江苏省农田保护经济补偿政策绩效评价与空间差异研究

［目的］分析评价江苏省现有农田保护经济补偿政策绩效与空间差异对建立完善长效的农业生态补偿机制和推动我国农业生态环境的可持续发展具有重要意义。［方法］以江苏省为研究区域，运用熵权-TOPSIS法，选取2010—2017年全省及苏北、苏中、苏南三个区域内11个指标，计算江苏省及三大区域农田保护经济补偿政策综合绩效值与经济、生态和社会效益单项绩效值，进行比较分析。［结果］（1）江苏省农田保护经济补偿政策在2010—2017年8年综合绩效值由0189波动增长到0841，效果初现且具有较强推广价值。（2）经济效益绩效值以年均257%的增长率由0增长到1，效果最为显著，社会效益次之，生态效益自2013年后为绩效值中最低值，与前两项最大差距在05左右，反映出环境改善、农田质量提高效应远低于农户创收、社会公平效应，政策拟合度不高。（3）江苏省农田保护经济补偿政策效果存在空间差异，综合来看政策效果表现为苏南>苏中>苏北，苏南凭借经济优势在2016年和2017年的综合绩效值上比苏中苏北高出01、在经济与社会绩效值以002的差距领先且生态绩效值没有下降拐点，具有长效可持续性。［结论］现阶段农田保护经济补偿政策效果依赖地方政府经济实力，尚未形成良性长效机制，需从制度体系、环境经济手段、差别化补偿措施、农业补贴结构和宣传等5方面着手，推进农田保护经济补偿政策更好地服务生态环境。     

结合像素域JND阈值空间相关性与图像块类型的残差滤波算法

为了更好地将人眼视觉感知特性应用于视频压缩系统,从而去除视频的视觉冗余成分,在利用像素域的恰可察失真(Just Noticeable Distortion,JND)阈值的基础上,结合JND阈值的空间相关性与图像块类型,提出了一种改进的残差滤波算法。该算法首先在像素域计算出每个像素的JND阈值,然后在变换单元(Transform Unit,TU)中挖掘每个像素JND阈值与其周围邻近像素JND阈值之间的空间相关性,再利用索贝儿(Sobel)边缘检测算子将TU分成不同类型的图像块,并且计算出对应的复杂度因子,最后结合上述像素JND阈值的空间相关性和TU复杂度因子对TU残差进行滤波。提出的算法模型可以嵌入到高效率视频编码(High Efficiency Video Coding,HEVC)框架。实验结果表明,在全I帧配置下,提出的算法与标准算法HM16.0相比,在人眼主观感知质量基本一致的情况下,平均可节省16.1%的码率。     

结合空时域下采样与重建的H.264/AVC压缩性能优化

为提高H.264/AVC标准在带宽资源严重受限时的压缩效率,采用空时域相结合的编码思路,提出了一种基于运动检测的自适应抽帧方法,并结合空域下采样与重建研究了一种改进的H.264/AVC压缩性能优化框架。在编码端,原视频先空域下采样以减少空间分辨率,然后根据视频运动特征,采用不同抽帧模式自适应地降低帧率,再经H.264/AVC编码,有效降低了编码码率。在解码端,解码视频则采用与抽帧模式相对应的运动估计与补偿插帧方法重建出抽取帧,再利用超分辨率重建技术将视频恢复到原空间分辨率。实验结果表明,所提方法在低码率段的视频压缩性能优于H.264/AVC标准编解码及相关文献方法。     

采用双网络结构的压缩视频超分辨率重建

在实际应用中，为了节省带宽和方便存储，图像和视频通常被下采样和压缩，而降质的图像与视频无法满足人们的实际需求。针对这一问题，采用了一种双网络结构的超分辨率重建方法，首先建立下采视频与压缩后的低分辨率视频的映射关系，然后建立质量增强的压缩视频与原始视频的映射关系，最终在输出端可以得到质量提升的视频帧。在网络中，采用密集残差块来提取压缩视频中丰富的局部分层特征，并结合全局残差学习恢复视频中的高频信息。在压缩环节，采用高性能视频编码来验证所提算法的有效性。实验结果表明，相比于主流的视频编码标准和先进的超分辨率重建算法，所提方法能有效提升编码视频的率失真性能。     

基于邻近值的HEVC帧内预测优化

高性能视频编码(High Efficiency Video Coding,HEVC)标准中的帧内编码模式利用当前帧中像素点之间的空间相关性作出有效预测。为了解决待编码像素远离参考像素时预测不准确的问题,提出了一种基于邻近值的HEVC帧内预测优化算法。该算法的主要思想是,对于当前像素,先根据传统HEVC帧内编码方法得到其预测值,再使用该像素点左边、左上、上边位置的修正值以及该像素本身的预测值对该预测值进行修正。因为将当前像素与周围像素的相关性进行了有效的数学建模,所以HEVC帧内编码性能得到了提升。实验结果显示,所提算法与HEVC标准相比,最高节省了2.7%的码率,平均节省的码率为1.3%。