-
公开(公告)号：CN103024402B
公开(公告)日：2015-10-28
申请号：CN201210504764.5
申请日：2012-11-29
Applicant: 宁波大学
IPC: H04N19/895 , H04N19/597 , H04N19/583
Abstract: 本发明公开了一种自由视点视频整帧丢失错误隐藏方法，其根据编码预测结构的预测关系，充分利用丢失帧时间域上的前向参考彩色图像和后向参考彩色图像对丢失帧中的每个图像块进行双向运动补偿恢复，并针对自由视频系统存在多个视点，充分利用丢失帧视点域上的左向参考彩色图像和右向参考彩色图像对丢失帧中的每个图像块的双向视差补偿恢复，再根据双向运动补偿恢复结果和双向视差补偿恢复结果得到最终的恢复帧，这种恢复方式大大提高了错误隐藏后图像视频的重建质量；另一方面，对丢失帧不仅进行了时域的双向恢复，而且还进行了视点间的双向恢复，双向的视点间的参考信息增加了丢失帧恢复的冗余信息，对自由视点视频重建质量有很大的提高。
-
公开(公告)号：CN104811693A
公开(公告)日：2015-07-29
申请号：CN201510173232.1
申请日：2015-04-14
Applicant: 宁波大学
Abstract: 本发明公开了一种立体图像视觉舒适度客观评价方法，其首先提取出立体图像的右视差图像的用于反映视觉舒适度的初级视觉特征矢量和高级视觉特征矢量，并融合得到立体图像的特征矢量，再利用支持向量回归对立体图像集合中的所有立体图像的特征矢量进行训练，最后利用训练得到的支持向量回归训练模型对立体图像集合中的每幅立体图像的特征矢量进行测试，得到每幅立体图像的客观视觉舒适度评价预测值；优点是根据立体图像的右视差图像的初级视觉特征矢量和高级视觉特征矢量获得的立体图像的特征矢量具有较强的稳定性，且能够较好地反映立体图像的视觉舒适度变化情况，从而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：CN103533343B
公开(公告)日：2015-05-20
申请号：CN201310463984.2
申请日：2013-09-29
Applicant: 宁波大学
CPC classification number: H04N13/161 , G06T1/0028 , G06T7/0002 , G06T2201/005 , G06T2207/10012 , G06T2207/30168 , H04N13/194 , H04N19/467 , H04N19/48 , H04N19/597 , H04N19/625 , H04N19/85 , H04N2013/0074
Abstract: 本发明公开了一种基于数字水印的立体图像质量客观评价方法，其在发送端提取无失真立体图像的左、右视点图像的DCT域中的特征，并将对特征进行量化编码后得到的数字水印嵌入DCT域中；在接收端提取失真立体图像的左、右视点图像的DCT域中的特征，检测失真立体图像中嵌入的数字水印并进行解码和反量化，根据提取的特征和解码反量化得到的特征获取失真立体图像的立体感知值和视点质量分数，最后利用已训练的支持向量回归模型获取测试的失真立体图像的客观质量评价预测值；本方法将从无失真立体图像中提取出的特征以水印的形式嵌入到立体图像中，信道在传输立体图像的同时也传输了特征，因此能够很好地预测人眼对立体图像的主观感知，符合人眼视觉特性。
-
公开(公告)号：CN104408716A
公开(公告)日：2015-03-11
申请号：CN201410679301.1
申请日：2014-11-24
Applicant: 宁波大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10012 , G06T2207/30168
Abstract: 本发明公开了一种基于视觉保真度的立体图像客观质量评价方法，其在训练阶段，选多幅原始的无失真立体图像构成训练图像集，通过区域检测确定无失真立体图像中的像素点属于遮挡区域或匹配区域，并通过无监督学习方式对训练图像集构造单目视觉字典表和双目视觉字典表；在测试阶段，对测试立体图像和其原始的无失真立体图像，根据单目视觉字典表和双目视觉字典表，估计测试立体图像和对应的无失真立体图像中属于遮挡区域和匹配区域的每个子块的稀疏系数矩阵，并通过稀疏系数矩阵来计算单目图像质量客观评价预测值和双目图像质量客观评价预测值，并最终结合得到图像质量客观评价预测值；优点是得到的图像质量客观评价预测值与主观评价值的一致性较好。
-
公开(公告)号：CN103475897B
公开(公告)日：2015-03-11
申请号：CN201310406821.0
申请日：2013-09-09
Applicant: 宁波大学
IPC: H04N17/00 , H04N19/154
