-
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：CN110189294A
公开(公告)日：2019-08-30
申请号：CN201910298984.9
申请日：2019-04-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度可信度分析的RGB-D图像显著性检测方法。本发明方法首先评判深度图所反映场景远近程度信息的可信度，引出深度可信度因子λ作为度量立体图像显著性的主要特征指标，当深度图能较准确反映场景信息时，即λ＜0.45，仅通过深度特征来进行立体图像显著性检测；当深度图可信度较低或场景较模糊时，即λ≥0.45，再结合其他特征如颜色等进行显著性检测。本发明方法充分考虑了深度图线索对于立体视觉显著性检测的贡献度，通过计算深度图可信度因子，判断深度图能否准确反映场景距离或深度图是否存在失真。本发明方法计算复杂度低，获取的立体图像显著图质量高，可直接应用在3D图像感知，3D质量评估以及物体识别等工程领域中。
-
公开(公告)号：CN110062219A
公开(公告)日：2019-07-26
申请号：CN201910186602.3
申请日：2019-03-12
Applicant: 杭州电子科技大学
IPC: H04N13/106 , H04N13/161 , H04N13/271
Abstract: 本发明涉及一种结合虚拟视点绘制3D-HEVC整帧丢失错误隐藏方法。本发明方法首先利用基于深度图渲染技术及单路完好接收视点的图像帧，对丢失的整个图像帧进行绘制；然后，结合图像结构，对边界块的模糊失真进行基于时域信息的修补；最后，使用图像块联合运动判定法来决定图像块进行的后处理，对绘制后的静止块和运动块进行不同类型基于像素的残差补足以再次提升性能。本发明方法不需要任何运动矢量，很好的避免了HBP结构中由于运动矢量精确度的问题而造成的各种错误隐藏弊端。对立体视频在网络传输中发生的网络整帧丢包现象有很好的恢复效果。
-
公开(公告)号：CN107133923A
公开(公告)日：2017-09-05
申请号：CN201710119309.6
申请日：2017-03-02
Applicant: 杭州电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/003
Abstract: 本发明公开了一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法，其对一幅图像的梯度分布估计中并未采用一个固定的形状参数值和尺度参数值，而是针对不同的像素点采用不同的形状参数值和尺度参数值，使得本方法能够很好的适应图像纹理变化，从而使得利用本发明方法复原的复原图像具有较高的信噪比值，同时在主观质量上，复原图像的平滑区域没有噪声点而显得自然顺滑，复原图像的纹理区域更加清晰，获得了更佳的主观视觉质量；其将图像划分成平滑区域和纹理区域，对于属于平滑区域内的像素点直接采用固定的形状参数和尺度参数，而对于属于纹理区域内的像素点则采用全局收敛算法来估计形状参数和尺度参数，能够在较少数据下取得更好的估计结果。
-
Patent Agency Ranking
公开(公告)号：CN105198225A
公开(公告)日：2015-12-30
申请号：CN201510670012.X
申请日：2015-10-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开一类双激活离子掺杂双晶相玻璃陶瓷荧光温度探针材料及其制备方法。该玻璃陶瓷组分如下SiO2：30-50mol％；Al2O3：15-30mol％；NaF：0-20mol％；LiF：0-20mol％；ZnO：0-15mol％；ReF3：5-15mol％；Ga2O3：5-20mol％；LnF3：0.001-2mol％；TM化合物：0.001-2mol％。其中Ln为稀土离子发光中心；TM为过渡金属离子发光中心。上述玻璃陶瓷采用熔体急冷法和后续晶化热处理制备。本发明玻璃陶瓷具有强烈的温度依赖发射，可作为自校正荧光温度探测材料，最高温度灵敏度可达到8％K-1。
-
公开(公告)号：CN114286093B
公开(公告)日：2025-05-23
申请号：CN202111599851.9
申请日：2021-12-24
Applicant: 杭州电子科技大学
