-
公开(公告)号：CN108537739B
公开(公告)日：2021-11-09
申请号：CN201810127313.1
申请日：2018-02-08
Applicant: 东华大学
Abstract: 本发明涉及一种基于特征匹配度的无参考视频增强效果评测方法，包括以下步骤：使用某一视频增强算法E对含有N帧的原始视频V进行质量增强，得到已增强视频Ve；按帧顺序依次获取已增强视频帧的基色分量图像，采用不变量特征算子分别提取分量图像的特征向量；依次对前后帧中同一基色分量的特征向量进行特征匹配，分别计算出两幅分量图像特征点匹配成功的个数；判断当前帧是否为已增强视频Ve的最后一帧，如果不是，则返回上述步骤；否则，进入下一步骤；累计所有前后帧基色分量的特征匹配点数，将所有特征匹配点数的每帧分量平均值作为该视频增强算法的特征匹配度。本发明为改进无参考视频增强算法提供了一种客观评测准则。
-
公开(公告)号：CN108235020B
公开(公告)日：2021-07-02
申请号：CN201810012253.9
申请日：2018-01-05
Applicant: 东华大学
IPC: H04N19/176 , H04N19/124 , H04N19/147 , H04N19/593
Abstract: 本发明涉及一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，包括以下步骤：按照螺旋次序，依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值，其中，每个图像块均使用相同的观测矩阵；根据当前图像块的螺旋次序，对测量值执行测量值的多方向预测，得到最优的预测残差；对当前图像块最优的预测残差进行量化输出，获得量化值；对量化分块压缩感知系统的测量端的量化值进行反量化，得到当前图像块的重构残差；将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值，随后进行缓存，为后续图像块的测量值预测做准备。本发明能够提高QBCS的整体率失真性能。
-
公开(公告)号：CN111147853B
公开(公告)日：2021-05-25
申请号：CN201911323397.7
申请日：2019-12-20
Applicant: 东华大学
IPC: H04N19/13 , H04N19/147 , H04N19/176 , H04N19/124 , H04N5/232
Abstract: 在分块压缩感知(BCS)系统中，测量端需要逐块地进行观测值预测，本发明提出了一种基于变焦预观测的先验子块生成方法。测量端新增了控制器、焦距调整、全景观测等功能模块。对于目标图像，控制器首先转入变焦预观测流程，焦距调整的准则是使得整幅图像刚好落入块尺寸的观测范围，随后执行全景观测，获取先验子块；接下来，控制器转入逐块观测获取观测值，基于先验子块执行SDPC观测值预测，对最小预测残差进行量化与熵编码，产生二进制比特流。所提方法可以充分利用自然图像的非局部空域相关性，降低图像边缘对预测准确度的影响。
-
公开(公告)号：CN108022241B
公开(公告)日：2021-05-04
申请号：CN201711434374.4
申请日：2017-12-26
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向水下图像集的一致性增强质量评价方法，包括以下步骤：使用现有的质量评价准则对水下图像集中的一幅原始图像进行质量评价；将所述原始图像通过图像质量增强算法得到增强后的图像，并使用上述现有的质量评价准则对增强后的图像进行质量评价，根据两个质量评价结果计算CEQAi值，重复上述步骤得到该水下图像集中所有图像的CEQAi值，并找出其中的最大值、最小值和平均值，最后利用这些值及权重系数得到上述图像质量增强算法在上述质量评价准则下对于此水下图像集的CEQA有效值。本发明可以为面向水下图像集的各种图像质量增强算法与质量评价准则提供一个一致性增强性能的评价体系。
-
公开(公告)号：CN111602917A
公开(公告)日：2020-09-01
申请号：CN202010447556.0
申请日：2020-05-25
Applicant: 东华大学
Abstract: 本发明涉及一种可拆卸可收缩户外遮阳安全帽，属于劳防安全用品技术领域。安全帽主体内侧底部的减震和保护装置连接有下巴固定扣带和后脑固定扣带，安全帽主体外侧顶部设有透气孔；安全帽主体设有可拆卸式遮阳帽檐和可收放式遮阳布装置；安全帽主体前侧帽檐处设有可拆卸式遮阳帽檐；遮阳帽檐可以根据需要自行拆装；安全帽主体的两侧和脑后侧设有可收放式遮阳布装置。遮阳布可根据需要自行拉出或收缩。本发明在不明显增大安全帽体积的同时，既可以正常地保护头部安全，也增加了给头部降温的透气孔，同时又可以减少强烈的阳光照射引起的晒伤、头晕、中暑等情况的发生；结构简单，使用操作方便快捷，适用于多种户外作业环境。
