<li id="q8g4k"></li> 隨著21世紀(jì)的到來,計(jì)算機(jī)技術(shù),信息處理技術(shù),半導(dǎo)體技術(shù)和網(wǎng)絡(luò)技術(shù)不斷發(fā)展,人類社會(huì)進(jìn)入了信息化時(shí)代。與此同時(shí),無線視頻傳感器網(wǎng)絡(luò)也得到了突飛猛進(jìn)的發(fā)展,成為當(dāng)今國際上備受關(guān)注的熱點(diǎn)研究領(lǐng)域。無線視頻傳感器網(wǎng)絡(luò)有著很多的優(yōu)點(diǎn)和十分廣泛的應(yīng)用前景。在軍事,工業(yè),城市管理和監(jiān)控系統(tǒng)等重要領(lǐng)域都有潛在的使用價(jià)值。 無線視頻傳感器網(wǎng)絡(luò)有著顯著的特征,例如：網(wǎng)絡(luò)節(jié)點(diǎn)能源有限；網(wǎng)絡(luò)帶寬有限；對(duì)處理速度要求較高等。由此可見,傳統(tǒng)的視頻編碼標(biāo)準(zhǔn)無法應(yīng)用于無線視頻傳感器網(wǎng)絡(luò)。MPEG-4,H.263,H.264等視頻編碼標(biāo)準(zhǔn),全是基于運(yùn)動(dòng)估計(jì)補(bǔ)償實(shí)現(xiàn)的,計(jì)算量十分巨大,在能量,存儲(chǔ)空間和處理能力均有限的節(jié)點(diǎn)難以實(shí)現(xiàn)這類高復(fù)雜度的編碼算法。 本文針對(duì)無線視頻傳感器網(wǎng)絡(luò)對(duì)視頻編碼算法的具體需求,提出一種基于運(yùn)動(dòng)檢測(cè)的低復(fù)雜度視頻編碼算法。該算法只對(duì)當(dāng)前編碼幀中的運(yùn)動(dòng)對(duì)象進(jìn)行編碼,并且以面向?qū)ο蟮慕Y(jié)構(gòu)輸出碼流。實(shí)驗(yàn)結(jié)果表明,與H.264全I(xiàn)幀編碼相比,本文提出的算法編碼速度提高了約3倍,編碼性能提高了約2dB。與H.264基本檔次相比,雖然編碼性能略有下降,但是編碼速度平均提高了8倍左右。因此,本文提出的算法可以在編碼效率和編碼速度之間獲得很好的折衷,在一定程度上可以滿足無線視頻傳感器網(wǎng)絡(luò)的需求。 本文選用ALDVK_270作為硬件實(shí)驗(yàn)平臺(tái)。在分析算法結(jié)構(gòu)的同時(shí),結(jié)合嵌入式系統(tǒng)的特點(diǎn),從算法,內(nèi)存,高級(jí)語言和匯編語言等幾個(gè)方面提出優(yōu)化方案,最終在ARM嵌入式平臺(tái)下實(shí)現(xiàn)了面向無線視頻傳感器網(wǎng)絡(luò)的低復(fù)雜度視頻編碼算法。測(cè)試結(jié)果表明,與優(yōu)化前相比,優(yōu)化后的編碼速度有了很大的提高,對(duì)于CIF格式的監(jiān)控視頻序列能夠滿足實(shí)時(shí)處理的要求。
標(biāo)簽： ARM 無線視頻 傳感器網(wǎng)絡(luò) 復(fù)雜度
上傳時(shí)間： 2013-07-26
上傳用戶：小小小熊
《算法和復(fù)雜度》（英文版）
上傳時(shí)間： 2015-03-01
上傳用戶：2525775
K-均值聚類算法的編程實(shí)現(xiàn)。包括逐點(diǎn)聚類和批處理聚類。K－均值聚類的的時(shí)間復(fù)雜度是n*k*m，其中n為樣本數(shù)，k為類別數(shù)，m為樣本維數(shù)。這個(gè)時(shí)間復(fù)雜度是相當(dāng)客觀的。因?yàn)槿绻妹棵?0億次的計(jì)算機(jī)對(duì)50個(gè)樣本采用窮舉法分兩類，尋找最優(yōu)，列舉一遍約66.7天，分成3類，則要約3500萬年。針對(duì)算法局部最優(yōu)的缺點(diǎn)，本人正在編制模擬退火程序進(jìn)行改進(jìn)。希望及早奉給大家，傾聽高手教誨。
上傳時(shí)間： 2015-03-18
上傳用戶：yuanyuan123
排序算法的內(nèi)部復(fù)雜度分析,有八個(gè)算法,有時(shí)間和空間的分析,比較完整
上傳時(shí)間： 2014-01-07
上傳用戶：ddddddos
一個(gè)用matlab實(shí)現(xiàn)的基于圖像灰度概率分布的圖像模糊增強(qiáng)算法，本人已使用。
上傳時(shí)間： 2014-01-07
上傳用戶：www240697738
這是一個(gè)基于峰度的ICA算法，里面的ica_kurt.m是主文件，輸入為待處理的觀察信號(hào)，要求是矩陣形式，行數(shù)為所包含的分量數(shù)，列數(shù)為每一個(gè)分量包含的抽樣點(diǎn)數(shù)。
上傳時(shí)間： 2013-12-27
上傳用戶：qilin
聚類算法大部分都使用距離來計(jì)算相似度，本文探討了無需使用距離的方法。
上傳時(shí)間： 2014-12-05
上傳用戶：FreeSky
最小生成樹的prim算法 是求圖中的最短路徑的一個(gè)重要算法 但是是O(n2)復(fù)雜度的一個(gè)算法
上傳時(shí)間： 2014-01-26
上傳用戶：wkchong
gmeans-- Clustering with first variation and splitting 文本聚類算法Gmeans ,使用了3種相似度函數(shù),cosine,euclidean ,KL.文本數(shù)據(jù)使用的是稀疏矩陣形式.
標(biāo)簽： Clustering euclidean variation splitting
上傳時(shí)間： 2014-01-05
上傳用戶：cainaifa
Otsu算法(灰度圖像的域值分割)的C++類實(shí)現(xiàn).
上傳時(shí)間： 2014-01-06
上傳用戶：huyiming139
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
<strike id="46qee"></strike>