分类,然后对不同类的残差块采用不同的重构算法.仿真实验表明,用于运动较快的视频序列时,文中方案与SPL算法相比可以获得更好的重构质量. 展开更多
关键词 视频压缩感知 残差重构 平均能量 残差块分类
在线阅读 下载PDF
基于双向运动估计的残差分布式视频重构模型研究
6
作者 安文 刘昆 王杰 《无线电通信技术》 2017年第1期30-34,共5页
针对遥感视频成像卫星星上编码端结构复杂、传输数据量大及传输带宽大的问题,同时为了保证遥感视频成像系统的高图像分辨率和低采样复杂度,根据视频图像的高时空冗余特点,在连续图像残差重构模型的基础上提出了基于双向运动估计的分布... 针对遥感视频成像卫星星上编码端结构复杂、传输数据量大及传输带宽大的问题,同时为了保证遥感视频成像系统的高图像分辨率和低采样复杂度,根据视频图像的高时空冗余特点,在连续图像残差重构模型的基础上提出了基于双向运动估计的分布式视频残差重构模型及相关算法,并进行了数值仿真。仿真结果表明,模型能够在降低采样率的同时保证良好的重构效果,且算法简单,耗时短。 展开更多
关键词 遥感视频成像 压缩感知 分布式框架 残差重构 双向运动估计
在线阅读 下载PDF
联合时空特征的视频分块压缩感知重构 被引量:11
7
作者 李然 干宗良 +2 位作者 崔子冠 武明虎 朱秀昌 《电子与信息学报》 EI CSCD 北大核心 2014年第2期285-292,共8页
为了提高视频压缩感知(CS)重构算法的率失真性能,该文提出利用视频的时空特征进行联合重构。为了不引入过多的复杂度,采集端以固定采样率对帧内各块进行测量;重构端则在最小全变差(TV)重构模型的基础上,分别加入利用时空自回归(AR)模型... 为了提高视频压缩感知(CS)重构算法的率失真性能,该文提出利用视频的时空特征进行联合重构。为了不引入过多的复杂度,采集端以固定采样率对帧内各块进行测量;重构端则在最小全变差(TV)重构模型的基础上,分别加入利用时空自回归(AR)模型和多假设(MH)模型所形成的正则化项,以提高预测-残差重构的性能。另外,考虑到视频源的统计特性在时空域中是动态变化的,讨论了5种不同的帧间预测模式对重构精度和重构计算复杂度的影响。仿真实验表明,所提出的重构算法能够以一定的计算复杂度为代价有效地改善视频重构质量,且在关键帧采样率高于非关键帧的情形下,帧间预测模式的改善也可一定程度上提高视频重构质量。 展开更多
关键词 压缩感知 视频重构 最小全变差 时空自回归 多假设 预测-残差重构
在线阅读 下载PDF
基于图像处理和稀疏表示的水位识别研究 被引量:5
8
作者 高姗姗 周新志 雷印杰 《人民黄河》 CAS 北大核心 2016年第12期52-56,共5页
在水位智能识别系统中,采集到的水尺图像可能存在刻度模糊、局部缺失等情况,对水尺识别产生不利影响,针对这一问题提出了一种基于稀疏表示的水位识别方法。该方法利用多幅连续水尺图像对字典进行训练,通过重构残差的比较对样本水尺图像... 在水位智能识别系统中,采集到的水尺图像可能存在刻度模糊、局部缺失等情况,对水尺识别产生不利影响,针对这一问题提出了一种基于稀疏表示的水位识别方法。该方法利用多幅连续水尺图像对字典进行训练,通过重构残差的比较对样本水尺图像进行分类,根据分类结果计算出水位值。结果表明,该方法对光照变化和局部的遮挡、模糊等具有较强的鲁棒性,可以准确地对水尺兴趣目标图片分类并进行水位计算,计算出的水位与实际水位之间的误差不超过±1 cm。 展开更多
关键词 水位识别 稀疏表示 重构残差 图像识别
在线阅读 下载PDF
稀疏表示保持的鉴别特征选择算法
9
作者 夏广胜 严慧 《现代电子技术》 北大核心 2015年第18期8-12,共5页
稀疏表示作为一种基于部分数据的表示,已经吸引了越来越多的关注,并广泛应用于模式识别和机器学习领域。提出一种新的算法,称为稀疏表示保持的鉴别特征选择(SRPFS),其目的是选择鉴别性特征子集,使得在所选特征子空间中,样本的稀疏类内... 稀疏表示作为一种基于部分数据的表示,已经吸引了越来越多的关注,并广泛应用于模式识别和机器学习领域。提出一种新的算法,称为稀疏表示保持的鉴别特征选择(SRPFS),其目的是选择鉴别性特征子集,使得在所选特征子空间中,样本的稀疏类内重构残差和稀疏类间重构残差的差值最小化。与传统算法选择特征的独立性方式不同,该算法以批处理方式选择最具鉴别性的特征,并用于优化提出的l2,1范数最小化的目标函数。在标准UCI数据集和哥伦比亚图像数据库的实验结果表明,该算法在识别性能和稳定性方面优于其他经典特征选择算法。 展开更多
关键词 特征选择 稀疏表示 重构残差 l2 1范数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部