-
公开(公告)号：CN108765414A
公开(公告)日：2018-11-06
申请号：CN201810611301.6
申请日：2018-06-14
Applicant: 上海大学
CPC classification number: G06T7/0002 , G06K9/6247 , G06T2207/10012 , G06T2207/10016 , G06T2207/20064 , G06T2207/30168
Abstract: 本发明涉及一种立体图像质量评价方法，提出了一种基于小波分解和自然场景统计的无参考立体图像质量评价算法。首先，利用改进的立体视差估计算法估计左右图像的视差图像；对左右视点图像和视差图像进行2个尺度6个方向的小波分解，利用小波子带的总能量作为权值因子，将左右视点图像和视差图像合成中央眼图像；其次，对中央眼图像、立体视差图像和左右视点图像的小波分解系数进行自然场景统计分析，利用广义高斯分布来对这种分布进行拟合，同时提取广义高斯分布的模型参数作为特征来反映不同失真图像质量之间的差异；最后，运用机器学习的方法预测立体图像的质量。本发明提出的算法能够准确有效地预测立体图像的质量。
-
公开(公告)号：CN105049850A
公开(公告)日：2015-11-11
申请号：CN201510130752.4
申请日：2015-03-24
Applicant: 上海大学
IPC: H04N19/146 , H04N19/167
Abstract: 本发明提供一种基于感兴趣区域的HEVC码率控制方法，其包括以下步骤：根据GBVS模型生成当前帧的空域显著性图；通过运动矢量信息生成当前帧的时域显著性图；使用基于一致归一化的方法将时域和空域显著性图融合得到最终的显著性图；使用显著性图对当前帧图像进行区域划分，划分为感兴趣区域和非感兴趣区域；分别对感兴趣区域和非感兴趣区域进行比特分配；按照显著性对当前帧中各个LCU进行比特分配；根据分配的码率计算 和QP值并进行裁剪修正；利用最终得到的和QP值进行编码。本发明能提高编码视频的主观质量，同时精确地控制输出比特。
-
公开(公告)号：CN102420987A
公开(公告)日：2012-04-18
申请号：CN201110390871.5
申请日：2011-12-01
Applicant: 上海大学
Abstract: 本发明公开了一种基于分层B帧结构的码率控制的自适应比特分配方法，其步骤是：1、基于视频序列所附带的配置文件中对视频序列及GOP的长度要求和目标比特的速率要求，计算出分配给各个GOP的目标比特数；2、基于步骤（1）中得到的各个GOP的目标比特数，计算出分配给分层B帧结构中各个时间层的目标比特数；3、基于步骤（2）中得到的各个时间层的目标比特数，计算出同一时间层中分配给各个图像帧的目标比特数；4、根据编码图像的编码信息，通过迭代计算更新各个时间层的权重值。该方法在不提高视频编码实际消耗比特数的前提下，准确预测了视频序列中各图像帧的编码复杂度，通过迭代计算更新分层B帧结构中各个时间层比特分配权重值，为各帧图像合理地分配目标比特数，从而提高了视频序列的编码效率和各帧图像的解码质量。
-
公开(公告)号：CN101436301B
公开(公告)日：2012-01-18
申请号：CN200810203979.7
申请日：2008-12-04
Applicant: 上海大学
IPC: G06T7/20
Abstract: 本发明涉及到一种视频编码中特征运动区域的检测方法，本方法能将视频序列中的特征运动区域快速的检测出来，特别是能够在背景剧烈运动以及背景纹理复杂的情况下有效的将一帧视频图像中的人眼感兴趣的特征运动区域有效的检测出来。它首先对视频帧进行滤波预处理，然后运用特征运动方程计算帧中的特征运动区域，再利用8方向运动模型来得到局部运动区域，最后综合特征运动区域和局部运动区域的宏块得到最终的特征运动区域。本方法自适应性较好，算法较简单，目标物体的检测比较准确。
-
公开(公告)号：CN100568952C
公开(公告)日：2009-12-09
申请号：CN200710038784.7
申请日：2007-03-29
Applicant: 上海大学 , 上海广电(集团)有限公司中央研究院
Abstract: 本发明涉及基于H.264实时精细粒度可伸缩编码方法。根据当前残差帧的全局性与当前残差块的局部性分布来进行分析，在全局分析中找出奇异点，并通过对奇异值进行下移位使得比特平面数全局均衡，在解码端作相应的上移位；在局部分析中做全零块的判决。本发明在编码过程中的增强层变换部分将采用4x4整数变换。本方法与一般的FGS方法相比，复杂度明显降低，视频质量更高，整体PSNR(峰值信噪比)变化更加平滑。实验表明，与MPEG-4的FGS方法相比，在保持相近的码率时，本发明能够在平均亮度PSNR上提高0.37dB，平均编码速度快13.86fps，即提高97%。
-
Patent Agency Ranking
公开(公告)号：CN101510299A
公开(公告)日：2009-08-19
申请号：CN200910046976.1
申请日：2009-03-04
Applicant: 上海大学
