-
公开(公告)号：CN108550140A
公开(公告)日：2018-09-18
申请号：CN201810267694.3
申请日：2018-03-28
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向图像集的置信度一致性增强质量评价准则，包括以下步骤：将原始图像集通过图像质量增强算法得到增强后的图像集；再使用现有的质量评价方法对原始图像集以及增强后的图像集中的全部图像进行质量评价，得到每幅图像增强前后的质量分数；算出各幅图像增强前后的质量分数差值，并求出质量分数差值的平均值U与标准差S；选取置信区间，对质量分数差值进行筛选；在筛选后的有效测试数据中求出一致性增强质量评价分数有效值，并判断该图像质量增强算法的一致性与稳定性。本发明可以在不同的质量评价方法下，为具体应用与特定参数标准找出适当的图像质量增强算法，并为所有的图像质量增强算法提供一个可靠性更高的质量评价体系。
-
公开(公告)号：CN108024113A
公开(公告)日：2018-05-11
申请号：CN201711352875.8
申请日：2017-12-15
Applicant: 东华大学
IPC: H04N19/139 , H04N19/513 , H04N19/527 , H04N19/172 , H04N19/176 , H04N19/122 , H04N19/119
Abstract: 本发明涉及一种目标占比自适应的压缩域小目标跟踪方法，包括以下步骤：设定跟踪小目标的起始帧，获取起始帧的掩模；对获得的运动矢量进行预处理工作，包括两个部分：帧内编码块的处理和全局运动补偿；应用MRF模型，分别计算跟踪小目标在这一帧的时域代价、空域代价和邻域代价，得到小目标的预测位置。本发明可以有效地提高小目标跟踪的准确率和F度量。
-
公开(公告)号：CN108022241A
公开(公告)日：2018-05-11
申请号：CN201711434374.4
申请日：2017-12-26
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向水下图像集的一致性增强质量评价方法，包括以下步骤：使用现有的质量评价准则对水下图像集中的一幅原始图像进行质量评价；将所述原始图像通过图像质量增强算法得到增强后的图像，并使用上述现有的质量评价准则对增强后的图像进行质量评价，根据两个质量评价结果计算CEQAi值，重复上述步骤得到该水下图像集中所有图像的CEQAi值，并找出其中的最大值、最小值和平均值，最后利用这些值及权重系数得到上述图像质量增强算法在上述质量评价准则下对于此水下图像集的CEQA有效值。本发明可以为面向水下图像集的各种图像质量增强算法与质量评价准则提供一个一致性增强性能的评价体系。
-
公开(公告)号：CN107241609A
公开(公告)日：2017-10-10
申请号：CN201710601610.0
申请日：2017-07-21
Applicant: 东华大学
IPC: H04N19/89 , H04N19/895
CPC classification number: H04N19/89 , H04N19/895
Abstract: 本发明涉及一种基于梯度特征统计与非迭代收缩填充的空域错误隐藏方法，包括以下步骤：在延拓区域估计丢失块的局部特征信息，获得延拓区域的梯度分布统计；按照收缩填充顺序对丢失块的像素逐一进行恢复，每一像素均采用基于梯度分布加权的多方向预测器进行估计。本发明在计算复杂度与恢复质量之间取得更好的折衷，且能处理不同的块丢失模式。
-
公开(公告)号：CN108022241B
公开(公告)日：2021-05-04
申请号：CN201711434374.4
申请日：2017-12-26
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向水下图像集的一致性增强质量评价方法，包括以下步骤：使用现有的质量评价准则对水下图像集中的一幅原始图像进行质量评价；将所述原始图像通过图像质量增强算法得到增强后的图像，并使用上述现有的质量评价准则对增强后的图像进行质量评价，根据两个质量评价结果计算CEQAi值，重复上述步骤得到该水下图像集中所有图像的CEQAi值，并找出其中的最大值、最小值和平均值，最后利用这些值及权重系数得到上述图像质量增强算法在上述质量评价准则下对于此水下图像集的CEQA有效值。本发明可以为面向水下图像集的各种图像质量增强算法与质量评价准则提供一个一致性增强性能的评价体系。
