-
公开(公告)号：CN111711816B
公开(公告)日：2022-11-11
申请号：CN202010649273.4
申请日：2020-07-08
Applicant: 福州大学
IPC: H04N19/154 , G06V10/774 , G06V10/82 , G06N3/04 , H04N17/00
Abstract: 本发明涉及一种基于可察知编码效应强度的视频客观质量评价方法，包括以下步骤：步骤S1:每类可察知编码效应的正负样本输入DenseNet卷积神经网络，训练得到相应的可察知编码效应的检测和识别模型；步骤S2:根据训练后的基于DenseNet卷积神经网络的可察知编码效应的检测和识别模型，得到视频的可察知编码效应强度；步骤S3:计算基于可察知编码效应强度的客观质量指标Q;步骤S4:通过主观测试，计算视频的平均主观意见分，建立基于可察知编码效应强度的客观质量指标Q与视频平均主观意见分的映射关系;步骤S5：根据客观质量指标Q与视频平均主观意见分的映射关系，构建基于可察知编码效应的视频质量评价模型。本发明能够精确的获得视频图像质量的评价结果。
-
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
IPC: H04N19/103 , H04N19/147 , H04N19/167
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。
-
公开(公告)号：CN112541926B
公开(公告)日：2022-07-01
申请号：CN202011489941.8
申请日：2020-12-15
Applicant: 福州大学
IPC: G06T7/11 , G06N3/04 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于改进FCN和DenseNet的歧义像素优化分割方法，包括以下步骤：步骤S1：选取分割数据集，完成分割数据集的预处理，然后进一步完成分割数据集到分类数据集的转换制作；步骤S2：提出了一种新的语义分割网络Atrous‑ResFCN‑8s/16s/32s，并且将两个不同层次的Atrous‑ResFCN网络结合起来，用于确定语义分割的歧义像素；步骤S3：提出了一种新的图像分类网络MFR‑DenseNet，用于优化判断确定的歧义像素；将优化判断的歧义像素进行逐像素的比对还原，实现最终的分割结果。本发明有效地提高了图像分割分类精度，具有非常广泛的应用前景。
-
公开(公告)号：CN109783475B
公开(公告)日：2022-06-14
申请号：CN201910062151.2
申请日：2019-01-23
Applicant: 福州大学
IPC: G06F16/21 , G06F16/70 , G06N3/04 , H04N19/154
Abstract: 本发明涉及一种视频失真效应标记大规模数据库的构建方法，首先准备含有某种失真效应的大规模测试视频序列；接着识别可感知失真区域；然后使用空间滑动窗口对失真区域进行初步分割及标记，得到初步分割的正、负样本；最后使用小步长滑动的方式进一步获得失真区域的精细边缘，从而得到具备精细标记的大规模数据库。本发明的数据库能够对视频失真效应做出的客观标记，可用于构建相应的失真效应识别算法，并对改善视频编码及传输策略做出指导。
-
公开(公告)号：CN110110807A
公开(公告)日：2019-08-09
申请号：CN201910404623.8
申请日：2019-05-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进K-means及卷积神经网络的白细胞提取和分类方法。首先，根据细胞图像灰度分布来选定初始聚类中心，对图像所有像素按就近原则进行初始聚类；接着，对FWSA-KM算法的欧式距离进行改进；白细胞提取之前，先进行颜色空间分解，采用有利于白细胞分割的颜色分量和改进的K-means算法进行细胞核和细胞质的提取；接着采用分水岭算法来分离复杂粘连的部分；最后，基于卷积神经网络进行分类。本发明方法使得白细胞细胞核和细胞质分割精度分别为95.81％和91.28％，较传统分割方法有较大提高；分类准确度最大能达到98.96%，分类平均时间为0.39s，相对于现有的白细胞分类算法，CNN分类方法不仅有明显优势，同时还有很大的提升空间。
