-
公开(公告)号：CN116612011A
公开(公告)日：2023-08-18
申请号：CN202310739033.7
申请日：2023-06-21
Applicant: 福州大学
Abstract: 本发明提出了一种面向人脸监控图像超分辨率的质量测评方法及系统，包括以下步骤：步骤S1:设计人脸超分重建图像质量主观评价标准；步骤S2：规范人脸超分辨重建图像主观质量数据库构建方法；步骤S3：设计客观的人脸超分辨重建图像质量评价方法及系统。本发明可以对人脸超分辨重建算法进行准确的质量评估和优化，为监控系统中人脸图像的超分提供有效的指导和改进方向。
-
公开(公告)号：CN115174898A
公开(公告)日：2022-10-11
申请号：CN202210744549.6
申请日：2022-06-27
Applicant: 福州大学
IPC: H04N19/103 , H04N19/147 , H04N19/167
Abstract: 本发明提出一种基于视觉感知的率失真优化方法，包括以下步骤；步骤S1、以符合人眼恰可察觉失真标准的JND主观测试数据集来建立视频应用像素域的JND预测模型，并由该模型得到符合人眼视觉感受的JND阈值；步骤S2、推导拉格朗日乘数因子，用于降低视频中的感知冗余，在编码过程从视频中减少人眼无法察觉的视频数据；步骤S3、使用视频播放的显著性模型优化拉格朗日乘子权重系数，以优化视频编码过程的显著区域和非显著区域编码比特的分配；步骤S4、根据步骤S2、S3所得结果，将视频应用融合于率失真优化，充分发挥两种模型的优势；本发明能将数据驱动的像素域JND模型与显著度模型相结合，在保证视频感知质量的前提下，提高视频编码压缩率，实现率失真优化。
-
公开(公告)号：CN112101788B
公开(公告)日：2022-04-12
申请号：CN202010970028.3
申请日：2020-09-15
Applicant: 福州大学
Abstract: 本发明提出一种基于长期记忆的视频QoE评价系统及方法，包括：视频序列生成模块、采集模块、基于长期记忆的数据库和QoE评价模型；所述视频序列生成模块包括可接受度测试视频序列生成模块和长期记忆影响测试视频序列生成模块；所述采集模块用于采集实验人员对视频的可接受度以及具有不同长期记忆的实验人员对视频的主观意见分；所述基于长期记忆的数据库按照整体可接受度的区间分为至少三类数据库，并存储实验人员对视频的可接受度和主观意见分信息。其建立了能够有效提取客观量化的指标信息的基于长期记忆的QoE评价模型，从而对视频处理、压缩和传输提供关键性的指导作用。
-
公开(公告)号：CN110737339B
公开(公告)日：2021-11-02
申请号：CN201911029362.2
申请日：2019-10-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的视觉—触觉交互模型构建方法。首先，基于设计的三种虚拟交互任务，获得不同任务下视觉注意力和触感控制之间的相关性，进行跨模态行为分析；其次，根据相关性，利用LSTM神经网络建立视觉—触觉交互预测模型，实现不同任务的交互模型，并进行性能对比和评价；最后，利用训练模型预测出的结果在虚拟控制任务中进行实施，判断任务中目标的完成情况。本发明方法较采用传统的基于机器学习的训练模型相比，基于深度学习的LSTM神经网络模型预测效果最好，并在非随机任务中任务完成度较高，优势明显。
-
公开(公告)号：CN113408624A
公开(公告)日：2021-09-17
申请号：CN202110689700.6
申请日：2021-06-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于迁移学习的任务导向的图像质量测评方法，包括以下步骤：步骤S1:获取水下鱼类检测数据集，并进行标注及整理，得到鱼类目标检测数据集；步骤S2:基于鱼类目标检测数据集训练yolov4网络模型，得到鱼类检测模型fish‑yolov4；步骤S3:构建水下鱼类检测任务导向的图像质量数据库；步骤S4:基于水下鱼类检测任务导向的图像质量数据库，对鱼类检测模型fish‑yolov4进行迁移学习及微调，得到最终的检测模型。本发明能够有效提高图像质量测评效率，提高测评的可靠性及真实性。
-
Patent Agency Ranking
公开(公告)号：CN111726613B
公开(公告)日：2021-07-27
申请号：CN202010609415.4
申请日：2020-06-30
Applicant: 福州大学
