-
公开(公告)号：CN105187826B
公开(公告)日：2018-11-16
申请号：CN201510466203.4
申请日：2015-07-31
Applicant: 郑州轻工业学院
IPC: H04N19/11
Abstract: 一种针对高效率视频编码标准的快速帧内模式判决方法，其步骤如下：(1)选取大小为N×N的预测单元PU；(2)利用Sobel算子计算预测单元PU内像素点的平均梯度值；(3)确定判定帧内预测模式的阈值；(4)根据预测单元PU内像素点的平均梯度值、判定帧内预测模式的阈值初步判定帧内预测模式；(5)根据Sobel算子计算的预测单元PU内各个像素点的梯度值，计算预测单元PU像素点的梯度方向；(6)根据预测单元PU像素点的梯度方向，查表确定帧内预测模式。本发明采用了Sobel边缘检测算子，在方向模式的判决准确度保持不变的情况，帧内判决速度得到了提升，其复杂度较低，计算量较小，只增加少量的码率，节省了大量的编码时间。
-
公开(公告)号：CN109862372A
公开(公告)日：2019-06-07
申请号：CN201910108297.6
申请日：2019-01-18
Applicant: 郑州轻工业学院
IPC: H04N19/597 , H04N19/96 , H04N13/161
Abstract: 本发明提供了一种针对3D-HEVC中深度图编码的复杂度降低方法，包括：对深度图编码中的每个树块进行模式决策；获取预测因子π中时空的和相应纹理视频的树块的编码信息；基于获取到的编码信息，判断预测因子π中相关联树块的模式是否全为SKIP模式；若预测因子π中相关联树块的模式全为SKIP模式，则跳过不同大小ME和DE，并将SKIP模式作为最佳帧内模式；若预测因子π中相关联树块的模式不全为SKIP模式，则根据当前深度图树块的帧内模式的复杂度参数IMP，对当前深度图树块进行分类，当前深度图树块的分类包括简单区域、普通区域和复杂区域；根据当前深度图树块所属的类别，自适应确定出候选帧内模式；从所述候选帧内模式中筛选最佳帧内模式。
-
公开(公告)号：CN107172062B
公开(公告)日：2018-08-03
申请号：CN201710423359.3
申请日：2017-06-07
Applicant: 郑州轻工业学院
Abstract: 本发明提供了种基于生物免疫T细胞受体机制的入侵检测方法,将网络数据看作抗原,进行抗原提呈和数据规范化操作获取有效自体集;根据自体集生成均匀分布T细胞受体检测器,得出其正常分布状态;检测数据对T细胞受体检测器产生影响,识别未知的异常;根据新的数据动态调整回馈T细胞受体检测器的位置。本发明利用生物免疫中T细胞受体的原理和机制,实现网络中的入侵检测,使用固定位置的T细胞受体检测器集合代替传统人工免疫方法中根据自体集随机生成检测器集合,实时数据对检测器进行回馈调整,使得检测器能够进行自学习和动态演进,更适合网络中实时动态变化的环境,缩短了重新生成检测器的时间,提高了检测的速度,提高了系统安全。
-
公开(公告)号：CN107087200B
公开(公告)日：2020-02-07
申请号：CN201710328875.8
申请日：2017-05-11
Applicant: 郑州轻工业学院
IPC: H04N19/567 , H04N19/61 , H04N19/573 , H04N19/103 , H04N19/176 , H04N19/13
Abstract: 本发明提出了一种针对高效率视频编码标准的跳过编码模式提前判决方法，解决现有标准编码复杂度较高，编码时间较长的问题，步骤如下：计算编码块的率失真代价，获得运动矢量和残差信息；利用运动矢量大小和残差信息来判定编码块是否为跳过模式，若为非跳过模式进入下一步，否则对下一编码块进行处理；计算当前编码块相邻的前一帧的编码块和后一帧的编码块的率失真代价；利用运动矢量大小和残差信息分别对相邻编码块进行判决，采用熵差的概念来代替计算繁琐的交互信息，快速判决跳过模式，在得到极好编码性能的同时，节省了大量的编码时间，具有实际操作性，便于进行实时应用。本发明在不降低视频编码效率的同时，节省了大量的编码时间。
-
公开(公告)号：CN106651017A
公开(公告)日：2017-05-10
申请号：CN201611145931.6
申请日：2016-12-13
Applicant: 郑州轻工业学院
Abstract: 本发明提出了一种基于蚁群算法的土地整理项目选址方法，对土地利用空间信息数据和自然社会经济属性数据进行整合，形成土地整理项目选址空间单元集合；建立新增耕地潜力最大目标函数、土地整理适宜性最高目标函数和空间集中连片目标函数，确定实施规模与新增耕地率为约束条件，构建实施规模约束条件表达式和新增耕地率约束条件表达式；基于蚁群算法构建土地整理项目选址模型，建立求解问题与人工蚁群之间的映射关系，求解土地整理项目空间布局；对土地整理项目空间布局进行调整优化，生成土地整理项目选址方案图。本发明能够较好的协调三个彼此冲突的优化目标，在保证土地整理的经济效益基础上显著优化项目空间布局，提高社会及生态效益。
-
Patent Agency Ranking
公开(公告)号：CN109919880A
公开(公告)日：2019-06-21
