-
公开(公告)号：CN111010583B
公开(公告)日：2021-09-07
申请号：CN201911206004.4
申请日：2019-11-29
Applicant: 杭州电子科技大学
IPC: H04N19/895 , H04N19/176
Abstract: 本发明涉及一种基于残差分块的自适应多视点视频错误隐藏方法。新一代多视点视频编码标准MV‑HEVC一旦出现数据丢包，将影响与丢失帧相关联的所有帧，产生差错传播。本发明方法针对多视点视频中中间视点视频流丢包的现象，首先利用丢失块可用邻块的残差信息对丢失块进行残差重建，然后根据残差值对丢失块进行模式划分，划分结束后基于残差信息对丢失块划分后的子块进行重建顺序排序，最后基于重建顺序结合时空域信息和视点间信息重建丢失块。本方法结合了丢失块邻块的时空域信息和帧间信息，对于多视点视频的中间视点码流丢失问题有较好的重建效果。
-
公开(公告)号：CN111405265A
公开(公告)日：2020-07-10
申请号：CN202010214373.4
申请日：2020-03-24
Applicant: 杭州电子科技大学
IPC: H04N13/122 , H04N13/275
Abstract: 本发明公开了一种新型的图像绘制技术，包括以下步骤：3D图像变换；利用图像之间的深度差值来划分绘制不准确区域；设置图像的前景阈值和背景阈值；处理空洞。上述技术方案利用图像之间的深度差值来划分绘制不准确区域，根据图像的实际情况将图像中视觉冲击最明显的区域中的破损区域重新进行绘制，从而让图像的绘制区域变得更加清晰，减少最后一步填充空洞时空洞的个数，从而降低时间复杂度。
-
公开(公告)号：CN111405264A
公开(公告)日：2020-07-10
申请号：CN202010068774.3
申请日：2020-01-20
Applicant: 杭州电子科技大学
IPC: H04N13/122 , H04N13/128 , H04N13/15
Abstract: 本发明公开了一种基于深度调整的3D视频舒适度改善方法。解决了一般3D视频观看不舒适、视觉体验不佳的问题。本发明包括以下步骤：S1：对左视点图、右视点图的深度图都进行预处理，得到预处理图；S2：对预处理图进行深度滤波，得到滤波图；S3：对滤波图进行深度去纹理，得到去纹理图；S4：根据去纹理图进行虚拟视点绘制，获得虚拟右视点彩色图；S5：用虚拟右视点彩色图和原始视点图进行替换得到改善的3D视频。本发明的增益效果是降低了视差、梯度变化、纹理对观感体验的影响，实现了整体舒适度的改善。
-
公开(公告)号：CN108174208B
公开(公告)日：2020-05-12
申请号：CN201810144026.1
申请日：2018-02-12
Applicant: 杭州电子科技大学
IPC: H04N19/136 , H04N19/14 , H04N19/70
Abstract: 本发明公开了一种基于特征分类的高效视频编码方法。本发明首先选择一个视频序列的10帧作标准的HEVC编码，然后提取深度特征，梯度特征以及方差特征，将这些特征用SVM进行离线训练，得到SVM预测模型。然后对每一个视频序列进行编码，设置第1帧为在线学习帧；从第二帧开始作快速编码，先作边缘检测，判断当前CU是否为纹理复杂的CU。根据预测结果把当前CU分为三类：提前跳过划分的CU、提前终止划分的CU和不确定划分的CU。对不确定划分的CU再进行RDcost判断，若当前CU的RDcost小于同深度下的阈值RD_thrk，则提前终止CU划分，否则继续进行标准的率失真优化过程。本发明在保证比特率增加可忽略不计的情况下大大降低了编码复杂度。
-
公开(公告)号：CN110730350A
公开(公告)日：2020-01-24
申请号：CN201910911194.3
申请日：2019-09-25
Applicant: 杭州电子科技大学
IPC: H04N19/34
Abstract: 本发明公开了一种结合编码深度估计和贝叶斯判决的SHVC快速编码方法，其实现的方法是在基本层保持原有的编码方法，在增强层采用快速编码方法。SHVC增强层快速编码方法包括编码树单元(CTU)深度范围估计方法、基于最小风险贝叶斯判决的编码单元(CU)快速划分方法和基于最大概率贝叶斯判决的预测单元(PU)快速模式选择方法。本发明大大减少了SHVC增强层编码中的CU深度划分和PU模式选择的复杂度，在保持编码压缩效率的前提下，有效地提高了SHVC的编码速度。
-
Patent Agency Ranking
公开(公告)号：CN106937116B
公开(公告)日：2019-08-27
申请号：CN201710153936.1
申请日：2017-03-15
Applicant: 杭州电子科技大学
