-
公开(公告)号：CN116193122A
公开(公告)日：2023-05-30
申请号：CN202310189604.4
申请日：2023-03-02
Applicant: 杭州电子科技大学 , 杭州电子科技大学丽水研究院
IPC: H04N19/147 , H04N19/124 , H04N19/91 , H04N19/172 , H04N19/30 , H04N19/50
Abstract: 本发明公开了一种多层级多模块协同视频感知编码优化方法及装置，通过原始视频进行编码失真预测、帧级编码失真预测及帧级量化参数的推导；对原始视频的图像进行帧内/帧间预测，并将得到的预测图像与原始图像进行差计算，得到残差图像，通过预测的编码失真，对残差图像进行残差滤波，滤波后的残差图像基于残差块变换后，再根据预测的帧级编码失真和帧级量化参数，进行感知量化；基于感知量化参数进行率失真优化，优化帧内/帧间预测；构建感知质量增强网络，用于优化帧内/帧间预测；基于优化的帧内/帧间预测，对原始视频的图像进行预测、差计算、残差滤波、变换、感知量化后，进行熵编码。
-
公开(公告)号：CN118101940A
公开(公告)日：2024-05-28
申请号：CN202410245913.3
申请日：2024-03-05
Applicant: 杭州电子科技大学
IPC: H04N19/136 , H04N19/142 , H04N19/137 , H04N19/42 , H04N7/18 , G06V20/40 , G06V10/82 , G06V20/70 , G06N3/0464 , G06V40/20
Abstract: 本发明属于监控视频的压缩领域，特别涉及一种面向监控视频的多目标编码方法。包括以下步骤：(1)构建背景帧序列更新模块，对背景图像帧进行重建，得到重构背景帧；(2)构建多目标下的视频压缩模块，使用语义目标检测网络来连续检测并持续跟踪特定的语义参考对象，利用特征提取网络将语义参考对象转换为紧凑特征表示，将语义参考对象和紧凑特征进行传输编码，(3)构建重构视频帧模块将重建的前景与重构背景帧#imgabs0#结合，生成重构帧#imgabs1#本发明针对多目标情况下的监控视频数据传输，可以在节省码率的前提下，传输监控视频的数据信息。
-
公开(公告)号：CN118018877A
公开(公告)日：2024-05-10
申请号：CN202410142890.3
申请日：2024-02-01
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)
Abstract: 本发明属于脉冲数据处理技术领域，涉及一种面向脉冲相机的高效数据流处理方法，其编码端的数据压缩过程包括：步骤一，通过脉冲流分块模块将获取的原始脉冲流切割分块，得到原始脉冲块；步骤二，通过脉冲流凝聚模块压缩所述的原始脉冲块，得到压缩脉冲流；步骤三，将原始脉冲块和压缩脉冲流输入脉冲损失像素标记器，分析压缩造成的脉冲损失来进行信息补偿，后经像素级分类器输出量化二进制信息帧；步骤四，通过压缩脉冲‑信息整合器将压缩脉冲流、量化二进制信息帧和解码端的提示信息进行整合，生成最终的二进制数据流。相较于传统的脉冲压缩方案，本发明可以大大降低整个过程的复杂度，具有省时高效的优点。
-
公开(公告)号：CN113128344B
公开(公告)日：2024-02-02
申请号：CN202110297430.4
申请日：2021-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明方法公开了一种多信息融合的立体视频显著性检测方法。本发明方法首先通过2D视频序列的色彩特征、空间特征、中心位置特征计算，得到2D空间显著图；基于时空一致性，在2D空间显著图的基础上获得2D运动显著图；然后利用不同区域的深度差异度计算深度空间显著图；提取深度变化的信息，获得深度运动图；最后使用多层细胞自动机融合产生的视频序列的四种显著图，得到立体视频的显著图。本发明方法根据人眼视觉注意力对色彩、空间位置、物体远近的敏感机制，尤其利用深度信息与运动信息在立体视觉显著性检测中的重要作用，融合了多种立体视频在空间和时间上的特征，消除单一特征计算显著性带来的噪声影响。
-
公开(公告)号：CN117061748A
公开(公告)日：2023-11-14
申请号：CN202311158195.8
申请日：2023-09-08
Applicant: 杭州电子科技大学
IPC: H04N19/117 , H04N19/96 , H04N19/103
Abstract: 本发明公开了一种基于卷积神经网络的视频编码优化方法。本发明步骤：1、提出一个多输入的多尺度残差卷积网络代替HEVC传统环路滤波模块，添加高质量参考图像作为输入，提高环路滤波的性能；2、提出迭代训练的方法解决测试过程与训练过程之间的不一致性；3、基于改进的HEVC分像素插值滤波算法，提升HEVC视频压缩性能；本发明显著提高了HEVC环路滤波的性能，进一步提高了编码的压缩效率。实验结果表明，本文所提出的算法在RA编码模式下平均可以减少7.47％的BD‑rate。与现有的两种编码优化算法相比，本文提出的优化算法有效地提升了压缩效率，同时增强了视频质量。