Abstract: 本发明公开了一种上述基于视觉显著性的图像自适应方法，该方法首先是计算原始图像的能量；其次是提取原始图像中的显著性对象并且增强显著性对象的相对能量；然后是利用动态规划技术找出图像中垂直方向和水平方向上能量最低的缝隙，剔除这些缝隙，从而实现图像的自适应。该自适应方法由于剔除的是图像中能量最低的缝隙，所以图像整体能量损失最小；由于显著性对象的相对能量较高，剔除的缝隙不会穿过显著性对象，所以图像自适应后显著性对象会保持完整。因此，该方法能够实现在智能移动设备中低分辨率和小屏幕环境下将图片的视觉效果失真降到最低，且保持其中显著性对象的完整性，为观看者提供与高分辨率显示设备上完全一样的视觉效果。
-
公开(公告)号：CN119399576A
公开(公告)日：2025-02-07
申请号：CN202411421720.5
申请日：2024-10-12
Applicant: 上海大学
IPC: G06V10/774 , G06V20/05 , G06V10/40 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/0895 , G06N3/088 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种水下图像增强模型训练方法及增强方法、设备及介质，其中所述的模型包括水下内容编码器、水下失真编码器、空中内容编码器、合成图像生成器、增强图像生成器、分割编码解码网络、分割解码器和语义感知对比模块；该模型训练方法通过训练图像预处理、前向交叉转换、后向交叉转换、语义感知和双任务引导步骤获取用于计算模型损失的相关数据，利用模型损失对所述的水下图像增强模型进行训练；所述的增强方法利用上述训练方法训练后的模型实现对待增强水下图像进行增强处理。与现有技术相比，本发明提供一种基于解纠缠表示的模型训练方法，使得训练后的模型能专注于增强对机器视觉任务有益的特征从而达到提高水下机器视觉任务性能的目的。
-
公开(公告)号：CN119206464A
公开(公告)日：2024-12-27
申请号：CN202411298518.8
申请日：2024-09-18
Applicant: 上海大学
IPC: G06V20/05 , G06V10/25 , G06V10/30 , G06N3/0455 , G06V10/40 , G06N3/0464 , G06N3/048 , G06V10/80
Abstract: 本发明涉及一种基于高效伪标签的前视声呐图像目标检测方法，通过拟合原始声呐图像获得的高斯混合模型作为输入，为基于高斯混合模型的深度图像先验网络提供声呐图像分布的先验，从而生成高质量的去噪声呐图像。同时，构建一个检测友好型图像质量评估网络，从深度图像先验网络生成的一组去噪声呐图像中选择出最好的一个作为伪标签，辅助主干网络进行检测。使用重构模块作为一个媒介，让伪标签优化整个检测网络，使主干网络能够提取出原始输入图像中被噪声淹没的特征。与现有技术相比，本发明具有检测性能高、去噪能力强和适用范围广等优点。
-
公开(公告)号：CN118509588A
公开(公告)日：2024-08-16
申请号：CN202410541420.4
申请日：2024-04-30
Applicant: 上海大学
IPC: H04N19/117 , H04N19/172 , H04N19/42 , G06T9/00 , G06T1/20
Abstract: 本发明涉及一种基于时空特征的视频去冗余方法、装置及介质，方法包括以下步骤：获取包含关键帧的连续帧组成的视频数据；将视频数据输入基于时空特征的去冗余网络模型；得到连续帧的编码结果；基于时空特征的去冗余网络模型包括时空域去冗余网络和双三次插值滤波器，视频数据输入时空域去冗余网络对其余帧进行平滑处理，通过关键帧提取关键信息，得到处理结果，将处理结果输入双三次插值滤波器，双三次插值滤波器的输出为关键帧的编码结果。与现有技术相比，本发明具有精细纹理度高、图像冗余小，编码码流小等优点。
-
公开(公告)号：CN108921827A
公开(公告)日：2018-11-30
申请号：CN201810611320.9
申请日：2018-06-14
Applicant: 上海大学
IPC: G06T7/00
Abstract: 本发明提供一种基于独立成分分析和双目融合特性的全参考立体图像质量评价方法，其主要步骤是：利用独立成分分析训练出一个特征检测器来提取原始图像与失真图像的稀疏特征；利用稀疏特征分别计算左右图像的结构特征相似度，将左右图像得到的结构特征相似度进行融合，得到立体图像的结构特征相似度；将原始图像和失真图像进行分块、列向量化后的每个列向量均值构成一个均值对，取亮度差异较大的均值对来计算亮度一致性，将左右图像得到的亮度一致性进行融合，得到立体图像的亮度一致性；将立体图像的特征相似度和亮度一致性进行线性加权，得到立体图像的质量分数。该方法能够有效提高客观评价结果与主观感知之间的相关性且具有较好的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.017 seconds)