Abstract: 本发明公开了一种基于失真类型判断的自适应图像质量客观评价方法，该方法首先对图像的失真类型进行判断，将失真类型分为高斯白噪声失真、JPEG失真和类模糊失真三类，其中类模糊失真包含高斯模糊失真、JPEG2000失真和快衰落失真；利用失真判别结果，对受到高斯白噪声失真的图像采用基于像素域的结构相似度模型评价，对受到JPEG失真的图像采用基于DCT域的结构相似度模型评价，对受到类模糊失真的图像采用基于小波域的结构相似度模型评价。实施结果表明本发明提出的客观评价方法，通过失真判别方法，在对各不同失真类型的失真图像的评价很好的结合了各结构相似度评价模型的优点，评价结果与人眼主观感知一致较高。
-
Patent Agency Ranking
公开(公告)号：CN103179423B
公开(公告)日：2015-01-21
申请号：CN201310088990.4
申请日：2013-03-19
Applicant: 宁波大学
IPC: H04N13/00 , H04N15/00 , H04N19/597
Abstract: 本发明公开了一种交互式三维视频系统中的信号处理方法，其首先将每相邻的两个参考视点之间的多个虚拟视点作为辅助视点，并获取每个辅助视点的残差图像，然后服务端的三维视频编码模块对各幅彩色图像、深度图像和残差图像进行编码后传输给用户端，接着用户端的视点解码模块对编码后的各幅图像进行解码，最后任意视点绘制模块生成参考视点信号和辅助视点信号传输给视频显示模块进行显示，优点是由于在服务端只需要传输包含较少信息量的残差图像作为辅助视点信息，因此降低了系统服务端的编码复杂程度，由于在用户端只需要简单的三维映射和加法操作就能生成虚拟视点信号，因此降低了对用户端系统的要求，从而降低了交互式三维视频系统的复杂度。
-
公开(公告)号：CN104244008A
公开(公告)日：2014-12-24
申请号：CN201410464387.6
申请日：2014-09-12
Applicant: 宁波大学
IPC: H04N19/597 , H04N19/147 , H04N19/186
Abstract: 本发明公开了一种深度视频编码方法，其根据深度失真对虚拟视点图像绘制的影响，得到原始深度视频图像的最大可容忍失真分布图像，然后计算对原始深度视频图像进行宏块层编码的编码量化参数，接着计算对原始深度视频图像进行宏块层编码的率失真代价函数，最后采用HBP编码预测结构并根据已确立的编码量化参数和率失真代价函数对原始深度视频图像进行编码，优点是本发明方法在保证虚拟视点图像绘制性能的基础上，充分地消除了深度视频的视觉冗余信息，大大提高了深度视频图像的编码效率，并大大降低了深度视频图像的编码复杂度。
-
公开(公告)号：CN102843572B
公开(公告)日：2014-11-05
申请号：CN201210227710.9
申请日：2012-06-29
Applicant: 宁波大学
Abstract: 本发明公开了一种基于相位的立体图像质量客观评价方法，其首先计算无失真和失真的左右视点图像中的每个像素点的局部相位特征，并根据局部相位特征获取失真的立体图像的用于反映图像质量的客观评价度量值；然后对无失真和失真的左右视点图像的绝对差值图像进行奇异值分解，通过计算绝对差值图像的剥除奇异值信息的构建图像的局部相位特征，得到失真的立体图像的用于反映深度感知的客观评价度量值；再对反映图像质量和深度感知的客观评价度量值进行融合，得到最终的客观评价预测值，优点在于获得的反映图像质量和深度感知的相位特征信息具有较强的稳定性且能够较好地反映立体图像的质量变化情况，从而提高了客观评价结果与主观感知的相关性。
-
公开(公告)号：CN102663747B
公开(公告)日：2014-08-27
申请号：CN201210081617.1
申请日：2012-03-23
Applicant: 宁波大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视觉感知的立体图像客观质量评价方法，其从左右视点图像质量和深度感知两部分出发，左右视点图像质量对多尺度上的结构信息进行捕捉，有效地反映原始和失真立体图像对的结构相似度的差异，而立体深度感主要是由于人的左右眼看到的图像存在细微的差异造成的，故通过比较原始和失真绝对差值图的亮度失真、结构失真及灵敏度失真获得深度感知评价值，然后对这两部分的评价值进行非线性拟合得到最终的立体图像质量评价指标，由于本方法融入了立体图像特有的深度感特性和图像质量损失特性的客观评价模型结果既能反映立体图像的质量又能反映深度感，因此评价结果可以客观地反映立体图像处理或压缩算法对立体图像质量变化的影响。
-
-
-
-
-
-
-
-
Search Results
214
records
(took 0.03 seconds)
