为了提高命名数据网络NDN(Named Data Networking)中视频数据的可靠传输,站在客户端的角度,提出一种基于自适应转发的拥塞控制机制AFCCP(Adaptive Forward Congestion Control Policy)。AFCCF以网络丢包最小化为目标,为接口的选择建立...为了提高命名数据网络NDN(Named Data Networking)中视频数据的可靠传输,站在客户端的角度,提出一种基于自适应转发的拥塞控制机制AFCCP(Adaptive Forward Congestion Control Policy)。AFCCF以网络丢包最小化为目标,为接口的选择建立马尔科夫模型,通过前一时间间隔链路的状态,自适应地选择最佳的转发接口,减少兴趣包向拥塞链路的转发,降低网内的丢包数目,实现网络拥塞控制。在此基础上,AFCCF针对视频数据内部属性,考虑解码端特点,在网络发生丢包时,选择性地对数据包丢弃,实现视频内部重要数据的可靠传输。仿真结果表明,AFCCP在较低时延的条件下,实现网络较小的丢包率,增加用户接收数据包的数量,从而改善用户获取数据体验。展开更多
针对目前去雾方法对于明亮区域的处理效果及抗噪性能较差的问题,提出基于透射率多重引导与锐化补偿的图像去雾算法(Image Defogging Algorithm Based on Transmittance Multiple Guidance and Sharpening Compensation,DTGSC)。该算法...针对目前去雾方法对于明亮区域的处理效果及抗噪性能较差的问题,提出基于透射率多重引导与锐化补偿的图像去雾算法(Image Defogging Algorithm Based on Transmittance Multiple Guidance and Sharpening Compensation,DTGSC)。该算法首先运用阈值分割的方法求解大气光值,通过对原图中白色区域进行定义分割,提升了大气光值的取值精度;其次为保证所提模型能够有效处理图像中的不同区域,设计了多重引导的方法进行透射率取值,将明亮区域的失真问题转换为缩减透射率取值误差问题。此外,将高斯滤波引入到图像三通道中进行降噪处理,在实现去雾的同时并提升模型的抗噪性能;最后使用图像锐化的方法对去雾结果进行增强,并通过设定目标调整亮度,完成当前亮度向目标亮度的深度补偿,实现去雾后图像边缘细节与可视化效果的联合优化。实验结果表明,所提算法在四种数据集下得到的图像MSE平均值为11.07,PSNR平均值为39.78 dB,SSIM平均值为87.83%,在薄雾数据集上的平均去雾时间达到0.63 s。相对于DCMPNet算法而言,MSE值平均缩减20.54 dB,PSNR值平均提升5.57 dB,SSIM值平均提升2.52%,去雾效率平均提升0.08s。以上实验结果验证了所提算法的有效性与优越性。展开更多
文摘为了提高命名数据网络NDN(Named Data Networking)中视频数据的可靠传输,站在客户端的角度,提出一种基于自适应转发的拥塞控制机制AFCCP(Adaptive Forward Congestion Control Policy)。AFCCF以网络丢包最小化为目标,为接口的选择建立马尔科夫模型,通过前一时间间隔链路的状态,自适应地选择最佳的转发接口,减少兴趣包向拥塞链路的转发,降低网内的丢包数目,实现网络拥塞控制。在此基础上,AFCCF针对视频数据内部属性,考虑解码端特点,在网络发生丢包时,选择性地对数据包丢弃,实现视频内部重要数据的可靠传输。仿真结果表明,AFCCP在较低时延的条件下,实现网络较小的丢包率,增加用户接收数据包的数量,从而改善用户获取数据体验。
文摘针对目前去雾方法对于明亮区域的处理效果及抗噪性能较差的问题,提出基于透射率多重引导与锐化补偿的图像去雾算法(Image Defogging Algorithm Based on Transmittance Multiple Guidance and Sharpening Compensation,DTGSC)。该算法首先运用阈值分割的方法求解大气光值,通过对原图中白色区域进行定义分割,提升了大气光值的取值精度;其次为保证所提模型能够有效处理图像中的不同区域,设计了多重引导的方法进行透射率取值,将明亮区域的失真问题转换为缩减透射率取值误差问题。此外,将高斯滤波引入到图像三通道中进行降噪处理,在实现去雾的同时并提升模型的抗噪性能;最后使用图像锐化的方法对去雾结果进行增强,并通过设定目标调整亮度,完成当前亮度向目标亮度的深度补偿,实现去雾后图像边缘细节与可视化效果的联合优化。实验结果表明,所提算法在四种数据集下得到的图像MSE平均值为11.07,PSNR平均值为39.78 dB,SSIM平均值为87.83%,在薄雾数据集上的平均去雾时间达到0.63 s。相对于DCMPNet算法而言,MSE值平均缩减20.54 dB,PSNR值平均提升5.57 dB,SSIM值平均提升2.52%,去雾效率平均提升0.08s。以上实验结果验证了所提算法的有效性与优越性。
