国际数字多媒体广播杂志
期刊指标
录取率 45%
提交最终决定 66天
接受出版 137天
CiteScore 1.200
影响因子 -

基于稀疏子空间聚类的多体非刚体运动分割

阅读全文

杂志简介

国际数字多媒体广播杂志为对数码多媒体广播感兴趣的工程师和研究人员提供一个论坛,让他们分享最新的发展和挑战,以便设计新的和改进的系统。

编辑焦点

国际数字多媒体广播杂志拥有一个由来自世界各地的实践研究人员组成的编辑委员会,以确保手稿由研究领域的专家编辑处理。

特殊的问题

你认为有一个新兴的研究领域真的需要被强调吗?或者是一个被忽视的现有研究领域,或将受益于更深入的研究?通过领导一个特刊来提高一个研究领域的知名度。

最新文章

更多的文章
研究文章

使用改进的LSB图像隐写术实现安全可靠的医学文本信息

如今,在不安全的网络上安全传输医疗数据是远程医疗的一个基本问题。随着多媒体技术和互联网络的指数级增长,现代医疗保健向前迈出了一大步。在自动化医疗保健设置中,对从远程位置的专家那里获得的诊断图像(来自发送者)进行身份验证是最具挑战性的任务之一。入侵者被发现能够有效地利用以前文献中安全传输的消息,因为算法不够有效,导致信息失真。因此,本研究提出了一种改进的最小有效位(LSB)技术,能够保护和隐藏医疗数据,以解决关键的认证问题。应用MATLAB 2018a执行并建立应用程序,使用逻辑位移位操作执行。研究结果表明,所提出的技术可以巩固医疗信息,而不会在隐写术图像中留下可察觉的伪造。实验结果表明,改进后的LSB图像隐写技术与标准LSB技术相比,PSNR值更高,MSE值更低。位移的数量被添加为提议的系统的一个新的性能指标。该研究的结论是,与其他流行的方法相比,所提议的安全医疗信息系统被证明能够熟练地隐藏医疗信息,并创建无法检测的隐写术图像,具有轻微的堑壕性伪造。

研究文章

基于多特征超图融合的车辆再识别

车辆再识别是指在不重叠的摄像头之间匹配车辆的任务,是智能交通系统的关键问题之一。由于道路上车辆外观的相似性,传统方法在相似度高的车辆上表现不佳。在本文中,我们利用超图表示来整合图像特征,并通过超图学习算法来解决车辆重新识别问题。特征描述符只能从单个方面提取特征。为了合并多个特征描述符,高效和适当的表示是特别必要的,超图自然适合建模高阶关系。此外,摄像头之间交通状态的时空相关性是图像之外的约束,可以大大提高不同外观车辆的重新识别精度。本文提出的方法使用超图优化来了解查询图像与库中图像之间的相似性。必威2490利用查询对象与图像库之间的对和高阶关系,改进了直接匹配的相似度度量方法。对本文构建的图像库进行实验,验证了多特征超图融合和时空相关模型在车辆再识别中的有效性。

研究文章

基于网格变形的人群运动编辑

计算机模拟是电影制作大型人群场景的一项重要技术。但目前人群运动动画制作过程中需要大量的手工操作,耗时且不方便。为了解决上述问题,本文提出了一种基于网格变形的编辑方法,可以从时间和空间的角度快速直观地编辑人群运动轨迹。该方法可以直接生成和调整人群运动,避免人群与障碍物之间的碰撞。针对路径修改问题带来的人群碰撞问题,提出了基于时间的解决方案,通过保持个体的相对位置来避免这种情况。并在实际场地进行了实验,实验结果表明,该方法不仅简化了编辑操作,而且提高了人群运动编辑的效率。

研究文章

利用双极化MIMO空间复用和混合波束形成技术提高DVB-NGH容量

多输入多输出(MIMO)天线方案是数字视频广播-下一代手持设备(DVB-NGH)等未来地面广播系统克服传统单天线无线通信信息理论限制、不增加带宽和发射功率的有效技术。本文提出了一种用于双极化MIMO空间复用DVB-NGH广播系统的混合波束形成方案。该系统利用数字-模拟预编码器在发射机端波束形成阶段的移相器和振幅衰减器,最大限度地提高信噪比,以增加DVB-NGH系统的信道容量。在接收端,使用最大似然检测器来评估系统性能。我们考虑了不同FFT尺寸、发射天线数量和不同调制方案下DVB-NGH MIMO的信干扰噪比(SINR)和可达到的平均容量。在误码率、信道容量和波束模式方面的性能结果表明,所提出的混合波束形成和双极化MIMO空间复用方案对波束形成和/或零化技术的信号干扰具有更强的鲁棒性。仿真结果还表明,该系统在DVB-NGH系统中具有比现有MIMO方案更高的容量。

研究文章

基于深度学习和周期谱的OFDM信号认知频谱感知方法

在认知无线网络(CRN)中,频谱感知是提高频谱资源利用率的重要前提。本文提出了一种新的基于深度学习和周期频谱的频谱感知方法,将卷积神经网络(CNN)在图像中的优势应用于正交频分复用(OFDM)信号的频谱感知。首先,对OFDM信号进行循环自相关分析,并通过时域平滑快速傅里叶变换(FFT)累积算法(FAM)得到循环频谱,将循环频谱归一化进行灰度处理,得到循环自相关灰度图像;然后,利用改进的CNN经典LeNet-5模型,学习分层抽取的深层特征。最后,我们输入测试集来验证训练好的CNN模型。仿真实验表明,该方法能够利用周期频谱完成频谱感知任务,在低信噪比(SNR)条件下对OFDM信号具有更好的频谱感知性能。

研究文章

基于卷积神经网络的弱音移语音识别

音调转换是一种常见的语音编辑技术,它可以提高或降低数字声音的原始音调。它很可能被恶意攻击者滥用,以隐藏他/她的真实身份。现有的法医学检测方法对弱音高变化的声音已不再有效。在本文中,我们提出了一种卷积神经网络(CNN),它不仅可以检测出强移频语音,还可以检测出移频因子小于±4半音的弱移频语音。具体来说,考虑了功率谱计算的线性频率倒谱系数(LFCC),并提取其动态系数作为判别特征。对CNN模型进行了精心设计,重点考虑了输入特征图、激活函数和网络拓扑结构。我们用三个音调转换软件对来自两个数据集的声音进行了评估。广泛的结果表明,该算法对二进制和多重分类都有较高的检测率。

国际数字多媒体广播杂志
期刊指标
录取率 45%
提交最终决定 66天
接受出版 137天
CiteScore 1.200
影响因子 -
提交