-
Patent Agency Ranking
公开(公告)号：CN111275125A
公开(公告)日：2020-06-12
申请号：CN202010085541.4
申请日：2020-02-10
Applicant: 东华大学
IPC: G06K9/62
Abstract: 本发明涉及一种面向图像可靠分类的类别标签恢复方法，属于机器视觉技术领域。本发明将标签传播过程、PCA降维和LDA分类结合起来，公开了一种面向低秩图像特征分析的类别标签恢复方法。所提方法通过引入标签传播过程，获得标签恢复后的数据集，随后执行PCA可靠降维，以降低可靠数据集的维度，同时保持可靠数据集中对方差贡献最大的信息，最后提取LDA特征，得到鉴别分析的低秩特征。所提方法通过对含有缺失标签的数据集进行预处理，还原缺失的类别标签，并通过可靠降维提取出最具判别性的特征，使得后续的最近邻分类器更加精确可靠；提高了样本标签数据的鲁棒性，使得分类模型更加有效。
-
公开(公告)号：CN108111852B
公开(公告)日：2020-05-29
申请号：CN201810031831.3
申请日：2018-01-12
Applicant: 东华大学
IPC: H04N19/124 , H04N19/147 , H04N19/132
Abstract: 本发明涉及一种面向量化分块压缩感知编码的双测量参数率失真控制方法，以采样率和量化深度作为测量参数，在码率约束下实现编码质量的最大化，分为训练模式和工作模式：在训练模式下，通过在各种测量参数值下恢复目标图像，构建控制器所用的双测量参数模型；在工作模式下，根据双测量参数模型分配测量参数值，对目标图像执行量化分块压缩感知编码，以便在给定的码率约束下获得优化的编码质量。本发明能够为后续目标图像预先设定优化的测量参数值，在不同的码率级别约束下渐进地调整编码质量，由于邻近的目标图像具有相对一致的统计特性，本发明能够为后续目标图像提供优化的率失真性能。
-
公开(公告)号：CN109120932A
公开(公告)日：2019-01-01
申请号：CN201810766665.1
申请日：2018-07-12
Applicant: 东华大学
IPC: H04N19/137 , H04N19/182 , H04N19/503 , G06K9/62
Abstract: 本发明提出了一种基于HEVC压缩域双SVM模型的视频显著性预测方法。所提方法对视频数据集中选定的所有训练视频序列进行分类，使用分类的训练视频序列A类和B类对HEVC压缩域双SVM显著性预测模型分别进行训练，得到两种不同的压缩域显著性预测模型。从视频数据集中选取某一测试视频序列进行预分类操作，使用已经训练好的HEVC双SVM显著性预测模型对测试视频序列进行显著性的预测，所提方法能够获得较好的显著性预测效果。
-
公开(公告)号：CN108235020A
公开(公告)日：2018-06-29
申请号：CN201810012253.9
申请日：2018-01-05
Applicant: 东华大学
IPC: H04N19/176 , H04N19/124 , H04N19/147 , H04N19/593
Abstract: 本发明涉及一种面向量化分块压缩感知的螺旋式逐块测量值预测方法，包括以下步骤：按照螺旋次序，依次对当前第i个图像块xi进行独立观测得到当前图像块的测量值，其中，每个图像块均使用相同的观测矩阵；根据当前图像块的螺旋次序，对测量值执行测量值的多方向预测，得到最优的预测残差；对当前图像块最优的预测残差进行量化输出，获得量化值；对量化分块压缩感知系统的测量端的量化值进行反量化，得到当前图像块的重构残差；将重构残差与候选块的重构测量值相加得到当前图像块的重构测量值，随后进行缓存，为后续图像块的测量值预测做准备。本发明能够提高QBCS的整体率失真性能。
-
公开(公告)号：CN111246213B
公开(公告)日：2022-05-13
申请号：CN202010069771.1
申请日：2020-01-21
Applicant: 东华大学
IPC: H04N19/177 , H04N19/132 , H04N19/583
Abstract: 本发明公开了一种采样率自适应的分层次块匹配重构方法，首先对视频码流中各帧的测量值分别进行帧内初次重构，随后根据关键帧采样率较非关键帧采样率的增长率情况，逐个图像组(GOP)依次进行分层次的处理：对增长率较低的情况，每个GOP内的非关键帧选取最邻近的一个关键帧作为参考帧进行重构；对于增长率较高的情况，每个GOP内的非关键帧动态地挑选双向参考帧，进而完成图像的重构。通过更加精细的参考帧选择机制，所提方法能够获得较好的视频重构质量，在重构质量与复杂度两方面取得了较好的性能折衷。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.019 seconds)
