-
公开(公告)号：CN110505479B
公开(公告)日：2023-06-16
申请号：CN201910733206.8
申请日：2019-08-09
Applicant: 东华大学
IPC: H04N19/139 , H04N19/159 , H04N19/154
Abstract: 在压缩感知视频监控中，每帧均采用相同测量率进行单独观测。为了提高待回放帧的重构质量，本发明提出了一种启动时延约束下的视频压缩感知重构方法。重构端从码流中提取出各个帧观测矢量，对每一帧观测矢量首先执行单帧图像的迭代重构算法，然后根据迭代次数是否达到最大值来判定该帧是预测帧还是参考帧。在初次重构的基础上，预测帧采用质量较好的参考帧执行可能的双向或单向预测，通过多假设块匹配的残差最小化，完成二次重构乃至三次重构。所提方法能够动态地表征相关性未知的多帧图像，有助于提升视频压缩感知重构的整体质量。
-
公开(公告)号：CN111182313B
公开(公告)日：2021-11-02
申请号：CN201911323406.2
申请日：2019-12-20
Applicant: 东华大学
IPC: H04N19/895 , H04N19/176 , H04N19/129 , H04N19/503
Abstract: 现有的空域错误隐藏方法常以高复杂度的迭代逼近机制换取恢复质量的轻微提升，并且一些方法只适合于特定的丢失模式。为此，本发明提出了一种自适应混合填充(AHF)的空域错误隐藏方法，以便更好地平衡计算复杂度与恢复质量等性能指标，且能处理多种的丢失模式。对于当前受损块的错误隐藏，AHF方法首先通过各向同性梯度检测器统计延拓区域的邻域梯度特征，根据收缩填充次序执行局部预测过程，从外层素组到内层素组逐一地恢复受损块的各个素组；当预测相关性够低时，AHF方法转而执行非局部片匹配过程，利用相似片对同样位置的未隐藏像素进行填充。所提AHF方法适用于各种丢失模式，在通用性、计算复杂度和恢复质量之间取得了具有竞争力的综合性能。
-
公开(公告)号：CN110381313B
公开(公告)日：2021-08-31
申请号：CN201910610758.X
申请日：2019-07-08
Applicant: 东华大学
IPC: H04N19/126 , H04N19/139 , H04N19/154 , H04N19/177 , H04N19/192
Abstract: 本发明涉及一种基于LSTM网络与图像组质量盲评估的视频压缩感知重构方法，其中重建端收到帧观测矢量码流，组合形成连续的图像组观测矢量，对每个图像组观测矢量执行基于LSTM网络的多帧联合迭代重构，获得相应的重建图像组，逐一输出最终的重建帧，同时根据迭代次数达到最大值的持续状况决定是否更新LSTM网络的参数集合。本发明能够将稀疏先验建模与数据驱动机制结合起来，有助于提升重建视频的质量。
-
公开(公告)号：CN111669591B
公开(公告)日：2021-06-11
申请号：CN202010386403.X
申请日：2020-05-09
Applicant: 东华大学
IPC: H04N19/132 , H04N19/10 , G06K9/62
Abstract: 本发明涉及一种面向压缩感知视频流的帧组采样率分配系统，包括通过传输信道连接的测量端和重建端，测量端包括依次连接的帧组划分器、分配器、观测器和编码器，测量端还包括分别与所述帧组划分器、分配器和编码器相连的模型判决器；重建端包括依次连接的帧组解析器、帧组重构器和无参考评估器，无参考评估器还与所述模型判决器相连；在训练模式下，测量端统计不同观测参数对帧组的重建质量与码率的影响，然后分别建立码率模型与重建质量模型；在工作模式下，测量端根据建立的码率模型与重建质量模型以及前一帧组的观测结果，确定后一帧组的最优观测参数。本发明能够自适应地优化观测参数，在码率约束下最大化连续GOF的平均重建质量。
-
公开(公告)号：CN110418137B
公开(公告)日：2021-05-25
申请号：CN201910701685.5
申请日：2019-07-31
Applicant: 东华大学
IPC: H04N19/13 , H04N19/176 , H04N19/587
Abstract: 本发明涉及一种交叉子集导引的剩余块集测量率调控方法，包括以下步骤：将目标图像分为若干块，对所有块进行分类，将各块通过块集划分归入交叉子集或剩余块集；使用初始测量率对交叉子集进行按序逐块观测，并统计观测值向量；根据交叉子集中观测值向量的统计情况为剩余块集设置各类的优化测量率，使用优化测量率对剩余块集进行按序逐块观测，并记录观测值；各块的观测值按螺旋次序逐块进行多方向预测，执行残差的量化与熵编码。本发明在平均测量率保持下提高图像观测的整体质量。
-
Patent Agency Ranking
