• 時間：2016.10.11-2016. 11.3
• 注意關注會議

機構

• ITU（國際電信聯盟）

• MPEG： Moving Picture Experts Group，動態圖像專家組, 是ISO（International Standardization Organization，國際標準化組織）與IEC（International Electrotechnical Commission，國際電工委員會）于1988年成立的專門針對運動圖像和語音壓縮制定國際標準的組織。每年舉辦三次會議。

• 3GPP： 3GPP的目標是實現由2G網絡到3G網絡的平滑過渡，保證未來技術的后向兼容性，支持輕松建網及系統間的漫游和兼容性。 其職能： 3GPP主要是制訂以GSM核心網為基礎，UTRA(FDD為W-CDMA技術，TDD為TD-CDMA技術)為無線接口的第三代技術規范。

標準

MPEG標準：

• MPEG-1/1993：11172，VCD
• MPEG-2/1995：13818，DVD
• MPEG-4/1999：.mp4格式的視頻，目前仍在使用
• MPEG-4 AAC/2003 /H.264
• MPEG-7/2001：15938，檢索標準，較老了
• HEVC（2013）/H.265
• MPEG-21

Dolby AC3標準

AVS標準

兩種向量差值的表示：

• 歐氏距離：|F1-F2|^2； 歐幾里得度量（euclidean metric）（也稱歐氏距離）是一個通常采用的距離定義，指在m維空間中兩個點之間的真實距離，或者向量的自然長度（即該點到原點的距離）。在二維和三維空間中的歐氏距離就是兩點之間的實際距離。

• 馬氏距離： 馬氏距離(Mahalanobis distance)是由印度統計學家馬哈拉諾比斯(P. C. Mahalanobis)提出的，表示數據的協方差距離。它是一種有效的計算兩個未知樣本集的相似度的方法。與歐氏距離不同的是它考慮到各種特性之間的聯系（例如：一條關于身高的信息會帶來一條關于體重的信息，因為兩者是有關聯的）并且是尺度無關的(scale-invariant)，即獨立于測量尺度。對于一個均值為μ，協方差矩陣為Σ的多變量向量，其馬氏距離為(x-μ)’Σ^(-1)(x-μ)。

JPEG2000 圖像檢索

問題：描述、匹配、視角問題、手機搜索

拍照過程（信息有損失）：

• 3D——>2D；

• 成像輸入——>攝像頭——>去噪——>對應RGB不同的通道對圖像采樣——>DSP處理——>輸出

描述：

Globle Feature：

• 顏色
• 結構
• 輪廓

Local Feature ：

• keypoint（特征點、關鍵點）
• Interesting content
• precise localization
• repeatable detection under variations of scale rotation（旋轉、尺度等變換可重復檢測）

SIFT

SIFT概念：

• 尺度不變特征變換（Scale-invariant feature transform，SIFT），是用于圖像處理領域的一種描述。

• 這種描述具有尺度不變性，可在圖像中檢測出關鍵點，是一種局部特征描述子。

  • keypoint（特征點、關鍵點）
  • Interesting content
  • precise localization
  • repeatable detection under variations of scale rotation（旋轉、尺度等變換可重復檢測）

• 該方法于1999年由David Lowe首先發表于計算機視覺國際會議（International Conference on Computer Vision，ICCV），2004年再次經David Lowe整理完善后發表于International journal of computer vision（IJCV）。截止2014年8月，該論文單篇被引次數達25000余次。

SIFT實現方法：

• 金字塔形狀分解（pyramids）；逐級檢測

• 尺度空間（scale space）;DOG method

仿射（Affin Transform, AT）

包括：旋轉、傾斜、平移、縮放

第二課

MPEG-1

• CD11172-1，音頻（A、B、C、D、E、F、G）

• 幀同步：CD11172-2，視頻。

• 注意：encoder issue編碼器問題，只要編碼后的碼流符合標準即可，對編解碼器并沒有規定，其中涉及優化問題。

MPEG-1 ：13818（視頻標準）

幀內編碼：

audio（聽覺）

• Bn=20KHZ，Fs=44.1KHZ，或是48KHZ Bps=16bit

voice（語音）

• Bn=3.4KHZ->4KHZ ，Fs=8KHZ Bps=8bit

MPEG Audio

• Audio layout2 ——MP2：時域上編碼

• Audio layout3 ——MP2：濾波器組，切割成32個子帶

• AAC MP3有更大的采樣率：8-96KHZ，更大的比特數和更長的幀長

編碼器

• CELP：較有名的編碼器， 基于模型的編碼
• MIDI

三基色：RGB

• 16777216種顏色

• 4096/2048 量化，取最大值

描述圖像，用于檢索的指標有

• PBC
• SRC
• Edge histogram
  注意：旋轉不變性，解決的是角度問題。

總結

以上是生活随笔為你收集整理的多媒体表示、描述、编码以及通信的相关规定和标准课程总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。