-
公开(公告)号：CN105472393B
公开(公告)日：2018-04-17
申请号：CN201510822606.8
申请日：2015-11-24
Applicant: 宁波大学
IPC: H04N19/597 , H04N19/147 , H04N19/117 , H04N13/161 , H04N13/122 , H04N13/15
Abstract: 本发明公开了一种基于联合字典的彩色与深度图像后处理方法，其在训练阶段，采用K‑SVD方法对多幅无失真彩色图像中的所有子块构成的集合、多幅无失真深度图像中的所有子块构成的集合进行字典训练操作，构造得到彩色字典表和深度字典表；在测试阶段，根据彩色字典表和深度字典表，考虑到彩色特征空间与深度特征空间之间的几何关系，对待处理的彩色与深度图像构造联合字典表，根据联合字典表对彩色与深度图像进行后处理，得到后处理的彩色与深度图像；优点是在训练阶段不需要复杂的机器学习训练过程，在测试阶段只需构造能反映彩色与深度图像本质特征的联合字典，根据联合字典表进行后处理操作，能够保持更好的对象轮廓信息，提高虚拟视点图像的质量。
-
公开(公告)号：CN106210710B
公开(公告)日：2018-01-30
申请号：CN201610590602.6
申请日：2016-07-25
Applicant: 宁波大学
Abstract: 本发明公开了一种基于多尺度字典的立体图像视觉舒适度评价方法，其在训练阶段，通过选取不同舒适度等级各多幅立体图像构成初始训练图像集，并通过计算初始训练图像集中的每幅立体图像的视差统计特征矢量和神经响应特征矢量，来获得多尺度字典和对应的多尺度质量表，这样就建立了特征矢量与质量之间的关系模型，从而只需要通过简单的映射就能直接预测图像质量；在测试阶段，计算测试立体图像的特征矢量，并根据多尺度字典和多尺度质量表，预测得到对应于不同舒适度等级的舒适度评价预测值，并结合对应于不同舒适度等级的舒适度评价预测值得到最终的视觉舒适度客观评价预测值，与主观评价值保持了较好的一致性，即与主观感知之间的相关性高。
-
公开(公告)号：CN104915677B
公开(公告)日：2018-01-05
申请号：CN201510270168.9
申请日：2015-05-25
Applicant: 宁波大学
Abstract: 本发明公开了一种三维视频目标跟踪方法，其首先选择前几帧彩色图像以及前几帧深度图像构成训练图像集，并计算得到训练图像集的每个聚类中心、每个聚类半径和每个聚类的置信值；对于任何一副待跟踪的彩色图像，通过计算彩色图像中的每个区域的R分量的颜色‑深度联合直方图、G分量的颜色‑深度联合直方图和B分量的颜色‑深度联合直方图，并融合得到用于反映三维视觉显著性的特征矢量，并根据训练图像集的最优聚类中心、最优聚类半径以及最优聚类的置信值，获取得到待跟踪的彩色图像的显著图，并通过搜索得到彩色图像的目标区域；优点是所获得的显著图符合三维视觉显著语义特征，具有较高的跟踪精度。
-
公开(公告)号：CN106412569B
公开(公告)日：2017-12-15
申请号：CN201610857224.3
申请日：2016-09-28
Applicant: 宁波大学
Abstract: 本发明公开了一种基于特征选择的无参考多失真立体图像质量评价方法，其在训练阶段，获取无失真立体图像的不同失真强度的JPEG失真立体图像、高斯模糊失真立体图像、高斯白噪声失真立体图像和多失真立体图像，分别构造四组训练图像集，并分别构造针对JPEG失真、高斯模糊失真和高斯白噪声失真的特征选择函数，采用机器学习方法分别获得针对JPEG失真、高斯模糊失真和高斯白噪声失真的质量预测函数；在测试阶段，根据在训练阶段构造得到的三个特征选择函数和三个质量预测函数，通过简单的预测就能得到针对不同失真类型的质量预测值，并通过结合得到最终的图像质量客观评价预测值，该图像质量客观评价预测值与主观评价值保持了较好的一致性。
-
公开(公告)号：CN106303513B
公开(公告)日：2017-11-03
申请号：CN201610734525.7
申请日：2016-08-26
Applicant: 宁波大学
Abstract: 本发明公开了一种降参考三维视频质量评价方法，其通过基于深度图像绘制的方法，绘制得到多个虚拟视点绘制视频，并构造得到四维空间图，由于所构造的四维空间图同时考虑了彩色和深度视频失真对虚拟视点绘制质量的影响，这样与直接对三维视频进行操作相比，能够更好地衡量彩色和深度视频失真对虚拟视点绘制的影响，从而有效地提升了对三维视频的评价性能；根据四维空间图中所有四维空间体的不同子带和频带的DCT系数统计特征，通过计算系数距离和频率比距离信息，来计算待评价的失真的三维视频的客观质量评价预测值，从而只需要较少的信息就能够较好地反映三维视频的质量变化情况。
-
Patent Agency Ranking
公开(公告)号：CN106162162B
