-
公开(公告)号：CN113794812B
公开(公告)日：2024-06-04
申请号：CN202110929277.2
申请日：2021-08-13
Applicant: 山东师范大学
IPC: H04N1/32 , G06F16/55 , G06F18/23213 , G06V10/40 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于图像信道选择和特征一致性的隐蔽通信方法。本发明利用卷积神经网络提取图像的深度哈希作为候选图像选择和秘密信息映射两个过程的特征，有助于鲁棒性的提升。利用聚类算法选择候选图像，降低了候选图像的选择难度。设计了一个映射规则，将秘密信息和候选图像建立了联系。在发送端，根据映射规则可由秘密信息映射到深度哈希，带有该深度哈希的候选图像即为隐藏该秘密信息的含密图像，将该含密图像发送给接收者。在接收端，接收者收到该含密图像，首先利用卷积神经网络提取其深度哈希，然后依据映射规则将该深度哈希映射出秘密信息，即实现了隐蔽通信的目的。
-
公开(公告)号：CN113747449B
公开(公告)日：2024-05-24
申请号：CN202110844957.4
申请日：2021-07-26
Applicant: 山东师范大学
Abstract: 本发明公开了多接入边缘计算服务器的区域池划分方法及系统，获取待划分区域池的若干个多接入边缘计算服务器；基于行政区域对所有的多接入边缘计算服务器进行区域划分，得到若干个连续区域；在每个连续区域内部基于业务需求的潮汐效应确定区域池的初步范围；基于区域池的初步范围和地理信息确定区域池的初步边界；基于区域池的初步边界计算区域池组网模式下业务处理效益与非区域池组网模式下业务处理效益；判断区域池组网模式下业务处理效益相对于非区域池组网模式下业务处理效益是否有提升，如果有，则输出区域池最终边界；如果没有，进入下一步；对区域池边界进行优化调整，返回上一步。精准的进行区域池规划，最大限度发挥区域池组网的优势。
-
公开(公告)号：CN110909744B
公开(公告)日：2022-08-19
申请号：CN201911175793.X
申请日：2019-11-26
Applicant: 山东师范大学
IPC: G06V10/26 , G06N3/08 , G06V10/774 , G06V10/82 , G06V20/70
Abstract: 本发明公开了结合语义分割的多描述编码方法及系统，包括：将原始图像与相对应的语义分割标签作为输入传至多描述特征生成网络；多描述特征生成网络利用图像上下文特征生成相似但又不完全相同的两个描述；生成的两个描述分别进入语义分割编码网络中编码，在该编码器中，描述首先上采样成与原始图像大小一致的上采样图像，之后与语义分割映射一起经过生成网络生成残差图像，残差图像又与上采样图像像素相加得到粗重构图像；生成的粗重构图像经信息道传输至多描述解码网络，而语义分割标签被标准编码器编码之后也传输至多描述解码网络，经解码得到最终重构图像。避免了因为传输过程中丢包问题导致的图像重构质量不理想的后果，更好的提高了编码效率。
-
公开(公告)号：CN107566831B
公开(公告)日：2020-11-20
申请号：CN201710840312.7
申请日：2017-09-18
Applicant: 山东师范大学
IPC: H04N19/103 , H04N19/117 , H04N19/119 , H04N19/122 , H04N19/124 , H04N19/13 , H04N19/159
Abstract: 本发明涉及通信技术领域，具体是一种基于随机偏移量化多描述编码的自适应编解码方法及系统，其中多描述编码方法包括获取图像信息，将图像信息分为3个子集或9个子集，分别，针对上述两种子集生成不同的描述方法，每种描述方法均采用两种预测模式进行预测编码，从中选择重建质量好的预测模式作为最终预测方法，进而输出对应描述的码流；所述多描述方法包括依次对多个子集进行基于时间域的重叠变换、DCT变换、优化重建和随机偏移量化处理。
-
公开(公告)号：CN107566831A
公开(公告)日：2018-01-09
申请号：CN201710840312.7
申请日：2017-09-18
Applicant: 山东师范大学
IPC: H04N19/103 , H04N19/117 , H04N19/119 , H04N19/122 , H04N19/124 , H04N19/13 , H04N19/159
Abstract: 本发明涉及通信技术领域，具体是一种基于随机偏移量化多描述编码的自适应编解码方法及系统，其中多描述编码方法包括获取图像信息，将图像信息分为3个子集或9个子集，分别，针对上述两种子集生成不同的描述方法，每种描述方法均采用两种预测模式进行预测编码，从中选择重建质量好的预测模式作为最终预测方法，进而输出对应描述的码流；所述多描述方法包括依次对多个子集进行基于时间域的重叠变换、DCT变换、优化重建和随机偏移量化处理。
