-
公开(公告)号：CN115442620B
公开(公告)日：2025-04-22
申请号：CN202211095417.1
申请日：2022-09-06
Applicant: 杭州电子科技大学
IPC: H04N19/52 , H04N19/149 , H04N19/159 , H04N19/29 , H04N19/48
Abstract: 本发明属于视频编码领域，公开了一种AME低复杂度仿射运动估计方法，包括如下步骤：步骤1：基于划分深度的最优帧间模式的提前预测：根据父CU最优帧间模式来预测子CU最优帧间模式；步骤2：AME内部的低复杂度算法：在AME算法内部，通过CPMV平行与否、迭代过程的提前终止以及有无必要进行细粒度调整优化来加速AME算法；步骤3：AME外部的低复杂度算法：对于需要在传统Inter和AME之间进行模式决策的CU提取相关特征，基于决策树对这样的CU进行提前预测其最优帧间模式，以此跳过RDO决策及次优模式的遍历过程。本发明大大减少了VVC帧间模式决策复杂度。
-
公开(公告)号：CN119324988A
公开(公告)日：2025-01-17
申请号：CN202411874545.5
申请日：2024-12-19
Applicant: 杭州电子科技大学
IPC: H04N19/147 , H04N19/149 , H04N19/124 , H04N19/159 , H04N19/61 , H04N19/30
Abstract: 本发明公开一种基于多层级架构的VVC全零块跳过方法，从变换块TU中读取变换系数后，通过其最大变换系数的幅值与预先计算的阈值进行比较，若小于阈值则判断为真全零块GAZB，则跳过量化和编码过程，反之则为非GAZB，接着利用率失真优化算法计算非GAZB跳过的代价，判断是否跳过非GAZB的编码过程，若其正常编码的代价大于非GAZB跳过的代价，则将该块判断为伪全零块PAZB进行跳过，反之，则被判断为非全零块NAZB；而在依赖性量化DQ的计算过程中，通过统计CG上下文特征来进行全零检测，以跳过检测为全零CG的编码过程。本发明没有使用机器学习技术，在确保编码质量的情况下减少了计算复杂度，加快编码速度。
-
公开(公告)号：CN118784845A
公开(公告)日：2024-10-15
申请号：CN202410741652.4
申请日：2024-06-11
Applicant: 杭州电子科技大学
IPC: H04N19/172 , H04N19/20 , G06V10/80 , G06V10/82 , G06T7/246 , G06T7/269 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于多阶层特征融合的虚拟视点绘制空洞填充方法，将局部连续帧和非局部随机帧，通过多阶层编码进行特征细化，从空洞区域以外的已知区域传播时空信息，得到局部特征块和非局部特征块；对局部连续帧进行光流补全，得到带有空洞的相邻帧的光流特征，用于检测虚拟视点序列中的运动对象，以引导特征传播，特征传播结合所述局部特征块，传递和更新运动对象的信息，缓解了前背景混叠问题；将更新后的特征和非局部特征块进行内容重建，再解码重构得到空洞修复帧，加入多头时空自注意力模块和融合前馈神经网络，有利于聚合不同特征的信息，充分利用局部和非局部相邻帧的特征，较好处理伪影的问题。
-
公开(公告)号：CN117915104A
公开(公告)日：2024-04-19
申请号：CN202410074860.3
申请日：2024-01-18
Applicant: 杭州电子科技大学
IPC: H04N19/30 , H04N19/103 , H04N19/149 , H04N19/176 , H04N19/503 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的VVC多层次快速帧间编码系统及方法。本发明包括基于运动场与编码信息的CU划分终止模块；基于轻量级全连接网络的CTU深度预测模块；基于编码信息的TT划分终止模块；基于CNN的CU划分模式选择模块；通过四个模块之间多层次的组合，避免冗余的划分方式，降低帧间编码复杂度。本发明针对帧间编码的特性，利用编码上下文信息和神经网络的特征提取能力，从多个层次出发，各层次相互结合，兼顾复杂度与准确性，有效的降低了VVC帧间编码复杂度。
-
公开(公告)号：CN117915095A
公开(公告)日：2024-04-19
申请号：CN202410020227.6
申请日：2024-01-05
Applicant: 杭州电子科技大学
IPC: H04N19/147 , H04N19/436 , H04N19/124 , H04N19/146
Abstract: 本发明属于视频编码领域，涉及一种扫描线级加速并行RDOQ方法，采用SIMD指令，在预量化阶段同时对每个变换系数进行独立的预量化处理；在最优系数水平决策阶段，并行处理预量化后得到的量化系数，通过率失真优化来确定量化系数的最优值；在最后有效系数位置决策阶段，继续以并行处理的方式，同时基于贪婪策略获取到最优的最后有效系数位置。本发明的方法在保证编码性能损失较小的前提下，实现了RDOQ过程并行计算，且相比现有的并行RDOQ方法，本发明适用于硬件加速领域，基于贪婪算法实现LSC位置决策，创新度高，硬件吞吐量和编码性能有一个良好的折衷，为视频编码并行优化相关的算法研究提供了参考，具有重大意义。