公开(公告)日：2017-10-31
申请号：CN201610629107.1
申请日：2016-08-01
Applicant: 宁波大学
Abstract: 本发明公开了一种基于稀疏表示的重定位图像质量客观评价方法，其获取原始图像和重定位图像各自对应的关键点特征矢量集合和显著块特征矢量集合；然后对两个关键点特征矢量集合进行字典训练得到各自对应的结构字典表；并对两个显著块特征矢量集合进行字典训练得到各自对应的显著字典表；接着获取重定位图像相对于原始图像的结构相似度和显著相似度，及原始图像相对于重定位图像的结构相似度和显著相似度；再根据结构相似度和显著相似度得到重定位图像的质量矢量；最后利用支持向量回归技术，根据重定位图像的质量矢量和平均主观评分均值，获取重定位图像的客观质量评价预测值；优点是能够有效地提高客观评价结果与主观感知之间的相关性。
-
公开(公告)号：CN107105223A
公开(公告)日：2017-08-29
申请号：CN201710164242.8
申请日：2017-03-20
Applicant: 宁波大学
Abstract: 本发明公开了一种基于全局特征的色调映射图像质量客观评价方法，其包括训练阶段和测试阶段两个过程；其考虑了自然场景统计特征和颜色统计特征对色调映射的影响，提取出色调映射图像的全局特征矢量，然后利用支持向量回归对训练图像集中的所有色调映射图像的全局特征矢量进行训练，构造质量预测模型；在测试阶段，通过计算用作测试的色调映射图像的全局特征矢量，并根据训练阶段构造的质量预测模型，预测得到该色调映射图像的质量客观评价预测值，由于获得的全局特征矢量信息具有较强的稳定性，且能够较好地反映色调映射图像的质量变化情况，因此有效地提高了客观评价结果与主观感知之间的相关性。
-
公开(公告)号：CN107105214A
公开(公告)日：2017-08-29
申请号：CN201710155439.5
申请日：2017-03-16
Applicant: 宁波大学
IPC: H04N13/00
CPC classification number: H04N13/144 , H04N13/106
Abstract: 本发明公开了一种三维视频图像重定位方法，其通过提取左视点彩色图像的形状保护能量项、边界弯曲度能量项和舒适度保持能量项，并通过优化获取最佳相似变换矩阵，这样使得获得的重定位三维视频图像能够较好地保留重要的显著语义信息且保持视觉舒适性；其对三维视频图像在三维显示空间的水平坐标位置、垂直坐标位置和深度坐标位置同时进行调整，这样能保证重定位后的深度图像的深度值与重定位后的像素点的坐标位置是匹配的，从而能够保证重定位后的三维视频图像的舒适性。
-
公开(公告)号：CN106412569A
公开(公告)日：2017-02-15
申请号：CN201610857224.3
申请日：2016-09-28
Applicant: 宁波大学
CPC classification number: H04N17/00 , H04N13/106 , H04N2013/0074
Abstract: 本发明公开了一种基于特征选择的无参考多失真立体图像质量评价方法，其在训练阶段，获取无失真立体图像的不同失真强度的JPEG失真立体图像、高斯模糊失真立体图像、高斯白噪声失真立体图像和多失真立体图像，分别构造四组训练图像集，并分别构造针对JPEG失真、高斯模糊失真和高斯白噪声失真的特征选择函数，采用机器学习方法分别获得针对JPEG失真、高斯模糊失真和高斯白噪声失真的质量预测函数；在测试阶段，根据在训练阶段构造得到的三个特征选择函数和三个质量预测函数，通过简单的预测就能得到针对不同失真类型的质量预测值，并通过结合得到最终的图像质量客观评价预测值，该图像质量客观评价预测值与主观评价值保持了较好的一致性。
-
公开(公告)号：CN106210711A
公开(公告)日：2016-12-07
申请号：CN201610645414.9
申请日：2016-08-05
Applicant: 宁波大学
Abstract: 本发明公开了一种无参考立体图像质量评价方法，其在训练阶段，通过主观实验获得失真立体图像的分类标签，并将所有无失真立体图像、所有失真立体图像及各自对应的分类标签构成训练图像集，并通过联合字典训练得到训练图像集的左、右视点图像特征字典表和左、右视点图像质量字典表及变换矩阵，左、右视点图像特征字典表和左、右视点图像质量字典表具有可辨别性；在测试阶段，根据左、右视点图像特征字典表，通过优化得到稀疏系数矩阵，再通过稀疏系数矩阵和左、右视点图像质量字典表，计算图像质量客观评价预测值，因左、右视点图像特征字典表和左、右视点图像质量字典表具有可辨别性，使得图像质量客观评价预测值与主观评价值保持了较好的一致性。
-
-
-
-
-
-
-
-
-
Search Results
214
records
(took 0.029 seconds)
