幅简图，一幅是前一帧，一幅是当前帧。
“我们用帧缓存把上一帧存起来，然后把当前帧和上一帧做逐像素的减法。”
“变化大的地方，说明有运动目标，变化小的地方，说明是静止背景。然后我们只传输变化大的那一部分像素，静止背景不传，这样一来，数据量至少可以减少百分之六十以上。”
陈先进是懂行的，刚听了两句就马上反应过来。
“林厂长，有一说一，这个思路很有意思！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
本章未完，请点击下一页继续阅读！