-
公开(公告)号：CN107067362A
公开(公告)日：2017-08-18
申请号：CN201710158489.9
申请日：2017-03-17
Applicant: 宁波大学
IPC: G06T1/00
Abstract: 本发明公开了一种对抗色调映射的高动态范围图像水印方法，其在水印嵌入过程中，人工设定嵌入水印的高动态范围图像相对于原始高动态范围图像的图像质量值，这样用户可以在不可见性和嵌入容量之间进行权衡，具有较高的灵活性和实用性；其在水印提取过程中，从嵌有水印的高动态范围图像受常规攻击后得到的高动态范围图像或受色调映射攻击后得到的低动态范围图像中，都能对水印信息进行有效的提取，满足高动态范围图像数字水印的鲁棒性要求，因而具有极高的实用性，且能够对抗所有色调映射攻击，鲁棒性好、水印误码率低；其不依赖于高动态范围图像的存储格式，适用于RGBE、OpenEXR或LogLuv格式的高动态范围图像。
-
公开(公告)号：CN103632153B
公开(公告)日：2017-01-11
申请号：CN201310651864.5
申请日：2013-12-05
Applicant: 宁波大学
Abstract: 本发明公开了一种基于区域的图像显著图提取方法，其首先通过计算图像的全局颜色直方图，得到基于全局颜色直方图的图像显著图，然后采用超像素分割技术对图像进行分割，分别计算各个区域的颜色对比度和空间稀疏性，并利用区域之间的相似性进行加权，得到基于区域颜色对比度的图像显著图和基于区域空间稀疏性的图像显著图，最后对基于全局颜色直方图的图像显著图、基于区域颜色对比度的图像显著图和基于区域空间稀疏性的图像显著图进行融合，得到最终的图像显著图，优点是获得的图像显著图能够较好地反映全局和局部区域的显著变化情况，符合图像显著语义的特征。
-
公开(公告)号：CN103533355B
公开(公告)日：2016-08-17
申请号：CN201310470508.3
申请日：2013-10-10
Applicant: 宁波大学
IPC: H04N19/00 , H04N19/114 , H04N19/147
Abstract: 本发明公开了一种HEVC快速编码方法，其通过对预测最大编码单元进行四叉树结构类型分析，快速获取表示当前的最大编码单元的深度遍历区间的类型值，在获取该类型值的过程中由于当前的最大编码单元与相邻已编码的最大编码单元以及前向参考帧和后向参考帧中坐标位置相同的最大编码单元之间具有很大的相关性，因此利用预测最大编码单元的深度遍历区间的类型值来获取当前的最大编码单元的深度遍历区间的类型值，从而避免了当前的最大编码单元分割过程中许多不必要的深度遍历，在保证视频质量和码率不变的前提下，有效地降低了编码的计算复杂度。
-
公开(公告)号：CN103167291B
公开(公告)日：2016-04-27
申请号：CN201310074764.0
申请日：2013-03-08
Applicant: 宁波大学
IPC: H04N19/895 , H04N19/597
Abstract: 本发明公开了一种基于结构相似度的立体视频整帧丢失错误隐藏方法，其有效结合了人眼对图像结构信息的主观感知，通过判断丢失帧前一时刻参考图像帧的宏块参考模式，针对丢失帧中不同宏块参考模式的宏块，分别采用运动补偿预测方法或者视差补偿预测方法进行错误恢复，由于充分考虑了传统立体视频的时域相关性和视点间相关性，还重点结合了人眼对图像结构相似度的主观感知，因此不仅能够提高丢失帧恢复的客观质量，而且还能使得丢失帧恢复的主观质量更接近于人眼感知。
-
公开(公告)号：CN103325084B
公开(公告)日：2016-03-16
申请号：CN201310270391.4
申请日：2013-06-27
Applicant: 宁波大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于JJND(Joint Just Noticeable distortion)的立体图像篡改定位及恢复的脆弱水印算法。首先根据JJND模型及立体图像匹配块个数将立体图像块分为相对敏感和相对不敏感块；然后对图像块进行离散余弦变换和量化压缩生成恢复水印；根据JJND模型及图像块类型，建立立体图像不同类型块的非对称水印嵌入。恢复水印也用于定位篡改区域的位置，进一步提高了图像的透明性。同时立体图像中恢复水印的拷贝嵌入，提高水印恢复篡改信息的能力。实验结果表明：本方法对篡改位置的定位精度较精确，并且对篡改区域有较高的恢复能力。
-
Patent Agency Ranking
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：CN103024375B
公开(公告)日：2015-08-05
申请号：CN201210461409.4
申请日：2012-11-15
Applicant: 宁波大学
IPC: H04N19/467 , H04N13/00
Abstract: 本发明公开了一种基于双目恰可觉察失真的立体图像半脆弱水印方法，首先提取左右图像的定位水印；然后根据左图像双目恰可觉察失真值确定定位水印在左图像的嵌入比特位置，进而将左右图像的定位水印分层嵌入左图像；最后利用离散余弦变换和JPEG量化压缩将右图像恢复信息嵌入到右图像，而对于左图像，则将遮挡暴露区域压缩后的恢复信息嵌入到左图像，优点是本方法充分利用了左右图像的匹配特性，使得篡改的立体图像恢复的质量得到了进一步的提高，实验结果表明，本方法不仅能够准确地实现篡改区域的定位，而且能根据左右图像的关系及恢复信息对篡改区域的内容进行恢复。
-
公开(公告)号：CN104767993A
公开(公告)日：2015-07-08
申请号：CN201510161665.5
申请日：2015-04-08
Applicant: 宁波大学
CPC classification number: G06T7/55 , G06T7/0002 , G06T2207/10021 , G06T2207/30168 , H04N17/00 , H04N19/597 , H04N2013/0085
Abstract: 本发明公开了一种基于质降时域加权的立体视频客观质量评价方法，其考虑到人眼在视频感知过程中存在的时域感知冗余特性，利用无失真的立体视频的运动强度均值和运动强度方差及每个帧组的运动强度均值和运动强度方差，确定无失真的立体视频中的每个帧组的运动强度等级；然后对于不同运动强度等级的帧组，通过不同密度的帧提取策略选取无失真质降立体图像；接着度量同时刻的失真质降立体图像相对于无失真质降立体图像的质量；最终通过加权各同时刻的失真质降立体图像相对于无失真质降立体图像的质量，得到失真的立体视频相对于无失真的立体视频的质量；优点是获得的质量更符合人眼的时域感知，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：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。
-
-
-
-
-
-
-
-
-
Search Results
416
records
(took 0.037 seconds)
