一种基于层级特征融合的水下图像质量评价方法

    公开(公告)号:CN116486245A

    公开(公告)日:2023-07-25

    申请号:CN202310396890.1

    申请日:2023-04-14

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于层级特征融合的水下图像质量评价方法。包括:S1、提出一种水下图像的全层次特征提取方法;S2、提出一种多特征融合方案,构建一种基于全层次特征的质量评价方法。本发明方法考虑水下图像具有任务导向的背景,即水下目标检测和识别,结合人脑视觉识别原理,提取了水下图像的层级特征,并使用几个参数密度模型有效捕获失真,综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练,使得决策过程更加简单。

    基于概率的帧内编码器优化方法

    公开(公告)号:CN108881905B

    公开(公告)日:2021-08-31

    申请号:CN201810882413.5

    申请日:2018-08-04

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于概率的帧内编码器优化方法,包括以下步骤:步骤S1:构建预测候选模式列表;步骤S2:根据预测候选模式列表第一候选模式成为最佳预测模式的概率,提前终止模式选择;步骤S3:基于RD costs的对数正态分布,设定CU划分与否的依据,完成提前终止CU划分。本发明在视频质量的前提下,大幅提高视频编码的效率。

    基于非对称码率分配的立体视频传输方法

    公开(公告)号:CN111711810B

    公开(公告)日:2021-06-22

    申请号:CN202010617647.4

    申请日:2020-06-30

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于非对称码率分配的立体视频传输方法,包括以下步骤:步骤S1:基于左、右视点码率非对称情况下的立体视频感知质量,建立立体视频客观质量模型;步骤S2:根据立体视频客观质量模型,利用数学模型表达预测网络带宽过程和缓存状态变化的过程,建立基于HTTP动态自适应流媒体技术的立体视频码率自适应传输算法模型;步骤S3:在立体视频传输系统中,根据基于HTTP动态自适应流媒体技术的立体视频码率自适应传输算法模型,为每次视频片段下载请求提供最佳左、右视点码率组合,完成立体视频的传输。本发明可以有效预测立体视频质量,实现非对称码率的自适应传输。

    一种基于层级特征融合的水下图像质量评价方法

    公开(公告)号:CN116486245B

    公开(公告)日:2025-05-16

    申请号:CN202310396890.1

    申请日:2023-04-14

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于层级特征融合的水下图像质量评价方法。包括:S1、提出一种水下图像的全层次特征提取方法;S2、提出一种多特征融合方案,构建一种基于全层次特征的质量评价方法。本发明方法考虑水下图像具有任务导向的背景,即水下目标检测和识别,结合人脑视觉识别原理,提取了水下图像的层级特征,并使用几个参数密度模型有效捕获失真,综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练,使得决策过程更加简单。

    一种面向VVC的快速帧内预测方法

    公开(公告)号:CN111757129B

    公开(公告)日:2023-07-07

    申请号:CN202010645425.3

    申请日:2020-07-07

    Applicant: 福州大学

    Abstract: 本发明涉及一种面向VVC的快速帧内预测方法,包括以下步骤:步骤S1:构建HAD代价预测模型,预测每种预测模式的HAD代价,按从小到大的排序,并选择前若干个HAD代价的模式初始化CU候选模式列表;步骤S2:通过统计分析候选模式成为最佳模式的概率,优化CU候选模式列表;步骤S3:基于贝叶斯定理,在每个CU深度级别执行CU划分的提前终止,进一步进行VVC的下一步编码流程,从而加快编码时间。本发明实现在保证视频质量的前提下,有效地加快了视频的编码时间。

    一种基于时空约束的交通数据张量填充方法

    公开(公告)号:CN108804392B

    公开(公告)日:2021-11-05

    申请号:CN201810543422.1

    申请日:2018-05-30

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于时空约束的交通数据张量填充方法,获取不完整的交通数据,建立交通流数据张量;建立基于因子分解的张量填充模型;通过分析数据时空特性,构建时空约束张量,对所述基于因子分解的张量填充模型进行优化;进行加入时空约束的张量填充,恢复出原始交通数据。本发明提出的一种基于时空约束的交通数据张量填充方法,将一种基于因子分解的张量填充方法应用于交通数据恢复领域,并充分挖掘交通数据的时空相关性和低秩特性,提高了恢复完整交通数据的精度。

    一种基于视觉感知的率失真优化方法

    公开(公告)号:CN115174898A

    公开(公告)日:2022-10-11

    申请号:CN202210744549.6

    申请日:2022-06-27

    Applicant: 福州大学

    Abstract: 本发明提出一种基于视觉感知的率失真优化方法,包括以下步骤;步骤S1、以符合人眼恰可察觉失真标准的JND主观测试数据集来建立视频应用像素域的JND预测模型,并由该模型得到符合人眼视觉感受的JND阈值;步骤S2、推导拉格朗日乘数因子,用于降低视频中的感知冗余,在编码过程从视频中减少人眼无法察觉的视频数据;步骤S3、使用视频播放的显著性模型优化拉格朗日乘子权重系数,以优化视频编码过程的显著区域和非显著区域编码比特的分配;步骤S4、根据步骤S2、S3所得结果,将视频应用融合于率失真优化,充分发挥两种模型的优势;本发明能将数据驱动的像素域JND模型与显著度模型相结合,在保证视频感知质量的前提下,提高视频编码压缩率,实现率失真优化。

Patent Agency Ranking