公开(公告)号：CN111814896A

公开(公告)日：2020-10-23

申请号：CN202010696076.8

申请日：2020-07-20

Applicant: 福州大学

Inventor： 赵铁松 ,  黄爱萍 ,  裴舒凡 ,  陈炜玲 ,  王郑

IPC: G06K9/62 ,  G06F17/16

Abstract: 本发明涉及一种面向多视图特征融合与聚类的联合优化方法，包括以下步骤：步骤S1:获取待聚类图像数据的若干个视图以及聚成的类别数；步骤S2:初始化相关参数和矩阵变量；步骤S3:将面向多视图特征融合与聚类的联合优化问题表示为共享指示矩阵和对应各个视图系数矩阵的矩阵分解范式，写出损失函数，确认优化目标;步骤S4:更新各项参数，直至收敛或达到最大迭代次数；步骤S5:计算得到收敛的共享聚类指示矩阵，以对每个样本标签进行分配，得到最优的聚类结果。本发明面向多视图特征，能够实现准确的聚类。

公开(公告)号：CN115941938A

公开(公告)日：2023-04-07

申请号：CN202211721536.3

申请日：2022-12-30

Applicant: 福州大学

Inventor： 林丽群 ,  何嘉晨 ,  王郑 ,  魏广鹏 ,  赵铁松

IPC: H04N17/00 ,  H04N19/154 ,  G06F16/783 ,  G06F16/787 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明涉及一种基于感知数据驱动的视频质量评测方法，包括如下步骤：步骤S1、构建基于半自动标记的压缩视频数据库；步骤S2、考虑视频视觉显著性的时空特征，构建感知数据驱动的压缩视频质量评价模型，并通过压缩视频数据库进行训练；步骤S3、利用得到的压缩视频质量评价模型对输入的压缩视频进行质量评测。该方法及系统有利于提高在预测压缩视频质量方面的性能。

公开(公告)号：CN111726613B

公开(公告)日：2021-07-27

申请号：CN202010609415.4

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  王郑 ,  袁迪 ,  陈炜玲 ,  暨书逸

IPC: H04N19/124 ,  H04N19/154 ,  H04N19/176 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于最小可觉差的视频编码优化方法，包括以下步骤：步骤S1：对已经压缩过的原始视频数据进行预处理，剔除不具备参考价值的平坦帧；步骤S2：根据预处理后的视频及其初始QP，采用VGG神经网络，以分类任务的形式预测每个视频帧低于JND阈值的最优QP值；步骤S3:根据得到的最优QP值，作为原始视频的新QP值进行重新编码。与原视频相比，本发明能够在在不影响视频感知质量的情况下达到更低的编码比特率。

公开(公告)号：CN111726613A

公开(公告)日：2020-09-29

申请号：CN202010609415.4

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  王郑 ,  袁迪 ,  陈炜玲 ,  暨书逸

IPC: H04N19/124 ,  H04N19/154 ,  H04N19/176 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于最小可觉差的视频编码优化方法，包括以下步骤：步骤S1：对已经压缩过的原始视频数据进行预处理，剔除不具备参考价值的平坦帧；步骤S2：根据预处理后的视频及其初始QP，采用VGG神经网络，以分类任务的形式预测每个视频帧低于JND阈值的最优QP值；步骤S3:根据得到的最优QP值，作为原始视频的新QP值进行重新编码。与原视频相比，本发明能够在在不影响视频感知质量的情况下达到更低的编码比特率。