-
Patent Agency Ranking
公开(公告)号：CN109120932A
公开(公告)日：2019-01-01
申请号：CN201810766665.1
申请日：2018-07-12
Applicant: 东华大学
IPC: H04N19/137 , H04N19/182 , H04N19/503 , G06K9/62
Abstract: 本发明提出了一种基于HEVC压缩域双SVM模型的视频显著性预测方法。所提方法对视频数据集中选定的所有训练视频序列进行分类，使用分类的训练视频序列A类和B类对HEVC压缩域双SVM显著性预测模型分别进行训练，得到两种不同的压缩域显著性预测模型。从视频数据集中选取某一测试视频序列进行预分类操作，使用已经训练好的HEVC双SVM显著性预测模型对测试视频序列进行显著性的预测，所提方法能够获得较好的显著性预测效果。
-
公开(公告)号：CN107705258A
公开(公告)日：2018-02-16
申请号：CN201710843914.8
申请日：2017-09-19
Applicant: 东华大学
CPC classification number: G06T5/003 , G06T7/90 , G06T2207/10024
Abstract: 本发明涉及一种三基色联合预均衡和去模糊的水下图像增强方法，具体包括：利用颜色校正的直方图均衡化方法处理图像；利用暗通道模型对校正后的图像进行再处理；改善图像的背景光估计；优化传输图估计；恢复图像场景。本发明能够获得良好的视觉效果和客观质量，并且具有计算简单、恢复质量好等优点。
-
公开(公告)号：CN108550140B
公开(公告)日：2021-11-12
申请号：CN201810267694.3
申请日：2018-03-28
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向图像集的置信度一致性增强质量评价准则，包括以下步骤：将原始图像集通过图像质量增强算法得到增强后的图像集；再使用现有的质量评价方法对原始图像集以及增强后的图像集中的全部图像进行质量评价，得到每幅图像增强前后的质量分数；算出各幅图像增强前后的质量分数差值，并求出质量分数差值的平均值U与标准差S；选取置信区间，对质量分数差值进行筛选；在筛选后的有效测试数据中求出一致性增强质量评价分数有效值，并判断该图像质量增强算法的一致性与稳定性。本发明可以在不同的质量评价方法下，为具体应用与特定参数标准找出适当的图像质量增强算法，并为所有的图像质量增强算法提供一个可靠性更高的质量评价体系。
-
公开(公告)号：CN108024113B
公开(公告)日：2021-05-11
申请号：CN201711352875.8
申请日：2017-12-15
Applicant: 东华大学
IPC: H04N19/139 , H04N19/513 , H04N19/527 , H04N19/172 , H04N19/176 , H04N19/122 , H04N19/119
Abstract: 本发明涉及一种目标占比自适应的压缩域小目标跟踪方法，包括以下步骤：设定跟踪小目标的起始帧，获取起始帧的掩模；对获得的运动矢量进行预处理工作，包括两个部分：帧内编码块的处理和全局运动补偿；应用MRF模型，分别计算跟踪小目标在这一帧的时域代价、空域代价和邻域代价，得到小目标的预测位置。本发明可以有效地提高小目标跟踪的准确率和F度量。
-
公开(公告)号：CN109120932B
公开(公告)日：2021-10-26
申请号：CN201810766665.1
申请日：2018-07-12
Applicant: 东华大学
IPC: H04N19/137 , H04N19/182 , H04N19/503 , G06K9/62
Abstract: 本发明提出了一种基于HEVC压缩域双SVM模型的视频显著性预测方法。所提方法对视频数据集中选定的所有训练视频序列进行分类，使用分类的训练视频序列A类和B类对HEVC压缩域双SVM显著性预测模型分别进行训练，得到两种不同的压缩域显著性预测模型。从视频数据集中选取某一测试视频序列进行预分类操作，使用已经训练好的HEVC双SVM显著性预测模型对测试视频序列进行显著性的预测，所提方法能够获得较好的显著性预测效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.014 seconds)