-
公开(公告)号：CN106961607A
公开(公告)日：2017-07-18
申请号：CN201710192949.X
申请日：2017-03-28
Applicant: 山东师范大学
IPC: H04N19/39
CPC classification number: H04N19/39
Abstract: 本发明涉及一种基于JND的时间域重叠变换多描述编码和多描述解码的方法及系统，其中多描述编码方法包括获取图像信息，将图像信息分为两个子集，分别作为第一子集和第二子集，同时生成第一描述和第二描述，所述两个描述均同时包括第一子集和第二子集；对第一描述，基于多描述方法，采用第一子集预测第二子集，并根据第一子集与第二子集的预测值进行熵编码，输出第一多描述码流；对第二描述，基于多描述方法，采用第二子集预测第一子集，并根据第二子集与第一子集的预测值进行熵编码，输出第二多描述码流；所述多描述方法包括依次对所述两个子集进行基于时间域的重叠变换、DCT变换、基于JND的阈值滤波和量化处理。
-
公开(公告)号：CN103956152B
公开(公告)日：2016-03-02
申请号：CN201410141233.3
申请日：2014-04-09
Applicant: 山东师范大学
IPC: G09G5/10
Abstract: 本发明公开了防偷窥显示系统中白屏的矫正方法，测量绿光参考亮度值LG，测量时，设置绿光奇数帧数据为00000000，偶数帧数据为11111111，红光蓝光奇偶数据皆为零，测量显示器发光亮度值为LG；调整绿光相关的参数，此时红光蓝光奇偶数据皆为0，绿光奇数帧数据不变，调整偶数帧数据为TG1、TG2、…、TG254，如表2所示，使奇数帧数据初始值及结束值之间的值分别和调整后的偶数帧数据值叠加后测得显示器的光亮度都约等于LG；同理，调整红光与蓝光的数据。通过主机设置输入端，调整偶数帧数据对应的参数，反复测得显示器亮度值找出其最接近参考值所对应的参数，实现较为理想的白屏。
-
公开(公告)号：CN111314932B
公开(公告)日：2022-05-27
申请号：CN202010053298.8
申请日：2020-01-17
Applicant: 山东师范大学
Abstract: 广义速率分割多址接入(G‑RSMA)技术具有显著提高无线网络能量效率EE和频谱效率SE的潜力。为了使多小区MISO系统的能量效率EE和频谱效率SE达到最大，本发明提出了应用G‑RSMA技术的波束形成向量和速率分配的联合设计，建立了同时最大化能量效率EE和频谱效率SE的多目标优化问题。本发明将所提出的多目标优化问题转化为单目标优化问题来实现EE‑SE权衡，通过进一步研究能量效率EE与频谱效率SE之间的拟凸关系，可知任意可达的频谱效率SE区域内都能得到最大的能量效率EE。仿真结果证明，在不同的系统参数设置下，与传统的多址接入技术相比，在获得理想频谱效率SE下，提高了系统能量效率EE。
-
公开(公告)号：CN112785661A
公开(公告)日：2021-05-11
申请号：CN202110038463.7
申请日：2021-01-12
Applicant: 山东师范大学
Abstract: 本公开提供了基于融合感知损失的深度语义分割图像压缩方法及系统，所述方案基于子块以及基于子块的感知损失函数，对压缩网络以及GAN网络进行有效的基于子块的训练，相对于传统的基于原始图像大小的方式可以捕捉更多更微小的图像特征；同时，融合感知损失函数能够较好的平衡每个函数的优缺点，从而获得比传统训练方式更好的训练效果，并且，基于子块的策略还可以在一定程度上抑制振铃效应、色调分离以及区域模糊效应的出现；最后，为了更好的模拟人类复杂的视觉系统，所述方案利用基于视觉感知的评价指标—多尺度结构相似性(MS‑SSIM)，能够较好的保留图像中高频区域的对比度，以及绝对值误差(L1范式)可以保留图像原有色彩和局部结构的特性。
-
公开(公告)号：CN106961607B
公开(公告)日：2019-05-28
申请号：CN201710192949.X
申请日：2017-03-28
Applicant: 山东师范大学
IPC: H04N19/39
Abstract: 本发明涉及一种基于JND的时间域重叠变换多描述编码和多描述解码的方法及系统，其中多描述编码方法包括获取图像信息，将图像信息分为两个子集，分别作为第一子集和第二子集，同时生成第一描述和第二描述，所述两个描述均同时包括第一子集和第二子集；对第一描述，基于多描述方法，采用第一子集预测第二子集，并根据第一子集与第二子集的预测值进行熵编码，输出第一多描述码流；对第二描述，基于多描述方法，采用第二子集预测第一子集，并根据第二子集与第一子集的预测值进行熵编码，输出第二多描述码流；所述多描述方法包括依次对所述两个子集进行基于时间域的重叠变换、DCT变换、基于JND的阈值滤波和量化处理。