IPC: H04N19/119 , H04N19/105 , H04N19/14 , H04N19/11 , H04N19/593 , H04N19/147 , H04N19/96 , G06V10/764 , G06V10/82 , G06V10/774 , G06V20/40 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于深度神经网络的快速视频编码方法。本发明包括基于深度神经网络的CU划分模块、基于邻域相关性的PU模式选择模块；CU块在帧内编码时会先经过PU模式选择计算率失真代价，此时先利用基于邻域相关性的PU模式选择模块进行优化，通过轻量级HCT模型的预测结果来减少RDO计算的候选模式数量；PU模式选择结束后，编码器会进行CU块深度判决，判断该CU块是否进行划分，此时由基于深度神经网络的CU划分模块进行优化，从HCT模型获得预测结果来判断是否提前终止划分。否则继续向下划分子CU块，并继续进行PU模式选择和CU块划分判决。本发明降低了CU递归划分的复杂度，简化了帧内预测模式的选择过程，有效地提高了HEVC编码的时间效率。
-
公开(公告)号：CN115442620B
公开(公告)日：2025-04-22
申请号：CN202211095417.1
申请日：2022-09-06
Applicant: 杭州电子科技大学
IPC: H04N19/52 , H04N19/149 , H04N19/159 , H04N19/29 , H04N19/48
Abstract: 本发明属于视频编码领域，公开了一种AME低复杂度仿射运动估计方法，包括如下步骤：步骤1：基于划分深度的最优帧间模式的提前预测：根据父CU最优帧间模式来预测子CU最优帧间模式；步骤2：AME内部的低复杂度算法：在AME算法内部，通过CPMV平行与否、迭代过程的提前终止以及有无必要进行细粒度调整优化来加速AME算法；步骤3：AME外部的低复杂度算法：对于需要在传统Inter和AME之间进行模式决策的CU提取相关特征，基于决策树对这样的CU进行提前预测其最优帧间模式，以此跳过RDO决策及次优模式的遍历过程。本发明大大减少了VVC帧间模式决策复杂度。
-
公开(公告)号：CN119324988A
公开(公告)日：2025-01-17
申请号：CN202411874545.5
申请日：2024-12-19
Applicant: 杭州电子科技大学
IPC: H04N19/147 , H04N19/149 , H04N19/124 , H04N19/159 , H04N19/61 , H04N19/30
Abstract: 本发明公开一种基于多层级架构的VVC全零块跳过方法，从变换块TU中读取变换系数后，通过其最大变换系数的幅值与预先计算的阈值进行比较，若小于阈值则判断为真全零块GAZB，则跳过量化和编码过程，反之则为非GAZB，接着利用率失真优化算法计算非GAZB跳过的代价，判断是否跳过非GAZB的编码过程，若其正常编码的代价大于非GAZB跳过的代价，则将该块判断为伪全零块PAZB进行跳过，反之，则被判断为非全零块NAZB；而在依赖性量化DQ的计算过程中，通过统计CG上下文特征来进行全零检测，以跳过检测为全零CG的编码过程。本发明没有使用机器学习技术，在确保编码质量的情况下减少了计算复杂度，加快编码速度。
-
公开(公告)号：CN118784845A
公开(公告)日：2024-10-15
申请号：CN202410741652.4
申请日：2024-06-11
Applicant: 杭州电子科技大学
IPC: H04N19/172 , H04N19/20 , G06V10/80 , G06V10/82 , G06T7/246 , G06T7/269 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于多阶层特征融合的虚拟视点绘制空洞填充方法，将局部连续帧和非局部随机帧，通过多阶层编码进行特征细化，从空洞区域以外的已知区域传播时空信息，得到局部特征块和非局部特征块；对局部连续帧进行光流补全，得到带有空洞的相邻帧的光流特征，用于检测虚拟视点序列中的运动对象，以引导特征传播，特征传播结合所述局部特征块，传递和更新运动对象的信息，缓解了前背景混叠问题；将更新后的特征和非局部特征块进行内容重建，再解码重构得到空洞修复帧，加入多头时空自注意力模块和融合前馈神经网络，有利于聚合不同特征的信息，充分利用局部和非局部相邻帧的特征，较好处理伪影的问题。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.069 seconds)
