-
公开(公告)号：CN118646876A
公开(公告)日：2024-09-13
申请号：CN202410677293.0
申请日：2024-05-29
Applicant: 南通大学
IPC: H04N19/14 , H04N19/597 , H04N19/11 , H04N19/593 , H04N19/147 , H04N19/136 , H04N13/161 , G06T9/00 , G06V10/44 , G06V10/80 , G06V20/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于复杂度分级标注的深度图高效编码方法，属于三维视频中的深度图编码技术领域。解决了三维视频中深度图帧内编码复杂度高的技术问题。其技术方案为：包括以下步骤：S1、基于三维视频的纹理和深度特征对深度图的编码单元进行复杂度分级标注，建立数据集；S2、构建深度图复杂度分级划分网络，利用建立的数据集对网络进行训练，在无需预编码信息的前提下，实现深度图编码单元的复杂度分级；S3、制定基于深度图复杂度分级划分网络的深度图帧内高效编码方法流程图。本发明的有益效果为：在同等深度图重建质量下降低了深度图帧内编码复杂度，本发明利用已有编码信息完成分级标注，可批量标注，具有在实际工程应用中推广的潜质。
-
公开(公告)号：CN116996697B
公开(公告)日：2024-02-23
申请号：CN202310910490.8
申请日：2023-07-24
Applicant: 南通大学
IPC: H04N19/65 , G06N3/0442 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种面向HEVC编码框架的视频恢复方法，属于基于HEVC的视频处理技术领域。解决了HEVC低延迟编码配置下的视频帧级波动剧烈所引发的视频质量不佳的技术问题。其技术方案为：包括以下步骤：S1、设计前向特征粗提取模块，去除批归一化层，保留原始图像的细节信息；S2、设计时序信息提取模块，利用双向长短时记忆网络，强化特征的时空信息表达；S3、设计质量增强模块，引入残差学习机制，提升网络收敛速度和性能。本发明的有益效果为：实现解码端视频观看质量的提升，在标准测试序列上，相较于利用HM‑16.5直接解码显示，PSNR提升了0.4419dB。
-
公开(公告)号：CN117319679A
公开(公告)日：2023-12-29
申请号：CN202310894112.5
申请日：2023-07-20
Applicant: 南通大学
IPC: H04N19/503 , G06N3/0442 , G06N3/0464 , G06N3/08 , H04N19/149 , H04N19/119
Abstract: 本发明提供了一种基于长短时记忆网络的HEVC帧间快速编码方法，属于基于HEVC的视频编码技术领域。解决了HEVC中帧间编码过程计算复杂度高的技术问题。其技术方案为：包括以下步骤：S1、设计数据预处理模块，获取当前编码单元的预测模式及帧间残差信息；S2、引入长短时记忆网络，增强帧间快速编码模型的时序预测能力；S3、利用深层次编码单元划分信息指导浅层次编码单元的划分。本发明的有益效果为：可在保证编码质量的前提下，有效减少HEVC帧间编码过程的计算复杂度。
-
公开(公告)号：CN117196947A
公开(公告)日：2023-12-08
申请号：CN202311149651.2
申请日：2023-09-06
Applicant: 南通大学
Abstract: 本发明公开了一种面向高分辨率图像的高效压缩重建模型构建方法，属于高分辨率图像压缩重建技术领域。解决了原始高分辨率图像在压缩重建过程中因信息缺失所引发的图像重建质量下降的技术问题。其技术方案为：包括以下步骤：S1、对低分辨率图像与高分辨率图像之间的双向映射关系进行建模；S2、对反应图像质量的两个基本维度，空间分辨率和采样精度，进行通道信息交互；S3、从像素以及图像两个层面设计目标损失函数；S4、构建面向高分辨率图像的高效压缩重建模型。本发明的有益效果为：本发明在有限码率下，实现高分辨率图像的高效压缩与重建，在客观性能指标与主观视觉质量上均有大幅度提升。
-
公开(公告)号：CN116688133A
公开(公告)日：2023-09-05
申请号：CN202310722426.7
申请日：2023-06-19
Applicant: 南通大学
Abstract: 本发明提供Tgif1作为分子靶点在制备促进神经再生和修复神经损伤药物中的应用，涉及生物医药技术领域，本申请中通过以Tgif1作为分子干预靶点，抑制Tgif1表达从而促进DRG神经元轴突的生长。并在体外DRG神经元中，转染siRNA‑Tgif1，可以通过靶向Tgif1显著促进原代培养的DRG神经元轴突的生长。本发明所述Tgif1调节DRG神经元轴突生长参与周围神经损伤修复，有助于更好地理解转录抑制因子在神经损伤修复过程中的重要作用，并为神经损伤后的治疗提供新的靶点。
-
Patent Agency Ranking
公开(公告)号：CN116208756A
公开(公告)日：2023-06-02
申请号：CN202310284323.7
申请日：2023-03-22
Applicant: 南通大学
IPC: H04N13/161 , H04N19/119 , H04N19/124 , H04N19/70 , H04N19/159
