-
公开(公告)号：CN104618714B
公开(公告)日：2016-08-17
申请号：CN201510027445.3
申请日：2015-01-20
Applicant: 宁波大学
IPC: H04N17/00 , H04N19/597 , H04N19/154
Abstract: 本发明公开了一种立体视频帧重要性评估方法，其在计算每帧右视点图像的错误隐藏失真的过程中，加入了该帧右视点图像中编码模式为帧间编码且采用视差矢量编码的宏块视差矢量；在计算每帧左视点图像的错误扩散失真的过程中，利用当前帧对后续视点内和视点间编码帧的扩散失真影响累加得到，且在计算时加入了错误扩散因子；在计算每帧立体图像的总失真时，利用该帧立体图像的左视点图像的错误扩散失真和右视点图像的错误扩散失真之和与该帧立体图像的左视点图像的错误隐藏失真和右视点图像的错误隐藏失真之和加权得到，得到的总失真的精度较高，因此本发明方法能够有效地区分不同帧的重要等级，从而能够提高终端视频的感知质量。
-
公开(公告)号：CN103258134B
公开(公告)日：2016-02-24
申请号：CN201310177877.3
申请日：2013-05-14
Applicant: 宁波大学
IPC: G06F19/00
Abstract: 本发明公开了一种高维的振动信号的降维处理方法，其通过计算信号与信号之间的欧氏距离获得信号的近邻矩阵，再根据信号的近邻矩阵，并利用稀疏约束条件获得信号的重构权值矩阵，最后利用信号的重构权值矩阵获得降维后的振动信号，降维过程简单；其在利用稀疏约束条件获得信号的重构权值矩阵的过程中，在稀疏约束条件中引入了L1范数，使得重构权值矩阵具有很好地稀疏性，有效地剔除了噪声点的影响，提高了抗噪声能力，从而保障了本发明方法的鲁棒性；其在最后获取降维后的振动信号时，是求解一个稀疏、对称、半正定的矩阵的特征向量，因此可以降低本发明方法的计算复杂度。
-
公开(公告)号：CN105049871A
公开(公告)日：2015-11-11
申请号：CN201510409325.X
申请日：2015-07-13
Applicant: 宁波大学
IPC: H04N19/96 , H04N19/122 , H04N19/46 , H04N19/109 , H04N19/19 , H04N19/147 , H04N19/176
Abstract: 本发明涉及一种基于HEVC的音频信息嵌入方法及提取和重构方法，在音频信息嵌入部分通过分HEVC编解码结构，在帧内预测编码过程中，选取纹理复杂度较高的4×4的预测单元，利用拉格朗日率失真模型选取最优预测模式，并根据相邻预测模式相关性，在最优预测模式确定的前提下，将具有相近预测效果的4个预测模式分为1组，建立预测模式组与变长码组之间的动态双映射关系，根据待嵌入的音频信息长度变化，改变标志位，对应调制预测模式，完成音频2比特或3比特信息的嵌入，大大提升了嵌入音频信息的容量。在提取和重构过程中，只需根据双映射关系对码流中的预测模式解码即可，实现了音频信息完整无误的嵌入和提取，很好的保证了音、视频的主客观质量。
-
公开(公告)号：CN104618714A
公开(公告)日：2015-05-13
申请号：CN201510027445.3
申请日：2015-01-20
Applicant: 宁波大学
IPC: H04N17/00 , H04N19/597 , H04N19/154
Abstract: 本发明公开了一种立体视频帧重要性评估方法，其在计算每帧右视点图像的错误隐藏失真的过程中，加入了该帧右视点图像中编码模式为帧间编码且采用视差矢量编码的宏块视差矢量；在计算每帧左视点图像的错误扩散失真的过程中，利用当前帧对后续视点内和视点间编码帧的扩散失真影响累加得到，且在计算时加入了错误扩散因子；在计算每帧立体图像的总失真时，利用该帧立体图像的左视点图像的错误扩散失真和右视点图像的错误扩散失真之和与该帧立体图像的左视点图像的错误隐藏失真和右视点图像的错误隐藏失真之和加权得到，得到的总失真的精度较高，因此本发明方法能够有效地区分不同帧的重要等级，从而能够提高终端视频的感知质量。
-
公开(公告)号：CN103338379B
公开(公告)日：2015-04-29
申请号：CN201310224787.5
申请日：2013-06-05
Applicant: 宁波大学
Abstract: 本发明公开了一种基于机器学习的立体视频客观质量评价方法，其在评价单帧图像的亮度分量图的空域质量时，采用原始和失真的立体视频中的每帧图像的亮度分量图中的每个图像块经奇异值分解后的奇异向量的点积来衡量失真立体视频中的每帧图像的失真程度，由于奇异向量可以很好的反映图像的结构信息，以奇异向量的点积来衡量图像的质量因考虑到了结构信息的变化，因此评价结果能更客观地反映立体视频受到各种失真影响下的视觉质量的变化情况；其采用机器学习的方法来处理立体视频的左视点视频的质量和右视点视频的质量、左视点视频和右视点视频在视点间的差异程度与客观质量评价预测值之间的关系，可以有效地取得与人眼感知更一致的评价结果。