申请号：CN201910202197.X
申请日：2019-03-18
Applicant: 郑州轻工业学院
Abstract: 本发明提出一种基于粒子群优化的红外图像增强方法，采用粒子群优化算法结合图像伽马校正方法进行全局伽马校正，其步骤为：首先对红外图像进行灰度化并初始化种群；接着针对每个粒子，对灰度化图像进行伽马校正得到中间增强图像，通过对该中间图像的熵值、边缘内容和灰度标准方差的加权融合计算该粒子的适应度值，并迭代更新个体和群体最优适应度值，采用适时调整学习因子迭代更新粒子速度和位置，通过不断迭代寻优找到最终群体最优位置作为最优伽马值来增强图像。本发明对低对比度红外图像增强时，使图像熵值最大化、边缘清晰化、并保留原图结构信息，增强结果更自然；本发明对高亮区域进行增强时，不易产生噪声及伪影，能够明显改善红外图像。
-
公开(公告)号：CN107172062A
公开(公告)日：2017-09-15
申请号：CN201710423359.3
申请日：2017-06-07
Applicant: 郑州轻工业学院
CPC classification number: H04L63/1416 , H04L43/16
Abstract: 本发明提供了一种基于生物免疫T细胞受体机制的入侵检测方法，将网络数据看作抗原，进行抗原提呈和数据规范化操作获取有效自体集；根据自体集生成均匀分布T细胞受体检测器，得出其正常分布状态；检测数据对T细胞受体检测器产生影响，识别未知的异常；根据新的数据动态调整回馈T细胞受体检测器的位置。本发明利用生物免疫中T细胞受体的原理和机制，实现网络中的入侵检测，使用固定位置的T细胞受体检测器集合代替传统人工免疫方法中根据自体集随机生成检测器集合，实时数据对检测器进行回馈调整，使得检测器能够进行自学习和动态演进，更适合网络中实时动态变化的环境，缩短了重新生成检测器的时间，提高了检测的速度，提高了系统安全。
-
公开(公告)号：CN106250978A
公开(公告)日：2016-12-21
申请号：CN201610583290.6
申请日：2016-07-22
Applicant: 郑州轻工业学院
IPC: G06N3/00
CPC classification number: G06N3/006
Abstract: 本发明公开了一种动态环境下基于免疫反应的多种群优化方法，其步骤如下：初始化固有种群，并计算其适应度值；检测变化发生与否，若变化发生，重新更新搜索种群；对固有种群实施固有免疫反应，更新固有种群；判断是否有个体处于激活状态，若是，则激活个体，产生自适应种群；对自适应种群实施自适应免疫反应，更新自适应种群；压缩种群；判断算法是否满足终止条件。本发明具有对“黑匣子”动态最优化问题求解效果精确的优点，可用于动态环境下的复杂问题获得最优化解；不仅具备定位局部最优的能力，而且能够跟踪变化后的局部最优，并在全局寻优和局部寻优中达到较好的平衡，能够有效的解决动态环境下的优化问题。
-
公开(公告)号：CN105187826A
公开(公告)日：2015-12-23
申请号：CN201510466203.4
申请日：2015-07-31
Applicant: 郑州轻工业学院
IPC: H04N19/11
Abstract: 一种针对高效率视频编码标准的快速帧内模式判决方法，其步骤如下：(1)选取大小为N×N的预测单元PU；(2)利用Sobel算子计算预测单元PU内像素点的平均梯度值；(3)确定判定帧内预测模式的阈值；(4)根据预测单元PU内像素点的平均梯度值、判定帧内预测模式的阈值初步判定帧内预测模式；(5)根据Sobel算子计算的预测单元PU内各个像素点的梯度值，计算预测单元PU像素点的梯度方向；(6)根据预测单元PU像素点的梯度方向，查表确定帧内预测模式。本发明采用了Sobel边缘检测算子，在方向模式的判决准确度保持不变的情况，帧内判决速度得到了提升，其复杂度较低，计算量较小，只增加少量的码率，节省了大量的编码时间。
-
公开(公告)号：CN110381325A
公开(公告)日：2019-10-25
申请号：CN201910769561.0
申请日：2019-08-20
Applicant: 郑州轻工业学院
IPC: H04N19/597 , H04N19/593 , H04N19/11 , H04N19/147 , H04N19/117
Abstract: 本发明提出了一种基于3D-HEVC的低复杂度深度编码的快速模式决策方法，步骤为：对于预测单元PU启动帧内预测模式，通过视频编码器将预测单元编码为纹理帧和深度帧；对于纹理帧，使用Sobel滤波器抽取预测单元边缘方向的信息，计算角度预测模式的累加梯度，通过累加梯度最小选出9种角度预测模式，与Planar模式和DC模式构成候选模式集合；对于深度帧，采用混合蛙跳算法确定楔形模式DMM1；对候选模式集合中的所有帧内预测模式进行测试，通过对比率失真代价和编码时间选出最佳的编码模式。本发明利用混合蛙跳算法作为新启发式方法，以获得DMM1中最优的楔形模式；减少了编码时间，提高了编码效率，保持了相同的率失真代价且损耗小。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