-
Patent Agency Ranking
公开(公告)号：CN109783475A
公开(公告)日：2019-05-21
申请号：CN201910062151.2
申请日：2019-01-23
Applicant: 福州大学
IPC: G06F16/21 , G06F16/70 , G06N3/04 , H04N19/154
Abstract: 本发明涉及一种视频失真效应标记大规模数据库的构建方法，首先准备含有某种失真效应的大规模测试视频序列；接着识别可感知失真区域；然后使用空间滑动窗口对失真区域进行初步分割及标记，得到初步分割的正、负样本；最后使用小步长滑动的方式进一步获得失真区域的精细边缘，从而得到具备精细标记的大规模数据库。本发明的数据库能够对视频失真效应做出的客观标记，可用于构建相应的失真效应识别算法，并对改善视频编码及传输策略做出指导。
-
公开(公告)号：CN105787934B
公开(公告)日：2019-02-22
申请号：CN201610093934.3
申请日：2016-02-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于图论和区域增长的粘连细胞分割算法，包括以下步骤：步骤S1：对细胞图像中的粘连细胞的每个细胞的边界初始化为四个不同方向的映射，即上、下、左、右方向定义四个映射，用不同的颜色标出；步骤S2：基于图论的方法利用上、下、左、右映射边构造关系图；步骤S3：采用区域增长算法对预先定义的边界定位出细胞的实际边界，实现粘连细胞的分割。该方法提高了细胞图像中粘连细胞分割的效果。
-
公开(公告)号：CN119383349A
公开(公告)日：2025-01-28
申请号：CN202411501001.4
申请日：2024-10-25
Applicant: 福州大学
IPC: H04N19/172 , H04N19/176 , H04N19/20 , H04N19/182
Abstract: 本发明提供一种高效视频编码中的压缩效应感知与评价方法及系统，构建结合注意力学习和数据重加权的深度压缩效应感知模型，将每类压缩效应的正负样本输入网络中，分别训练得到相应的压缩效应的感知模型；基于训练获得的压缩效应感知模型，并考虑视觉显著性和视觉中心凹效应的影响，计算视频压缩效应强度值；通过主观测试，计算视频的平均主观得分，以建立视频压缩效应强度值与视频平均主观质量分数的映射关系，实现面向压缩效应感知的视频质量评价。
-
公开(公告)号：CN116389716A
公开(公告)日：2023-07-04
申请号：CN202310410467.2
申请日：2023-04-18
Applicant: 福州大学
IPC: H04N17/00 , H04N21/475 , G06V20/40 , G06V10/77 , G06V10/82 , G06N3/0442 , G06N3/045
Abstract: 本发明提出一种基于感知和记忆的视频动态质量评价系统，基于计算机系统，采用包括：感知特征提取模块和长短期记忆模块的视频动态质量评价模型PAM‑DVQI，对输入的视频输出用户体验质量评分；所述视频动态质量评价模型基于视频主观数据库，考虑HVS的视觉注意力机制以及记忆效应的时间依赖关系，结合ResNet网络和LSTM网络，构建并训练获得。相比于现有技术，根据采取对比算法、消融实验，对所提的模型进行性能分析的结果均具有显著优势。
-
公开(公告)号：CN115861774A
公开(公告)日：2023-03-28
申请号：CN202211496405.X
申请日：2022-11-27
Applicant: 福州大学
Abstract: 本发明提供了一种面向大规模监控的视频物联网设计方法，包括：S1：基于5G网络的联合前端‑边缘‑云端架构下，提出了一种在大规模无线物联网任务中执行监控操作的一个三阶段的解决方案；S2：在前端、边缘端服务器和云端服务器上分别部署不同的有效的神经网络来完成各阶段不同的任务；S3：按最优的比例分配识别任务给边缘端和云端执行，能够同时兼顾性能和通信成本。本发明能有效实现面向大规模监控的视频物联网中基于图像的目标识别和基于视频的目标分析任务，同时减少视频物联网任务中的视频传输，能够极大地节省通信资源。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.022 seconds)
