-
-
公开(公告)号：CN110191359A
公开(公告)日：2019-08-30
申请号：CN201910409994.5
申请日：2019-05-16
Applicant: 华侨大学
IPC: H04N21/2343 , H04N21/4402 , G06T9/00
Abstract: 本发明涉及一种基于关键子孔径图像选取的光场图像压缩方法，包括：将光场相机捕获得到的光场图像分解为子孔径图像阵列；根据子孔径图像阵列的结构特性，选取其中少数子孔径图像作为关键子孔径图像，剩余多数子孔径图像作为非关键子孔径图像；将关键子孔径图像按照逐行扫描顺序构建成单个伪视频序列；基于HEVC对伪视频序列进行压缩编码传输；利用已解码少数关键子孔径图像通过端到端的卷积神经网络插值重建出未编传输的多数非关键子孔径图像；将重建的完整子孔径图像阵列复原为光场图像；实现光场图像的高效压缩编码与解码重建。本发明方法，在保证客观重建质量的前提下，能够有效地减少光场图像所需存储空间和传输带宽，实现更高的压缩性能。
-
公开(公告)号：CN106780452B
公开(公告)日：2019-08-06
申请号：CN201611114594.4
申请日：2016-12-07
Applicant: 华侨大学
Abstract: 本发明涉及一种结合小波和角点特征的全参考屏幕图像质量评估方法。该方法首先分别提取参考屏幕图像和失真屏幕图像的角点特征相似性图，并以小波变换系数幅值来权衡参考屏幕图像的视觉敏感度，基于该视觉敏感度对角点特征相似性图进行加权融合，从而计算得到失真屏幕图像质量分数。本发明充分利用了角点特征对于图像局部结构的描述能力且考虑到了人眼视觉感知对屏幕图像中不同区域的视觉敏感程度不同，具有较好的屏幕图像质量评估性能，且计算简单。
-
公开(公告)号：CN109525847A
公开(公告)日：2019-03-26
申请号：CN201811345416.1
申请日：2018-11-13
Applicant: 华侨大学
IPC: H04N19/625 , H04N19/176 , H04N19/137 , H04N19/14
Abstract: 本发明涉及一种恰可察觉失真模型阈值计算方法，其包括：对原始图像进行DCT变换，计算相应的亮度自适应模块值和空间对比敏感度函数模块值；利用8×8DCT块的频率能量分布特点，对图像的纹理块进行更为细致的分类，获取对比度掩蔽因子，计算出对比度掩蔽模块值；利用DCT系数的空间频率分布提取出当前图像块的纹理特征，计算两个不同块之间的纹理差异，得到不同块的视觉感知调整因子；整合上述模块，得到最终的JND阈值。本发明所提的算法，在保证视觉质量的前提下，所提JND模型能容纳更多的噪声。该模型可广泛用于感知图像/视频编码、水印以及质量评价等。
-
公开(公告)号：CN108875754A
公开(公告)日：2018-11-23
申请号：CN201810426492.9
申请日：2018-05-07
Applicant: 华侨大学
Abstract: 本发明涉及一种基于多深度特征融合的车辆再识别方法，包括：提取训练车辆图像的深度ID特征，提取训练车辆图像的深度颜色特征，提取训练车辆图像的深度车型特征，将提取的三种深度特征进行组合，获得融合特征，通过Softmax分类函数对融合后的深度特征进行分类。本发明对输入的车辆图像提取深度ID特征、深度颜色特征和深度车型特征并进行有效地融合，实现三种深度特征的互补，获得更有表征能力的融合特征，从而实现准确的车辆再识别。
-
Patent Agency Ranking
公开(公告)号：CN107507166A
公开(公告)日：2017-12-22
申请号：CN201710600174.5
申请日：2017-07-21
Applicant: 华侨大学
CPC classification number: G06T7/0004 , G06K9/4647 , G06K9/6269 , G06T2207/30168
