-
公开(公告)号：CN108134937B
公开(公告)日：2021-07-13
申请号：CN201711389311.1
申请日：2017-12-21
Applicant: 西北工业大学
IPC: H04N19/186 , H04N19/625 , H04N19/70 , G06T7/90
Abstract: 本发明提供了一种基于HEVC的压缩域显著性检测方法，涉及视频技术处理领域，通过提取色度、亮度和纹理静态特征图，建立滤除静态特征图背景的模型，计算最终静态显著性图和动态显著性图，得到最终的显著性图。本发明较其它显著性模型的精度有一定的提高，并且检测算法较为稳定，同时相应降低了算法的复杂度，应用高斯分布滤除静态特征图的背景，充分提取静态特征信息，使得计算精度提高；动态显著性图计算中包含了图像的运动特征、纹理特征和统计特性，使得算法的复杂度降低，因为压缩域的显著性反应的是重建视频的显著性，所以更有利于感知视频编码；采用自适应的融合算法，使得显著性值更加精确。
-
公开(公告)号：CN108063945A
公开(公告)日：2018-05-22
申请号：CN201711389299.4
申请日：2017-12-21
Applicant: 西北工业大学
IPC: H04N19/149 , H04N19/146 , H04N19/186 , H04N19/176 , H04N19/70 , H04N19/91 , H04N19/13
Abstract: 本发明提供了一种基于元素类别的线性码率估计方法，涉及视频编码技术领域，首先将系数分为亮度和色度两组，然后分别在亮度编码组和色度编码组中按照元素类型和TU尺寸进一步划分，之后在每一组中选取特征参量，建立码率估计值与参量间的线性回归方程，最后选用视频序列进行训练，得出各组的线性回归系数。本发明消除了码率计算中由于编码结构造成的运算冗余，降低了码率计算复杂度，对语法元素进行细致的分组，在每组中分别建立线性回归方程进行码率估计，准确度更高，有效降低了RDO码率计算的复杂度，提高了编码效率；码率估计准确度较高，编码质量损失较小；鲁棒性强，在不同视频序列中都有较好的优化效果。
-
公开(公告)号：CN116432789A
公开(公告)日：2023-07-14
申请号：CN202111636659.2
申请日：2021-12-29
Applicant: 中国石油天然气集团有限公司 , 中国石油集团测井有限公司 , 西北工业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/048 , G06N3/082 , G06Q50/02
Abstract: 本发明公开了一种基于深度卷积神经网络的储层划分方法,该储层划分方法包括以下步骤：选取测井数据集；对测井数据集进行预处理；构建深度卷积神经网络并对预处理的测井数据集进行训练；预处理的测井数据集经过深度卷积神经网络训练得到储层预测结果，完成储层初步划分；对储层初步划分的分类结果后处理，完成储层最终划分。该储层划分方法通过大量的测井曲线数据分析，自主挖掘出其中内在的特征，并利用这些特征来解决复杂的储层划分问题，经过后处理预测准确率更高，调用训练好的深度卷积神经网络模型预测时间更短，提高了储层划分的准确率和效率。
-
公开(公告)号：CN108063947B
公开(公告)日：2021-07-13
申请号：CN201711335009.8
申请日：2017-12-14
Applicant: 西北工业大学
IPC: H04N19/176 , H04N19/186 , H04N19/182 , H04N19/129 , H04N19/136 , H04N19/463 , H04N19/50 , H04N19/426
Abstract: 本发明提供了一种基于像素纹理的无损参考帧压缩方法，涉及数字视频信号编解码领域，本发明提供一种快速高效的参考帧压缩方法，适用于HEVC视频标准所规定的编解码过程，可以实现无损参考帧的压缩和解码，主要包含两个过程：基于像素纹理的像素方向预测和动态阶数一元/指数‑哥伦布编码，与MDA&SFL算法相比，本发明实现60％以上的视频参考帧压缩率，即将参考帧数据存储的带宽需求降低60以上，降低了编解码器与外部存储器之间的数据交换量，从而降低由数据读取引起的IO功耗，可以随机调用压缩的像素单元。
-
公开(公告)号：CN108063944B
公开(公告)日：2021-07-13
申请号：CN201711335032.7
申请日：2017-12-14
Applicant: 西北工业大学
IPC: H04N19/147 , H04N19/154 , H04N19/167 , H04N19/172
Abstract: 本发明提供了一种基于视觉显著性的感知码率控制方法，涉及视频技术领域，本发明计算每个像素点的显著值并计算LCU的显著值，将LCU的显著值作为该LCU失真的权重，之后计算λ，并由λ计算QP。由于采用了视觉显著性作为权重进行码率分配，显著区域的PSNR得到提高，使得重建视频显著区域的主观质量更好，本发明码率失配较低；显著区域的PSNR得到提高，显著区域的主观质量得到提高；非显著区域的PSNR略有下降，但由于人眼对非感兴趣区域的关注程度较低，所以非显著区域的主观质量改变基本可以忽略。
-
Patent Agency Ranking
公开(公告)号：CN108063945B
公开(公告)日：2021-07-09