Abstract: 本发明提供了一种基于多层级特征融合的深度图快速编码方法，属于3D‑HEVC的三维视频编码技术领域。解决了目前3D‑HEVC中深度图帧内编码单元结构预测复杂度高的技术问题。其技术方案为：包括以下步骤：步骤一、分析编码单元层级特征纹理复杂度和量化参数与编码单元结构之间的关系；步骤二、构建面向编码单元结构快速决策的多层级特征融合网络模型(MLFF‑CNN)；步骤三、将MLFF‑CNN模型嵌入到3D‑HEVC的测试平台HTM‑16.0；步骤四、制定基于多层级特征融合的深度图帧内编码单元结构快速决策方法流程图。本发明的有益效果为：本发明在不影响合成视点质量的前提下，可降低37.4％的编码复杂度。
-
公开(公告)号：CN114085833A
公开(公告)日：2022-02-25
申请号：CN202111329966.6
申请日：2021-11-11
Applicant: 南通大学
IPC: C12N15/113 , C12N15/87 , C12N5/10 , A61K31/7088 , A61P25/02 , A61P25/28
Abstract: 本发明提供一种miR‑25‑3p、应用及其应用方法，涉及生物医学技术领域，其中，所述miR‑25‑3p作为分子干预靶点，过表达miR‑25‑3p，用以促进DGR神经元和皮层神经元轴突的生长。所述miR‑25‑3p通过调节DGR神经元轴突生长参与周围神经损伤修复。所述miR‑25‑3p通过调节皮层神经元轴突生长参与中枢神经损伤修复。本发明首先通过筛选，发现一种小RNA，即miR‑25‑3p可能与神经损伤修复中发挥重要的作用。在体外DRG神经元中，转染miR‑25‑3p mimic，可以显著促进原代培养的DRG神经元和皮层神经元轴突的生长。本发明所述miR‑25‑3p可以通过调节DRG神经元轴突生长参与周围神经损伤修复，也可以通过调节皮层神经元轴突生长参与中枢神经损伤修复。有助于更好地理解miRNA在神经损伤修复过程中的重要作用，并为神经损伤后的治疗提供新的靶点。
-
公开(公告)号：CN118869997B
公开(公告)日：2025-02-18
申请号：CN202410833512.X
申请日：2024-06-26
Applicant: 南通大学
IPC: H04N19/146 , H04N19/132 , H04N19/42 , G06N3/045
Abstract: 本发明公开了一种面向超高清视频的压缩与重建联合优化方法，属于超高清视频压缩与重建技术领域。解决了超高清视频压缩与重建过程分离所导致的解码端因无法获取超高清视频的有效信息而引发的盲目重建的技术问题。其技术方案为：包括以下步骤：S1、建立以数学建模为基础的超高清视频压缩与重建双向映射关系；S2、设计基于Transformer的超高清视频时空特征图信息增强交互机制；S3、构建基于时空特征图信息增强交互机制的超高清视频压缩与重建一体化框架。本发明的有益效果为：本发明面向超高清视频，突破了原有视频编解码框架，从架构设计上实现了超高清视频压缩与重建的联合优化。
-
公开(公告)号：CN118646876B
公开(公告)日：2025-02-18
申请号：CN202410677293.0
申请日：2024-05-29
Applicant: 南通大学
IPC: H04N19/14 , H04N19/597 , H04N19/11 , H04N19/593 , H04N19/147 , H04N19/136 , H04N13/161 , G06T9/00 , G06V10/44 , G06V10/80 , G06V20/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于复杂度分级标注的深度图高效编码方法，属于三维视频中的深度图编码技术领域。解决了三维视频中深度图帧内编码复杂度高的技术问题。其技术方案为：包括以下步骤：S1、基于三维视频的纹理和深度特征对深度图的编码单元进行复杂度分级标注，建立数据集；S2、构建深度图复杂度分级划分网络，利用建立的数据集对网络进行训练，在无需预编码信息的前提下，实现深度图编码单元的复杂度分级；S3、制定基于深度图复杂度分级划分网络的深度图帧内高效编码方法流程图。本发明的有益效果为：在同等深度图重建质量下降低了深度图帧内编码复杂度，本发明利用已有编码信息完成分级标注，可批量标注，具有在实际工程应用中推广的潜质。
-
公开(公告)号：CN117834885B
公开(公告)日：2024-10-29
申请号：CN202410042232.7
申请日：2024-01-11
Applicant: 南通大学
IPC: H04N19/147 , H04N19/154 , H04N19/19 , H04N19/124
Abstract: 本发明公开了一种基于VMAF感知失真测度的码率控制方法，属于视频编码中的码率控制技术领域。解决了基于机器学习的VMAF模型由于缺少具体解析式所导致的无法与编码器适配的技术问题。其技术方案为：包括以下步骤：S1、建立以VMAF得分为指导的感知失真测度与编码器量化步长、图像纹理特性之间的映射关系；S2、制定基于感知失真的CTU级比特分配策略；S3、根据率失真优化理论，得到感知率失真函数，实现目标比特的分配。本发明的有益效果为：将主观视觉感知融入码率控制过程中，在保证码率控制精确性的同时，提高了视频率失真性能以及重建视频的主、客观质量。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
