-
公开(公告)号：CN112954312B
公开(公告)日：2024-01-05
申请号：CN202110176125.X
申请日：2021-02-07
Applicant: 福州大学
IPC: H04N17/00 , G06T7/00 , G06N3/0464 , G06V10/82 , G06N3/048 , G06N3/08 , G06F18/241 , G06V10/80 , G06T3/4038
Abstract: 本发明涉及一种融合时空特征的无参考视频质量评估方法，包括以下步骤:步骤S1:获取视频数据集，作为训练集；步骤S2:构建空域特征提取子网络，并基于训练集下采样得到的帧集合训练；步骤S3:构建时域特征提取子网络，并基于训练集的残差图像序列训练；步骤S4:根据训练后的空域特征提取子网络和时域特征提取子网络，构建视频质量评估网络，并通过注意力机制自适应的调整时域和空域特征对于视频感知质量的影响，训练得到视频质量评估模型；步骤S5:根据得到的视频质量评估模型，提取待测视频的时域和空域特征，并计算待测视频的质量分数。本发明可以显著提高无参考视频质量评估的性能。
-
公开(公告)号：CN111951207B
公开(公告)日：2022-06-14
申请号：CN202010861879.4
申请日：2020-08-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度增强学习和语义损失的图像质量增强方法，步骤S1：构造两种数据集，分别为单一程度单一失真类型数据集和不同程度混合失真类型的数据集；步骤S2：设计一种卷积神经网络模型和一个深度增强学习网络，并为深度增强学习网络设计一种包含综合失真损失和语义损失的损失函数；训练深度增强学习网络，得到训练好的图像质量增强模型；步骤S3：将待测的失真图像划分为图像块，利用训练好的图像质量增强模型恢复待测失真图像的质量，得到最终的图像质量增强结果。本发明利用预训练好的应对单一失真类型的工具集合，通过找出使恢复结果最佳的工具及其使用顺序，最终显著增强混合失真类型图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN108491883B
公开(公告)日：2022-03-22
申请号：CN201810256988.6
申请日：2018-03-26
Applicant: 福州大学
IPC: G06K9/62 , G06V10/762 , G06V10/74 , G06V10/771
Abstract: 本发明涉及一种基于条件随机场的显著性检测优化方法，其特征在于，包括以下步骤：步骤S1：提取输入图像集合中各图像的全局深度卷积特征；步骤S2：根据全局深度卷积特征计算输入图像集合中两两图像之间的相似性；步骤S3：根据图像之间的相似性对输入图像集合进行K‑means聚类，形成k个相互独立的图像簇；步骤S4：采用网格搜索方法计算每个图像簇的全连接条件随机场最优参数；步骤S5：对于新的输入图像，判断其所属的图像簇，采用所属图像簇的全连接条件随机场最优参数对所述新的输入图像的显著性图进行优化。该方法适用于多种显著性检测算法的优化，且优化效果好。
-
公开(公告)号：CN108491883A
公开(公告)日：2018-09-04
申请号：CN201810256988.6
申请日：2018-03-26
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于条件随机场的显著性检测优化方法，其特征在于，包括以下步骤：步骤S1：提取输入图像集合中各图像的全局深度卷积特征；步骤S2：根据全局深度卷积特征计算输入图像集合中两两图像之间的相似性；步骤S3：根据图像之间的相似性对输入图像集合进行K-means聚类，形成k个相互独立的图像簇；步骤S4：采用网格搜索方法计算每个图像簇的全连接条件随机场最优参数；步骤S5：对于新的输入图像，判断其所属的图像簇，采用所属图像簇的全连接条件随机场最优参数对所述新的输入图像的显著性图进行优化。该方法适用于多种显著性检测算法的优化，且优化效果好。
-
公开(公告)号：CN108549872B
公开(公告)日：2022-03-22
申请号：CN201810342794.8
申请日：2018-04-17
Applicant: 福州大学
Abstract: 本发明涉及一种适用于重定向图像质量评估的视觉注意融合方法，包括以下步骤：1、读取原始图像，使用两种显著物体检测算法生成两种显著性图；2、使用均衡化操作减小两种显著性图的分布差异，生成两幅均衡化显著性图；3、使用对应点的显著性值相加求平均的方法融合两幅均衡化显著性图，经归一化操作生成融合显著性图；4、检测原始图像中的人脸和线条信息；5、在约束放大极值的条件下，自适应地放大融合显著性图中的人脸矩形框和线条区域的显著性值，生成包含人脸和线条信息的融合显著性图；6、使用显著性增强模型增加融合显著性图的对比度，经归一化操作生成视觉注意融合显著性图。该方法能够提高客观质量评估结果与主观感知的一致性。
-
公开(公告)号：CN112954312A
公开(公告)日：2021-06-11
申请号：CN202110176125.X
申请日：2021-02-07
Applicant: 福州大学
Abstract: 本发明涉及一种融合时空特征的无参考视频质量评估方法，包括以下步骤:步骤S1:获取视频数据集，作为训练集；步骤S2:构建空域特征提取子网络，并基于训练集下采样得到的帧集合训练；步骤S3:构建时域特征提取子网络，并基于训练集的残差图像序列训练；步骤S4:根据训练后的空域特征提取子网络和时域特征提取子网络，构建视频质量评估网络，并通过注意力机制自适应的调整时域和空域特征对于视频感知质量的影响，训练得到视频质量评估模型；步骤S5:根据得到的视频质量评估模型，提取待测视频的时域和空域特征，并计算待测视频的质量分数。本发明可以显著提高无参考视频质量评估的性能。
-
公开(公告)号：CN109461128A
公开(公告)日：2019-03-12
申请号：CN201811235870.1
申请日：2018-10-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度保持的结构一致立体图像颜色校正方法，首先利用SIFT特征提取和匹配分别对参考图像和目标图像进行特征提取和像素匹配，获取结构图像和匹配图像；然后利用结构相似性算法生成匹配图像和目标图像的置信度图，对图像置信度较低的区域进行局部映射，生成初始颜色校正结果图像；最后利用梯度保持算法对初始颜色校正结果图像的颜色和结构进行有参考的优化，得到最终的结果图像。本发明解决了局部颜色校正算法的结构一致问题和全局颜色校正算的区域颜色混乱问题，而且还保留了图像的梯度信息，提升了图像的保真度。
-
-
-
-
-
-
Search Results
17
records
(took 0.102 seconds)