Abstract: 本发明涉及一种基于支持向量回归的无参考屏幕图像质量评估方法，计算方向梯度直方图，作为失真屏幕图像的特征信息，利用支持向量回归(SVR)网络进行训练，得到屏幕图像特征信息与主观质量分数的映射关系模型，以准确评估屏幕图像质量。本发明所述的方法无需参考屏幕图像，计算得到的客观分数与人眼视觉感知具有较高的一致性，且其计算简单。
-
公开(公告)号：CN107105297A
公开(公告)日：2017-08-29
申请号：CN201710357483.4
申请日：2017-05-19
Applicant: 华侨大学
IPC: H04N19/597 , H04N19/176 , H04N19/109 , H04N19/59
Abstract: 本发明公开了一种针对3D‑HEVC深度图帧内预测编码的快速优化方法，包括：对当前编码块CU计算其像素方差以及对角像素差的绝对值之和，根据当前编码块的方差以及对角像素差值的绝对值之和设定阈值，通过阈值比较，判定是否提前终止当前CU的深度划分；根据当前预测块PU外圈像素差的绝对值之和，设定阈值，通过阈值比较当前预测块PU是否属于平滑类型，从而跳过SDC编码，进一步降低计算复杂度。本发明能够在保持3D‑HEVC编码效率的前提下，有效地降低深度图帧内预测编码计算复杂度。
-
公开(公告)号：CN106960176A
公开(公告)日：2017-07-18
申请号：CN201710096262.6
申请日：2017-02-22
Applicant: 华侨大学
Abstract: 本发明一种基于超限学习机和颜色特征融合的行人性别识别方法，包括：提取未标记性别属性的训练图像的超限学习机特征；提取未标记性别属性的输入训练图像HSV颜色特征，将超限学习机特征与颜色特征进行组合，获得融合特征，根据融合特征和训练图像标签利用线性支持向量机SVM训练行人性别分类器；利用训练所得模型提取测试图像特征，同时提取其HSV颜色特征，接着将两类特征进行融合，获得测试图像的融合特征，用训练过程所得线性支持向量机SVM行人性别分类器对融合特征进行分类。本发明对输入图像提取超限学习特征与颜色特征并进行有效融合，实现两种特征的互补，更有效地捕捉行人性别属性，从而提高行人性别识别率。
-
公开(公告)号：CN106780452A
公开(公告)日：2017-05-31
申请号：CN201611114594.4
申请日：2016-12-07
Applicant: 华侨大学
CPC classification number: G06T7/0002 , G06T2207/20164 , G06T2207/30168
Abstract: 本发明涉及一种结合小波和角点特征的全参考屏幕图像质量评估方法。该方法首先分别提取参考屏幕图像和失真屏幕图像的角点特征相似性图，并以小波变换系数幅值来权衡参考屏幕图像的视觉敏感度，基于该视觉敏感度对角点特征相似性图进行加权融合，从而计算得到失真屏幕图像质量分数。本发明充分利用了角点特征对于图像局部结构的描述能力且考虑到了人眼视觉感知对屏幕图像中不同区域的视觉敏感程度不同，具有较好的屏幕图像质量评估性能，且计算简单。
-
公开(公告)号：CN109996084B
公开(公告)日：2022-11-01
申请号：CN201910361446.X
申请日：2019-04-30
Applicant: 华侨大学
IPC: H04N19/59 , H04N19/119 , H04N19/14 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多分支卷积神经网络的HEVC帧内预测方法，属于视频编码领域，本方法使用多分支卷积神经网络，对每个CTU进行预处理，并分别作为不同分支的卷积神经网络的输入，经过卷积计算之后，将得到的特征进行全连接，考虑不同QP值的影响，并最终输出三个分支的分类结果，三个分支分别对应每个CTU中深度等级0，1，2，判断三个深度等级的CU是否继续划分或者停止划分。本发明一种基于多分支卷积神经网络的HEVC帧内预测方法能够有效地减少编码器计算开销，在保持编码性能基本不变的情况下，减少编码时间。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.017 seconds)