IPC: H04N19/147 , H04N19/61 , H04N19/567 , H04N19/176 , H04N19/122
Abstract: 本发明公开了一种基于随机训练集自适应学习的低复杂度视频编码方法。本发明包括学习编码方法和快速编码方法。首先将视频序列按帧率进行分组，每组视频帧的前二帧为学习编码帧，用于参数学习，后续帧为快速编码帧。根据学习编码帧得到的视频编码参数，优化视频编码的CU划分方法和PU划分方法。作CU划分时，对于非最小尺寸的CU提前结束划分或者跳过当前CU的率失真计算作直接划分。作帧内预测时，对最小尺寸8×8的CU对应的PU，提前判定其划分模式或跳过当前PU的率失真计算直接判定其划分模式。因此，本发明大大减少了HEVC视频编码中的CU划分判定和PU划分判定的复杂度。在保持编码质量的前提下，有效地提高了HEVC的编码效率。
-
公开(公告)号：CN105163129B
公开(公告)日：2018-01-23
申请号：CN201510608870.1
申请日：2015-09-22
Applicant: 杭州电子科技大学
IPC: H04N19/597 , H04N19/176 , H04N19/59
Abstract: 本发明涉及一种梯度图引导的基于深度重采样3D‑HEVC编解码方法。本发明该方法对纹理视频按原始分辨率进行编码，对深度视频进行降分辨率编码；编码端采用梯度图引导的分块中值滤波的方法对深度视频下采样；解码端采用梯度图引导的邻域估值的方法对深度视频上采样；最后对解码得到的纹理视频和上采样深度视频进行视点合成，得到所需的多视点视频。本发明方法在保持编码性能的前提下，保护了深度视频的边缘，提高了深度视频重采样的质量，降低了算法复杂度。
-
公开(公告)号：CN102833020B
公开(公告)日：2015-01-28
申请号：CN201210331987.6
申请日：2012-09-10
Applicant: 杭州电子科技大学
IPC: H04B17/00
Abstract: 本发明公开了认知无线网络中基于自适应测量的贝叶斯压缩宽带频谱检测方法，根据大量认知节点对实际感知到的非平稳信号空时相关性结构，感知数据映射到小波基进行稀疏变换，通过计算小波域信号的能量子集，选取最大能量子集作为测量矩阵行向量，并对该行向量进行正交化构造测量矩阵，形成自适应测量，并使其满足约束等距性质；认知基站通过稀疏贝叶斯回归模型中的相关向量机模型对认知用户感知的宽带频谱进行重构恢复与宽带频谱检测。结果表明，结合自适应测量的贝叶斯压缩宽带频谱检测具有比正交匹配追踪重构算法具有更好的检测性能，它对于认知无线网络中存在多个认知节点时的宽带频谱感知与感知信号的稀疏重构具有实际的应用价值。
-
公开(公告)号：CN103347268A
公开(公告)日：2013-10-09
申请号：CN201310221326.2
申请日：2013-06-05
Applicant: 杭州电子科技大学
CPC classification number: Y02D70/10
Abstract: 本发明公开了认知传感器网络中基于能量有效性观测的自适应压缩重构方法，根据认知传感器节点功耗受限的特点，节点通过模拟信息转换器对实际感知到数据进行本地检测与压缩测量；利用感知信号的空时相关性结构，感知数据映射到小波正交基级联字典进行稀疏变换，通过加权能量子集函数进行自适应观测，以能量有效的方式获取合适的观测值，同时对所选观测向量进行正交化构造测量矩阵；经压缩测量后的感知数据通过报告信道反馈给汇聚节点，汇聚节点采用基于凸松弛法的梯度投影稀疏重构Barzilai-Borwein方法对感知数据进行自适应重构，实现了重构性能与节点能耗之间的有效折衷。本发明对于感知信号准确重构的同时保障感知节点能量有效性，具有实际的应用意义。
-
公开(公告)号：CN119846548B
公开(公告)日：2025-05-23
申请号：CN202510339405.6
申请日：2025-03-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于非圆信号的对角化空间平滑相干DOA估计方法，该方法首先通过均匀线性阵列天线接收非圆信号得到接收信息，根据信号非圆特征，将接收信息与其共轭串联组合成扩展接收信息，并计算其协方差矩阵。然后从协方差矩阵中沿斜对角提取子阵，对提取的子阵分别进行增强空间平滑操作，将平滑操作的结果拼接生成新的协方差矩阵，对新的协方差矩阵执行特征值分解得到噪声子空间。最后基于噪声子空间，采用降维MUSIC算法估计非圆信号的DOA。本发明生成了包含更多信息的协方差矩阵，通过虚拟扩展提高了孔径，减轻了噪声干扰，能够有效恢复含有非圆相位的协方差矩阵的秩，提高DOA估计的鲁棒性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.06 seconds)