申请号：CN201711389299.4
申请日：2017-12-21
Applicant: 西北工业大学
IPC: H04N19/149 , H04N19/146 , H04N19/186 , H04N19/176 , H04N19/70 , H04N19/91 , H04N19/13
Abstract: 本发明提供了一种基于元素类别的线性码率估计方法，涉及视频编码技术领域，首先将系数分为亮度和色度两组，然后分别在亮度编码组和色度编码组中按照元素类型和TU尺寸进一步划分，之后在每一组中选取特征参量，建立码率估计值与参量间的线性回归方程，最后选用视频序列进行训练，得出各组的线性回归系数。本发明消除了码率计算中由于编码结构造成的运算冗余，降低了码率计算复杂度，对语法元素进行细致的分组，在每组中分别建立线性回归方程进行码率估计，准确度更高，有效降低了RDO码率计算的复杂度，提高了编码效率；码率估计准确度较高，编码质量损失较小；鲁棒性强，在不同视频序列中都有较好的优化效果。
-
公开(公告)号：CN108009524B
公开(公告)日：2021-07-09
申请号：CN201711420524.6
申请日：2017-12-25
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于全卷积网络的车道线检测方法，涉及交通信息检测领域，本发明对全卷积车道线检测网络的输出特征图进行概率运算，得到输入图片中每块区域出现车道线的概率，并设定预测概率阈值，实现车道线的提取与检测。本发明能够同时实现直线型车道线和弯曲型车道线的检测，使用车道线检测损失函数对全卷积车道线检测网络进行训练，提升车道线的检测效果，卷积神经网络从车道线分类数据集中学习车道线的抽象特征，而不是简单地提取车道线的外部特征；只需存储车道线检测网络模型就能够实现对新输入图像的检测，节省存储空间，适用于车载嵌入设备；采用小型浅层的全卷积车道线检测网络进行检测加速，检测速度较快。
-
公开(公告)号：CN113014923A
公开(公告)日：2021-06-22
申请号：CN202110232921.0
申请日：2021-03-03
Applicant: 西北工业大学
IPC: H04N19/139 , H04N19/149 , H04N19/52 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于压缩域表征运动向量的行为识别方法，首先，使用提出的利用运动向量进行视频关键信息序列检测模块提取源视频内关键信息子序列，并在子序列中进行稀疏采样，降低整体的计算复杂度。其次，利用视频编码解耦合以及相机方向角估计方法来提升运动向量的信息完整性和准确性。最后利用多输入多模态行为识别网络模型对视频动作进行有效识别。本发明极大程度降低了整体方法的计算复杂度，有效地提高视频端到端行为识别的实时性；提高了网络模型对视频有效信息的利用，在不增加计算复杂度的前提下有效地提高了行为识别准确率；克服了原始运动向量表征信息不完整导致网络模型直接利用运动向量识别精度下降的问题。
-
公开(公告)号：CN108124163A
公开(公告)日：2018-06-05
申请号：CN201711335034.6
申请日：2017-12-14
Applicant: 西北工业大学
IPC: H04N19/61 , H04N19/124 , H04N19/18 , H04N19/122
Abstract: 本发明提供了一种适用于HEVC的全零块检测方法，涉及视频处理技术领域，本发明计算预测残差子块的按沃尔什序排列的沃尔什变换WT系数矩阵，根据预测残差子块的沃尔什序WT系数矩阵计算与TB同阶的沃尔什序WT系数矩阵，根据沃尔什序WT变换系数或预测残差检测全零块。本发明与基于SAD和SATD的算法相比，直接使用最大变换系数检测全零块，避免了由残差能量分布差异所造成的误检测，从而极大提高了检测效率，本发明不仅能检测UQ中的全零块，也能检测RDOQ中的全零块；对4种尺寸的全零块都有较高的检测效率；编码器的率失真性能损失较小，基本可以忽略；变换/量化运算的整体耗时明显下降，提高了编码的速度。
-
公开(公告)号：CN108063947A
公开(公告)日：2018-05-22
申请号：CN201711335009.8
申请日：2017-12-14
Applicant: 西北工业大学
IPC: H04N19/176 , H04N19/186 , H04N19/182 , H04N19/129 , H04N19/136 , H04N19/463 , H04N19/50 , H04N19/426
Abstract: 本发明提供了一种基于像素纹理的无损参考帧压缩方法，涉及数字视频信号编解码领域，本发明提供一种快速高效的参考帧压缩方法，适用于HEVC视频标准所规定的编解码过程，可以实现无损参考帧的压缩和解码，主要包含两个过程：基于像素纹理的像素方向预测和动态阶数一元/指数‑哥伦布编码，与MDA&SFL算法相比，本发明实现60％以上的视频参考帧压缩率，即将参考帧数据存储的带宽需求降低60以上，降低了编解码器与外部存储器之间的数据交换量，从而降低由数据读取引起的IO功耗，可以随机调用压缩的像素单元。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.037 seconds)
