公开(公告)号：CN111757129A

公开(公告)日：2020-10-09

申请号：CN202010645425.3

申请日：2020-07-07

Applicant: 福州大学

Inventor： 魏宏安 ,  林桑 ,  周彬倩 ,  赵铁松 ,  徐艺文

IPC: H04N19/96 ,  H04N19/124 ,  H04N19/176

Abstract: 本发明涉及一种面向VVC的快速帧内预测方法，包括以下步骤：步骤S1：构建HAD代价预测模型，预测每种预测模式的HAD代价，按从小到大的排序，并选择前若干个HAD代价的模式初始化CU候选模式列表；步骤S2:通过统计分析候选模式成为最佳模式的概率，优化CU候选模式列表；步骤S3:基于贝叶斯定理，在每个CU深度级别执行CU划分的提前终止，进一步进行VVC的下一步编码流程，从而加快编码时间。本发明实现在保证视频质量的前提下，有效地加快了视频的编码时间。

公开(公告)号：CN111711815A

公开(公告)日：2020-09-25

申请号：CN202010618890.8

申请日：2020-06-30

Applicant: 福州大学

Inventor： 赵铁松 ,  黄雨航 ,  吴陆狄 ,  徐艺文 ,  王楷

IPC: H04N19/124 ,  H04N19/593 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明涉及一种基于集成学习和概率模型的快速VVC帧内预测方法，包括以下步骤：步骤S1：基于集成学习并利用视频序列的时空域相关性，预测得到不同编码单元的深度信息；步骤S2:使用时空域相邻已编码CU的划分模式对未编码CU的划分模式进行预测,并按概率大小排序得到划分模式排序表；步骤S3:根据得到的不同编码单元的深度信息和划分模式排序表，提前终止CU的划分。本发明在保证视频质量的前提下，有效地节省了视频编码时间，用于目前主流的高清、超高清视频编码时，优势更加明显。

公开(公告)号：CN111263145A

公开(公告)日：2020-06-09

申请号：CN202010051264.5

申请日：2020-01-17

Applicant: 福州大学

Inventor： 赵铁松 ,  王楷 ,  徐艺文 ,  吴陆狄 ,  郑权斐

IPC: H04N19/103 ,  H04N19/567 ,  H04N19/85 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度神经网络的多功能视频快速编码方法。首先，通过研究视频内容的时空域相关性，使用反向传播（BP）神经网络对CU的划分深度进行预测；然后，使用统计概率对CU的划分模式进行选择；最后，在编码时跳过不必要的划分模式以节省编码时间，从而达到保证编码器编码性能不变的情况下降低时间复杂度的目的。

公开(公告)号：CN107707913B

公开(公告)日：2019-12-17

申请号：CN201710909152.7

申请日：2017-09-29

Applicant: 福州大学

Inventor： 徐艺文 ,  李棋 ,  赵铁松 ,  陈锦铃 ,  庄重文

IPC: H04N19/105 ,  H04N19/147

Abstract: 本发明提供一种快速视频编码中防帧内误差传递方法，用于解决快速编码中帧内CU的误差传递问题。首先，本发明研究快速编码视频中帧内不同区域CU的不确定性问题。其次，基于CU预测的不确定性，推导出它对总体编码质量的影响关系。最后，通过各区域的误差传递系数，对原始CU分配的半径进行调整，以在基本不增加编码时间的条件下，降低率编码失真代价，提高编码质量。

公开(公告)号：CN108271020B

公开(公告)日：2019-08-09

申请号：CN201810372074.6

申请日：2018-04-24

Applicant: 福州大学

Inventor： 赵铁松 ,  黄慧闻 ,  徐艺文 ,  陈锦铃 ,  刘怡桑

IPC: H04N17/00

Abstract: 本发明涉及一种基于视觉注意力模型的全景视频质量评价方法，通过对原始视频进行条带划分，将编码失真分别引入不同的条带，生成失真视频，然后对失真视频进行主观质量打分，根据主观质量分数和失真条带的纬度构建了视觉注意力模型，加权后得到全景视频的整体质量评价指标。本发明解决用户观看全景视频时的注意力分布问题，提高了全景视频质量评价的精确度。

