【摘 要】
：
Q-STAR模型是现有的客观视频质量评价中最接近主观得分的模型,但是在解码端难以从丢包解码后的YUV视频序列中提取与编码端相一致的运动矢量信息,从而影响模型参数的预测。针
【机 构】
：
中国人民解放军理工大学通信工程学院
论文部分内容阅读
Q-STAR模型是现有的客观视频质量评价中最接近主观得分的模型,但是在解码端难以从丢包解码后的YUV视频序列中提取与编码端相一致的运动矢量信息,从而影响模型参数的预测。针对该问题,提出了基于视敏度信息的模型参数预测方法,从YUV视频序列中提取时间域和空间域视敏度特征,并结合Q-STAR模型中提取的特征进行预测。通过实验发现,使用视敏度信息代替原有的运动矢量信息进行预测,所得模型参数值与Q-STAR基本相符,并且计算更为简单。
其他文献
超声波技术已在民用、医疗和军事应用中有上百年的历史。几乎每个人都经历过医疗超声波技术（如B超）。目前,最新的超声波应用已发展到工业和汽车市场的自动化中。超声波技术的非
虚拟手术是计算机图形学里的一个重要应用。三维器官模型UV映射(UV贴图)方法一直是虚拟手术领域里的一个研究热点。UV映射就是将一个2D纹理映射到一个3D模型上,肝脏模型传统的UV映射方法就是将二维纹理的坐标位置映射到三维肝脏模型的网格顶点上。提出了一种全新的三维肝脏模型UV映射方法,该方法使UV贴图独立于网格的表面,能够有效减少GPU运算量,缩短渲染时间,并且同一张纹理图像能够应用于多个不同分辨率
结合近几年在医疗大数据平台开发领域的工作实践和对现阶段主流开源开发技术的应用,在对医疗大数据平台的数据和业务特点深入理解和分析的基础上,从开源技术角度对端到端的业
由于三维扫描设备精度不足以及各类人为因素的影响,扫描获取的三维模型不可避免地包含了噪声信息。如何有效地去除扫描模型中的噪声一直是一个经典热门问题。文中提出了一个数据驱动的算法,通过分析已有的噪声模型和对应原始模型数据,建立噪声模型局部几何特征与原始模型法向量之间的数据映射关系,再利用此信息局部特征匹配得到去噪后网格。实验结果表明,该方法可以有效地对网格进行去噪,在去除噪声的同时,可以很好地保持网格
针对智能车辆和安全驾驶辅助系统中车辆检测问题,提出一种基于类Haar特征和AdaBoost分类器并结合车辆灰度对称性验证的前车检测方法。使用积分图方法计算图像类Haar特征,并对提取的海量类Haar特征应用AdaBoost算法进行特征选择及分类器训练,最后使用所选择的特征及分类器进行测试。实验结果表明,该方法在阴天和晴天情况下检测率分别为90.86%、91.15%,可以快速、有效地进行前车检测。
介绍了常规PID算法与常规不完全微分型PID算法的区别,以及常规不完全微分型PID算法的优点及其在电液执行机构控制中的应用。测试结果表明常规不完全微分型PID控制算法具有更
2017年3月14日,Maxim推出MAX17222 nanoPower boost（升压调节器）,具有业内最高效率和300 nA最低静态电流（IQ）,帮助可穿戴及消费类IoT设计以最小面积获取最长电池寿命。MAX17222是
针对当前多数家庭照明系统都是手动控制,用户使用体验差且极易造成电力资源浪费的情况,设计了一种基于ZigBee的自动照明控制系统。该系统不仅具有手动控制照明设备的功能,而
提出了一种基于非线性预处理和递归神经网络的短字符序列的单向Hash算法。首先对字符序列进行非线性处理，再将得到的目标数值序列输入到递归神经网络（RNN）中，经RNN计算后得到最终
分析了邮政枢纽数据处理系统的可靠性，可用性和可维性要求，对该系统进行了可靠性，可用性和可维性分析，设计及优化，并给出相应的策略与算法。