-
Patent Agency Ranking
公开(公告)号：CN117041565A
公开(公告)日：2023-11-10
申请号：CN202310887654.X
申请日：2023-07-19
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: H04N19/11 , H04N19/186 , H04N19/176 , H04N19/593
Abstract: 本发明公开了一种AV1视频帧内粗模式决策优化及硬件架构方法，基于AV1对帧内模式决策优化，粗模式决策减少了计算时间，而计算复杂度上，将原来的61种决策情况分为两次进行，第一次选择13种模式进行；第二次选择6种模式进行决策；此外，不对矩形块的预测代价值做哈达玛变换，而是选择用基于4x4方块SATD值的叠加；在预测代价排序的选择上，选用双调排序，以适合发明所设计的并行架构；系统级优化方面，在每个方块处理流程上，采用流水线设计，缩小了硬件所需的面积资源，也加快了硬件实现的速度。
-
公开(公告)号：CN112351279B
公开(公告)日：2023-07-28
申请号：CN202011152367.7
申请日：2020-10-26
Applicant: 杭州电子科技大学
IPC: H04N19/14 , H04N19/61 , H04N19/177 , H04N19/103
Abstract: 本发明公开了一种面向HEVC快速编码的自适应复杂度调整系统及方法。本发明首先结合离线训练模块和在线训练模块，确定在给定编码树单元(CTU)的目标编码时间时启用的预测模式以及跳过的模式；然后使用复杂度分配模块，利用第3个图片组(GOP)的编码时间来预测整个序列的编码时间，从而估算出当前给定目标复杂度下所需控制的序列目标编码时间，并将目标编码时间以分层的方式分配到CTU层级；在模式选择模块中，根据分配到每个CTU的目标编码时间选择启用的预测模式，然后开始编码，跳过未启用的模式；最后复杂度更新模块周期性地取一帧作标准编码，用于更新序列的目标编码时间和调整下一帧的目标编码时间。本发明充分利用视频编码的特点将实际的编码复杂度自适应地调整在目标复杂度附近，并尽可能减少失真。
-
公开(公告)号：CN111405265B
公开(公告)日：2021-09-17
申请号：CN202010214373.4
申请日：2020-03-24
Applicant: 杭州电子科技大学
IPC: H04N13/122 , H04N13/275
Abstract: 本发明公开了一种新型的图像绘制技术，包括以下步骤：3D图像变换；利用图像之间的深度差值来划分绘制不准确区域；设置图像的前景阈值和背景阈值；处理空洞。上述技术方案利用图像之间的深度差值来划分绘制不准确区域，根据图像的实际情况将图像中视觉冲击最明显的区域中的破损区域重新进行绘制，从而让图像的绘制区域变得更加清晰，减少最后一步填充空洞时空洞的个数，从而降低时间复杂度。
-
公开(公告)号：CN110730350B
公开(公告)日：2021-08-24
申请号：CN201910911194.3
申请日：2019-09-25
Applicant: 杭州电子科技大学
IPC: H04N19/34
Abstract: 本发明公开了一种结合编码深度估计和贝叶斯判决的SHVC快速编码方法，其实现的方法是在基本层保持原有的编码方法，在增强层采用快速编码方法。SHVC增强层快速编码方法包括编码树单元(CTU)深度范围估计方法、基于最小风险贝叶斯判决的编码单元(CU)快速划分方法和基于最大概率贝叶斯判决的预测单元(PU)快速模式选择方法。本发明大大减少了SHVC增强层编码中的CU深度划分和PU模式选择的复杂度，在保持编码压缩效率的前提下，有效地提高了SHVC的编码速度。
-
公开(公告)号：CN113179396A
公开(公告)日：2021-07-27
申请号：CN202110295931.9
申请日：2021-03-19
Applicant: 杭州电子科技大学
IPC: H04N13/279 , H04N13/106 , H04N13/156 , H04N13/15 , G06T7/194 , G06T5/50 , G06T5/00 , G06K9/62
Abstract: 本发明方法公开了基于K‑means模型的双视点立体视频融合方法。本发明方法首先对左、右视点深度图进行预处理，得到左、右视点深度图像；然后分别对左、右视点深度图像运用K‑means方法进行分割，对分割后的前景和背景区域深度图像进行三维投射运算，得到左、右视点的前景和背景绘制图像；以前景绘制图像为蓝本，用背景绘制图像填充前景绘制图像的空缺区域，将填充后的左、右视点绘制图像进行图像融合，获得虚拟视点绘制图像；最后将虚拟视点绘制图像的空洞区域根据空洞周围的像素信息进行加权填充，获得最终输出图像。本发明方法采用像素级别的操作，对空洞区域进行精准处理，使绘制效果在视觉效果上更加优质，更加协和。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.031 seconds)