-
Patent Agency Ranking
公开(公告)号：CN103679715A
公开(公告)日：2014-03-26
申请号：CN201310651941.7
申请日：2013-12-05
Applicant: 宁波大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于非负矩阵分解的手机图像特征提取方法，特点是包括以下步骤：①获取用于表示手机任意一个主功能的界面图片，在该界面图片上截取多幅用于表示主功能的不同子功能的特征子图并进行预处理，得到对应的预处理后的尺寸大小一致的图像，然后将每幅预处理后的图像按列扫描形成一个M维的列向量，接着将所有预处理后的图像对应的列向量按序排列构成一个待分解矩阵V；②对V进行稀疏非负矩阵分解，得到一个基矩阵W和一个系数矩阵H；优点是通过对预处理后的图像进行稀疏非负矩阵分解，降低了数据计算量，分解得到的矩阵是具有合适的稀疏性的稀疏矩阵，因此在保留数据的主要特征的基础上能够减少储存空间并提高运算效率。
-
公开(公告)号：CN103442226A
公开(公告)日：2013-12-11
申请号：CN201310325370.8
申请日：2013-07-30
Applicant: 宁波大学
Abstract: 本发明公开了一种基于双目恰可觉察失真的多视点彩色视频快速编码方法，其首先利用左视点视频和右视点视频的视差信息确定右视点视频中的每帧右视点图像中的非边界区域内的每个宏块的双目恰可觉察失真值，其次根据双目恰可觉察失真值的大小提前终止宏块模式选择，该快速编码方法在不造成率失真性能下降的基础上，能够有效地提高多视点彩色视频的编码效率，节约的编码时间可达66.48%到71.90%，平均节约编码时间68.46%。
-
公开(公告)号：CN103354617A
公开(公告)日：2013-10-16
申请号：CN201310278405.7
申请日：2013-07-03
Applicant: 宁波大学
Abstract: 本发明公开了一种基于DCT域的边缘强度压缩的图像质量客观评价方法，其首先通过分别获取无失真图像和失真图像的亮度分量图的4个方向的系数矩阵，获取无失真图像和失真图像的亮度分量图的全局边缘强度，其次通过获取两个全局边缘强度中的每个8×8的半重叠块的均值、标准差和方差，获取失真图像中相对应的每个区域的敏感因子，接着通过获取两个全局边缘强度中的每个半重叠块的DCT系数矩阵，获取两个全局边缘强度中相对应的两个半重叠块的能量相似性，最后根据敏感因子及能量相似性，获取失真图像的质量评价分数，由于本方法充分去除了人眼的视觉冗余信息，有效利用了人眼比较敏感的边缘强度，因此得到的客观评价结果与人眼主观感知能够保持很好的一致性。
-
公开(公告)号：CN103336577A
公开(公告)日：2013-10-02
申请号：CN201310280227.1
申请日：2013-07-04
Applicant: 宁波大学
IPC: G06F3/01
Abstract: 本发明公开了一种基于人脸表情识别的鼠标控制方法，特点是包括以下步骤：获取模板图像、实时获取待匹配的人脸图像、获取待匹配的人脸图像与每幅模板图像之间的相似度、判定将对鼠标执行的操作和控制鼠标执行操作；优点是通过模板匹配的方法来识别不同的人脸表情，即根据所识别出的模板图像与待匹配的人脸图像进行互相关比较来实现对鼠标点击和移动的控制，处理速度快，整个鼠标控制过程可在微秒和毫秒级以内完成，实时效果好，选用的摄像头无论分辨率高低，均可以达到较快的匹配效果，而且还可以根据个人的喜好和习惯来定义各种不同的人脸图像作为模板图像，使用灵活度强，选择多样。
-
公开(公告)号：CN102346913A
公开(公告)日：2012-02-08
申请号：CN201110279661.9
申请日：2011-09-20
Applicant: 宁波大学
Abstract: 本发明公开了一种图像的多边形模型的简化方法，通过扫描已知的二值化图像得到左边界像素点集和右边界像素点集，然后搜索左边界像素点集和右边界像素点集获取图像的凸多边形模型的所有顶点，再用凸多边形模型中长度最短的边的两条相邻边的延长线的交点替代长度最短的边的两个顶点，达到删除长度最短的边的目的，经过多次最短边的删除后得到顶点数与图像校正所需的参考点数相等的多边形模型，该多边形模型的顶点为图像校正的参考点，这种多边形模型的简化方法不仅简便快速，而且能够准确地获取图像校正所需的参考点。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.023 seconds)