公开(公告)号：CN107230351B

公开(公告)日：2019-08-09

申请号：CN201710585474.0

申请日：2017-07-18

Applicant: 福州大学

Inventor： 郑海峰 ,  刘一鹏 ,  李智敏 ,  冯心欣 ,  陈忠辉 ,  徐艺文

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习方法的短时交通流预测方法。同时考虑预测点临近点交通流量变化、预测点的时间特性及其周期特性对预测点交通流的影响，获取短时交通流的预测值。本发明将卷积神经网络（Convolutional Neural Network）和长短期记忆（LSTM）递归神经网络相结合，构造一种Conv‑LSTM深度神经网络模型；且采用双向LSTM模型对该点以往的交通流历史数据进行分析，提取其周期性特征，最后将所分析出的交通流趋势和周期性特征融合，以实现交通流的预测；本发明方法克服了现有方法不能充分利用时空特征的不足，充分提取交通流时间和空间特征的同时融合了交通流数据的周期性特征，从而有效提升了短时交通流预测结果的准确性。

公开(公告)号：CN109587482A

公开(公告)日：2019-04-05

申请号：CN201811514424.4

申请日：2018-12-12

Applicant: 福州大学

Inventor： 魏宏安 ,  周彬倩 ,  徐艺文 ,  陈锦铃

IPC: H04N19/103 ,  H04N19/159 ,  H04N19/176 ,  H04N19/44 ,  H04N19/50 ,  H04N19/70

Abstract: 本发明涉及一种基于置信度的帧内编码器优化方法，首先计算各模式的置信度，根据模式的置信度和角度构建二维矢量；其次，根据预测模式的置信度，进一步减少模式候选列表的数量。最后，基于预测模式的置信度，设定阈值以确定CU划分是否提前终止。本发明能够保证视频质量的前提下，大幅提高视频编码的效率。

公开(公告)号：CN108764478A

公开(公告)日：2018-11-06

申请号：CN201810525962.7

申请日：2018-05-28

Applicant: 福州大学

Inventor： 徐艺文 ,  陈静 ,  房颖 ,  魏宏安

IPC: G06N5/02

CPC classification number: G06N5/022

Abstract: 本发明涉及一种基于遗忘机制的全局核密度估计模型的更新方法。依靠分布节点与中心节点实现分布式场景下核密度估计模型的有效更新。当更新检测时刻到达，分布节点首先进行本地核密度估计模型变化显著性判别，将判别结果上报至中心节点；中心节点对判别结果进行汇总并判断是否满足全局更新条件；若到达全局更新时刻，则开始分为“知识”学习、回忆、遗忘三步骤的更新过程，最终基于历史与最新的本地核密度估计模型得出最新的全局核密度模型。

公开(公告)号：CN108550153A

公开(公告)日：2018-09-18

申请号：CN201810400137.4

申请日：2018-04-28

Applicant: 福州大学

Inventor： 徐艺文 ,  陈锦铃 ,  赵铁松 ,  黄慧闻 ,  黄亚萍

IPC: G06T7/00 ,  G06T7/42

Abstract: 本发明涉及一种非整数插值图像的质量评价方法，通过研究LR与HR图像间像素的对应关系，建立LR-HR图像块间的对应关系；基于HR与LR图像间的相似性以及HR图像自身的视觉特性，采用半参考质量指标能量相似性（ES）、频率相似性（FS）和无参考质量指标局部清晰度（LS）作为衡量HR图像质量的三个特征；基于ES、FS和LS三个特征的质量评价模型，以达到精准评估非整数插值图像感知质量的目的。本发明针对非整数插值图像提出一种包含半参考和无参考质量指标的质量评价模型，解决了当HR图像的插值因子是非整数时，实现对HR图像质量准确预测的问题。