公开(公告)号：CN111147853A
公开(公告)日：2020-05-12
申请号：CN201911323397.7
申请日：2019-12-20
Applicant: 东华大学
IPC: H04N19/13 , H04N19/147 , H04N19/176 , H04N19/124 , H04N5/232
Abstract: 在分块压缩感知(BCS)系统中，测量端需要逐块地进行观测值预测，本发明提出了一种基于变焦预观测的先验子块生成方法。测量端新增了控制器、焦距调整、全景观测等功能模块。对于目标图像，控制器首先转入变焦预观测流程，焦距调整的准则是使得整幅图像刚好落入块尺寸的观测范围，随后执行全景观测，获取先验子块；接下来，控制器转入逐块观测获取观测值，基于先验子块执行SDPC观测值预测，对最小预测残差进行量化与熵编码，产生二进制比特流。所提方法可以充分利用自然图像的非局部空域相关性，降低图像边缘对预测准确度的影响。
-
公开(公告)号：CN110505479A
公开(公告)日：2019-11-26
申请号：CN201910733206.8
申请日：2019-08-09
Applicant: 东华大学
IPC: H04N19/139 , H04N19/159 , H04N19/154
Abstract: 在压缩感知视频监控中，每帧均采用相同测量率进行单独观测。为了提高待回放帧的重构质量，本发明提出了一种启动时延约束下的视频压缩感知重构方法。重构端从码流中提取出各个帧观测矢量，对每一帧观测矢量首先执行单帧图像的迭代重构算法，然后根据迭代次数是否达到最大值来判定该帧是预测帧还是参考帧。在初次重构的基础上，预测帧采用质量较好的参考帧执行可能的双向或单向预测，通过多假设块匹配的残差最小化，完成二次重构乃至三次重构。所提方法能够动态地表征相关性未知的多帧图像，有助于提升视频压缩感知重构的整体质量。
-
公开(公告)号：CN110418137A
公开(公告)日：2019-11-05
申请号：CN201910701685.5
申请日：2019-07-31
Applicant: 东华大学
IPC: H04N19/13 , H04N19/176 , H04N19/587
Abstract: 本发明涉及一种交叉子集导引的剩余块集测量率调控方法，包括以下步骤：将目标图像分为若干块，对所有块进行分类，将各块通过块集划分归入交叉子集或剩余块集；使用初始测量率对交叉子集进行按序逐块观测，并统计观测值向量；根据交叉子集中观测值向量的统计情况为剩余块集设置各类的优化测量率，使用优化测量率对剩余块集进行按序逐块观测，并记录观测值；各块的观测值按螺旋次序逐块进行多方向预测，执行残差的量化与熵编码。本发明在平均测量率保持下提高图像观测的整体质量。
-
公开(公告)号：CN108537739A
公开(公告)日：2018-09-14
申请号：CN201810127313.1
申请日：2018-02-08
Applicant: 东华大学
Abstract: 本发明涉及一种基于特征匹配度的无参考视频增强效果评测方法，包括以下步骤：使用某一视频增强算法E对含有N帧的原始视频V进行质量增强，得到已增强视频Ve；按帧顺序依次获取已增强视频帧的基色分量图像，采用不变量特征算子分别提取分量图像的特征向量；依次对前后帧中同一基色分量的特征向量进行特征匹配，分别计算出两幅分量图像特征点匹配成功的个数；判断当前帧是否为已增强视频Ve的最后一帧，如果不是，则返回上述步骤；否则，进入下一步骤；累计所有前后帧基色分量的特征匹配点数，将所有特征匹配点数的每帧分量平均值作为该视频增强算法的特征匹配度。本发明为改进无参考视频增强算法提供了一种客观评测准则。
-
公开(公告)号：CN116996684A
公开(公告)日：2023-11-03
申请号：CN202310814110.0
申请日：2023-07-05
Applicant: 东华大学
IPC: H04N19/176 , H04N19/182 , H04N19/57 , H04N19/65 , H04N19/88
Abstract: 本发明面向泛化性较高的多假设预测压缩感知重构机制，提出一种阶数自适应多假设压缩感知重构方法。所提方法首先通过自适应线性预测器对各块进行预处理，根据预处理获得的相关性指标来改变多假设预测窗口大小，并依据块相似度对多假设窗口内的候选预测块进行排序，结合变换后的搜索窗口挑选不同数量的高相似候选预测块，进行多假设预测压缩感知重构的图像生成。本发明在异构图像集以及不同采样率下，对比传统多假设压缩感知重构方法以及现有基于多假设压缩感知的先进方法都具有良好的性能提升。本发明所提方法具有较低的时间复杂度与较高的恢复质量，综合性能更佳。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.024 seconds)
