意思！但你们怎么判断变化大和变化小的阈值？阈值设高了，小目标会漏掉；阈值设低了，噪声会被当成目标传过来，浪费带宽。”
林默笑了笑，这个问题问得很专业。
“陈教授这个问题问到点子上了。我们的做法是采用自适应阈值，根据画面整体的噪声水平动态调整。”
“画面干净的时候阈值设低一点，保留更多细节，画面雪花多的时候阈值抬高一点，优先保证稳定性。”
他在黑板上又写下一个公式：“具体算法是这样的，阈值T=k*σ，其中σ是背景噪声的标准差，k是经验系数，我们目前用的是1.5到2.5之间，这个值是通过大量实测数据拟合出来的，能够很好地平衡灵敏度和误报率。”
袁祥辉点了点头：“自适应阈值，这个方案可行，那降采样呢？你们是不是也用了？”
林默在框图上又加了一个模块，“对的，在帧间差分之前，我们先做降采样。”
“原始图像的分辨率我们不做限制，但在进入差分环节之前，我们把四个像素合并成一个，分辨率降低到原来的四分之一。”
“这样做有两个好处，一是数据量进一步减少，二是对噪声有抑制作用，因为四个像素的平均值比单个像素更稳定。”
陈先进忍不住插嘴：“降采样会损失细节，你们怎么补偿？”
林默转过身来，面对着他：“不补偿，陈教授，我们要想清楚一个问题，无人机图传的目的是什么？”
“不是拍电影，不是搞艺术摄影，而是获取关键的信息，我们不需要看清一个人的五官，只需要知道那里有一个人，不需要看清车牌号，只需要知道那里有一辆车。在这个前提下，牺牲一部分细节换取更远的传输距离和更低的延迟，是划算的。”
陈先进沉默了，他在思考林默的话。
“林默继续说，“当然了降采样之后，我们还要做一步处理，动态范围压缩，原始的图像信号动态范围很大，亮的地方很亮，暗的地方很暗，直接传输的话，量化误差会很大。”
“我们用一种简单的对数压缩，把高亮部分和低暗部分的细节都保留下来。虽然画质会损失一些，但关键信息不会丢。”
袁祥辉继续开口，问了一个很技术的问题：“林厂长，你们的帧缓存用的是多大容量？读写速度跟得上吗
本章未完，请点击下一页继续阅读！