IPC: H04N19/124 , H04N19/154 , H04N19/176 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于最小可觉差的视频编码优化方法，包括以下步骤：步骤S1：对已经压缩过的原始视频数据进行预处理，剔除不具备参考价值的平坦帧；步骤S2：根据预处理后的视频及其初始QP，采用VGG神经网络，以分类任务的形式预测每个视频帧低于JND阈值的最优QP值；步骤S3:根据得到的最优QP值，作为原始视频的新QP值进行重新编码。与原视频相比，本发明能够在在不影响视频感知质量的情况下达到更低的编码比特率。
-
公开(公告)号：CN112101788A
公开(公告)日：2020-12-18
申请号：CN202010970028.3
申请日：2020-09-15
Applicant: 福州大学
Abstract: 本发明提出一种基于长期记忆的视频QoE评价系统及方法，包括：视频序列生成模块、采集模块、基于长期记忆的数据库和QoE评价模型；所述视频序列生成模块包括可接受度测试视频序列生成模块和长期记忆影响测试视频序列生成模块；所述采集模块用于采集实验人员对视频的可接受度以及具有不同长期记忆的实验人员对视频的主观意见分；所述基于长期记忆的数据库按照整体可接受度的区间分为至少三类数据库，并存储实验人员对视频的可接受度和主观意见分信息。其建立了能够有效提取客观量化的指标信息的基于长期记忆的QoE评价模型，从而对视频处理、压缩和传输提供关键性的指导作用。
-
公开(公告)号：CN111711810A
公开(公告)日：2020-09-25
申请号：CN202010617647.4
申请日：2020-06-30
Applicant: 福州大学
IPC: H04N13/106 , H04N13/161 , H04N13/194 , H04L29/06
Abstract: 本发明涉及一种基于非对称码率分配的立体视频传输方法，包括以下步骤：步骤S1:基于左、右视点码率非对称情况下的立体视频感知质量，建立立体视频客观质量模型；步骤S2:根据立体视频客观质量模型，利用数学模型表达预测网络带宽过程和缓存状态变化的过程，建立基于HTTP动态自适应流媒体技术的立体视频码率自适应传输算法模型；步骤S3:在立体视频传输系统中，根据基于HTTP动态自适应流媒体技术的立体视频码率自适应传输算法模型，为每次视频片段下载请求提供最佳左、右视点码率组合，完成立体视频的传输。本发明可以有效预测立体视频质量，实现非对称码率的自适应传输。
-
公开(公告)号：CN114936983B
公开(公告)日：2025-02-07
申请号：CN202210680325.3
申请日：2022-06-16
Applicant: 福州大学
IPC: G06T5/00 , G06V20/05 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/34 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于深度级联残差网络的水下图像增强方法及系统，该方法包括：S1：构建深度级联残差网络；按比例构建训练集和测试集；S2：将输入图像分块，然后分别输入到深度级联残差网络的三个级联子网中，让网络进行前向传播获得训练后网络输出的清晰图像；S3：计算输出图像相较于目标图像的损失值，根据损失值进行误差反向传播以更新网络权重；S4：判断深度级联残差网络是否训练完毕，是则挑选出网络的最佳模型；S5：将测试集输入最佳模型进行测试，判断最佳模型是否达到预期；S6：将水下退化图像输入通过测试的深度级联残差网络，获得增强后的水下图像。该方法及系统有利于纠正水下图像的颜色偏差，提高对比度和清晰度，提高整体视觉效果。
-
公开(公告)号：CN116486245A
公开(公告)日：2023-07-25
申请号：CN202310396890.1
申请日：2023-04-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于层级特征融合的水下图像质量评价方法。包括：S1、提出一种水下图像的全层次特征提取方法；S2、提出一种多特征融合方案，构建一种基于全层次特征的质量评价方法。本发明方法考虑水下图像具有任务导向的背景，即水下目标检测和识别，结合人脑视觉识别原理，提取了水下图像的层级特征，并使用几个参数密度模型有效捕获失真，综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练，使得决策过程更加简单。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.02 seconds)
