摘要：低复杂度视频编码越来越受到人们的关注。压缩感知理论具有同时采样和压缩信号的特点,可用于低复杂度视频编码设计。针对基于随机观测矩阵的传统压缩感知(Compressive sensing,CS)理论很难实际应用这一问题,提出采用结构化观测矩阵的CS算法对视频编解码。探讨了结构化观测矩阵的特点和构造方法,分析了不同类型结构化观测矩阵实现信号精确重构的理论,设计了基于结构化观测矩阵的CS视频编解码算法。实验证明了所提算法的有效性,同时由于结构化观测矩阵高效、易于硬件实现,因此该算法在低复杂度视频场合具有良好的应用前景。

摘要：针对无人机视频跟踪中正样本不足和单帧强判别特征易导致分类器过拟合的问题,提出一种基于多域对抗学习的实时无人机目标跟踪算法。将生成对抗网络引入到多域学习的特征生成中,利用对抗学习提高特征提取的鲁棒性;在卷积层中加入具有不同扩展系数的空洞卷积进行多尺度特征抽取,构建具有不同感受野的特征提取模块;在交叉熵损失函数中添加调制因子解决正负样本数量不平衡的问题。实验结果表明,该算法的跟踪精度、成功率均得到了提高。

摘要：新工科建设和工程教育认证对课程建设提出了更高的要求,倡导以成果产出为导向(OBE)作为课程目标,强调对学生的综合能力进行培养。传统的“数字图像处理”课程采用教材导向的课程目标,教学内容强调方法讲解忽略学生兴趣培养,强调孤立算法实现忽略完整项目的开发,强调知识讲解忽略实践技能培养。本文针对“数字图像处理”课程教学过程中存在的问题,将OBE理念引入该课程教学的各个方面,围绕课程教学目标设计、课程教学内容更新、课程教学方式改革、课程考核方式改革四个方面构建“数字图像处理”课程的教学体系。教学实践的成果表明,OBE理念引导下的“数字图像处理”课程教学方案可以有效避免传统教学方案存在的弊端,提升学生的综合能力和综合素质。