-
Patent Agency Ranking
公开(公告)号：CN112085683B
公开(公告)日：2024-04-09
申请号：CN202010816235.3
申请日：2020-08-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种显著性检测中的深度图可信度检测方法。该方法具体包括以下步骤：判断待测深度图像的收敛性；B)对收敛的深度图像做中值滤波处理；C)对中值滤波处理后的深度图像及其参考图像进行边缘检测，并获取边缘信息；D)计算深度图像及其参考图像的边缘的相似度，获得可信度分数。该方法引入图像收敛性概念，过滤显著物体不明显的深度图像，在提取边缘特征前进行中值滤波处理，通过自适应阈值的边缘检测，在像素级别上求取深度图像和参考图像的相似度，使深度图像显著物体的边缘定位更准确，不会受到边缘附近区块因失真等原因导致的数值变化的影响，获得的深度图像的可信度结果更为准确。
-
公开(公告)号：CN117036539A
公开(公告)日：2023-11-10
申请号：CN202311168862.0
申请日：2023-09-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的虚拟视点绘制空洞填充方法及装置，基于原图及其掩膜图，得到待修复图，将待修复图和掩膜图输入渐进式迭代网络，渐进式迭代网络通过部分卷积对待修复图进行局部空洞识别，并基于知识一致注意力机制进行空洞填充，构建损失函数以提升背景空洞区域和已知区域的语义一致性；构建上下文特征传播损失，融入步骤S1中构建的损失函数，将渐进式迭代网络的输出，进行相似性编码，得到图像块和非空洞区域图像块的相似度，基于相似度，使得背景空洞生成具有语义一致性的填充块；将渐进式迭代网络的输出，进行加权合并，得到最终的修复图。
-
公开(公告)号：CN116528061A
公开(公告)日：2023-08-01
申请号：CN202310169232.9
申请日：2023-02-10
Applicant: 杭州电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种脉冲视频信号可视化FPGA硬件及重建方法，包括Capture模块、SNN_IP算法模块和MIPI_OUT模块，所述Capture模块用于存储相机捕捉的脉冲信号并对其进行预处理；所述SNN_IP算法模块用于对预处理的脉冲数据采用TFP算法重构出灰度像素数据；所述MIPI_OUT模块用于将重构像素数据并行输出。本发明分别算法优化和系统级优化两部分来解决。一、算法优化方面：在重构算法上，我们运用TFP算法对视频脉冲流进行处理，实现了脉冲像素的快速重构。二、硬件级优化方面：采用pipeline结构，在限制资源的前提下，大大减少了运行时间。
-
公开(公告)号：CN116527910A
公开(公告)日：2023-08-01
申请号：CN202310422535.7
申请日：2023-04-11
Applicant: 杭州电子科技大学 , 浙江省经济信息中心(浙江省价格研究所)
IPC: H04N19/147 , H04N19/149 , H04N19/19 , H04N19/70
Abstract: 本发明属于AVS3视频编码领域，具体涉及一种基于扫描线并行的率失真优化量化方法，在完成预量化过程之后，采用列扫描顺序对预量化系数进行并行计算；每次计算多组预量化系数数据，在多组数据比较下确定最优量化系数；之后对非零位置进行并行决策，确定扫描线上最优非零位置。最后进行移位末位系数置零操作。本发明的方法在RDOQ中，提出了通过局部性优化，在符合zig‑zag扫描模式的情况下，可以进行并行处理，同时保留局部依赖。本发明在保证效果良好的前提下，减小了编码损失。
-
公开(公告)号：CN115297316A
公开(公告)日：2022-11-04
申请号：CN202210963297.6
申请日：2022-08-11
Applicant: 杭州电子科技大学
Abstract: 本发明方法公开了语境特征融合的虚拟视点合成图像空洞填充方法。本发明方法首先以参考视图、参考深度图和相机信息为单位，检测出深度图的前景信息并进行前景扩散，然后根据3D变换和参考信息绘制出虚拟视点图像，最后在生成对抗网络中加入具有语境特征融合的注意力生成空洞区域的像素。本发明根据3D‑warpintg、空洞和前景之间的位置关系和注意力机制原理，改进了已有的注意力提取特征的方法，尤其是在视频序列中包含快速运动的物体在修复工作中起重要作用。本发明加强了同一空洞区域的连续特征块之间的联系，消除前景信息对背景区域修复的影响，可以直接应用在3D视频处理，3D视频/图像物体修复等领域。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.039 seconds)
