公开(公告)号：CN111986197A

公开(公告)日：2020-11-24

申请号：CN202010938912.9

申请日：2020-09-09

Applicant: 福州大学

Inventor： 陈炜玲 ,  郑琰楠 ,  吴雨旋 ,  黄雨航

IPC: G06T7/00 ,  G06T7/13 ,  G06N20/00

Abstract: 本发明涉及一种基于轮廓统计特性的部分参考声纳图像应用质量评价方法，该方法包括以下步骤：S1、对原始声纳图像，即参考声纳图像进行轮廓波变换，以获得的子带系数作为图像轮廓特征；S2、对每个子带系数分别提取表征子带信息、能量以及幅值的统计特征，作为参考声纳图像的轮廓特征信息；S3、对待测声纳图像重复步骤S1-S2，提取待测声纳图像的轮廓特征信息；S4、计算参考声纳图像与待测声纳图像之间的轮廓变化特征；S5、利用集成学习，基于步骤S4得到的轮廓变化特征，建立部分参考声纳图像应用质量评价模型。该方法有利于提高声纳图像应用质量评价性能。

公开(公告)号：CN111711815B

公开(公告)日：2021-09-28

申请号：CN202010618890.8

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  黄雨航 ,  吴陆狄 ,  徐艺文 ,  王楷

IPC: H04N19/124 ,  H04N19/593 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。

公开(公告)号：CN111711815A

公开(公告)日：2020-09-25

申请号：CN202010618890.8

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  黄雨航 ,  吴陆狄 ,  徐艺文 ,  王楷

IPC: H04N19/124 ,  H04N19/593 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。