-
公开(公告)号：CN115496906A
公开(公告)日：2022-12-20
申请号：CN202211201860.2
申请日：2022-09-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于CNN图像处理的三消游戏辅助方法，首先获取棋盘图像，利用预训练模型对棋盘内的棋子进行分割，得到棋子的分类和位置；再根据图像处理结果模拟棋盘；最后基于三消游戏的逻辑，设计三消游戏算法，确定最优操作；本发明采用了Mask‑RCNN网络处理棋盘图像，改变辅助方法只能针对单一游戏的现状，可以适用于辅助绝大多数三消游戏。
-
公开(公告)号：CN113365062B
公开(公告)日：2022-11-18
申请号：CN202110577832.X
申请日：2021-05-26
Applicant: 杭州电子科技大学
IPC: H04N19/124 , H04N19/70 , H04N19/60 , H04N19/176 , H04N19/12 , G06N3/04 , G06N3/08
Abstract: 本发明属于视频编码领域，公开了一种基于H.266/VVC的分步全零块判决快速算法，包括如下步骤：首先，通过公式推导，得到一个真全零块（G‑AZB）预判决公式，所谓G‑AZB，即经过硬决策量化（HDQ）后为全零的变换块（TU）；然后，对于那些经过HDQ后的非全零块，即伪全零块（P‑AZB），利用基于统计和经验得出的自适应阈值公式实现预判决；最后，对于剩余的一些“狡猾”的P‑AZB，利用机器学习，找寻了8个影响TU变成全零或者非全零块的影响因子，通过离线训练，实现预判决。本发明在保证性能基本不变的前提下，减少了计算复杂度；本发明在新一代视频编码标准VVC上进行，创新度较高。
-
公开(公告)号：CN113179396B
公开(公告)日：2022-11-11
申请号：CN202110295931.9
申请日：2021-03-19
Applicant: 杭州电子科技大学
IPC: H04N13/279 , H04N13/106 , H04N13/156 , H04N13/15 , G06T7/194 , G06T5/50 , G06T5/00 , G06V10/762
Abstract: 本发明方法公开了基于K‑means模型的双视点立体视频融合方法。本发明方法首先对左、右视点深度图进行预处理，得到左、右视点深度图像；然后分别对左、右视点深度图像运用K‑means方法进行分割，对分割后的前景和背景区域深度图像进行三维投射运算，得到左、右视点的前景和背景绘制图像；以前景绘制图像为蓝本，用背景绘制图像填充前景绘制图像的空缺区域，将填充后的左、右视点绘制图像进行图像融合，获得虚拟视点绘制图像；最后将虚拟视点绘制图像的空洞区域根据空洞周围的像素信息进行加权填充，获得最终输出图像。本发明方法采用像素级别的操作，对空洞区域进行精准处理，使绘制效果在视觉效果上更加优质，更加协和。
-
公开(公告)号：CN111770346B
公开(公告)日：2022-09-30
申请号：CN202010523987.0
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: H04N19/593 , H04N19/513 , H04N19/176 , H04N19/182 , H04N19/96 , H04N19/895
Abstract: 本发明公开了一种基于显著性的立体三维视频错误隐藏方法。传统的错误隐藏技术在视频流在传输过程中发生整帧丢失时恢复效果差。本发明方法首先获取丢失帧的运动显著性图、深度显著性图，深度边缘显著性图，然后融合运动显著性图和深度显著性图并块化，再与深度边缘显著性图合并得到最终显著性图，并进行显著等级划分。对高显著等级的区域采用视点间搜索像素填补和候选运动矢量补偿恢复，对中显著等级的区域采用时域搜索像素填补和视点间搜索像素填补，对低显著等级区域采用时域帧像素拷贝填补。本发明方法除了结合3D—HEVC特性提出新的错误隐藏方法，考虑了视频画面的显著性，对立体视频在网络传输中发生的整帧丢失现象有很好的恢复效果。
-
公开(公告)号：CN112738501B
公开(公告)日：2022-05-17
申请号：CN202011592782.4
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: H04N17/00 , H04N13/106
Abstract: 本发明公开了一种立体图像舒适度测试方法。传统的舒适度测试技术提取的特征较为简单，预测结果不够准确。本发明方法首先输入立体图像视差图提取基础视差特征，然后由视差图和中颞区皮层图提取视觉神经活动特征，再与颜色特征线性结合得到最终的舒适度预测特征，采用随机森林回归模型进行不舒适度测试，获得最终的立体视觉不舒适度分值。本发明的视觉神经活动特征模拟了大脑中颞区皮层视觉处理过程，视差特征和颜色特征则代表了图像内容本身。本发明方法充分考虑了影响立体图像舒适度的相关因素，在舒适度测试方面有很好的效果。
-
Patent Agency Ranking
公开(公告)号：CN114222145A
公开(公告)日：2022-03-22
申请号：CN202111597858.7
申请日：2021-12-24
Applicant: 杭州电子科技大学
IPC: H04N19/96 , H04N19/11 , H04N19/119
Abstract: 本发明公开了一种低复杂度的快速VVC帧内编码方法。本发明中基于上下文相关性的CU划分模块首先根据当前CU块的纹理特征将CU划分为复杂块和简单块；对简单块进行提前终止所有类型的划分，对复杂块继续进行二叉树划分和三叉树划分，以此解决多类型树划分带来的复杂度过高的问题。此外编码器决策出当前CU的最佳模式时。首先对帧内的粗选部分进行优化，在帧内角度预测模式的索引值为2～67的角度模式中每隔4个角度选取一个中心角度，然后基于此再小范围前后各增加2个角度模式搜索；然后利用最有可能模式(MPM)的概率分布特征，对帧内的细选部分进行优化。本发明在保证编码质量的同时降低了VVC编码的复杂度，特别是对于高分辨率的视频有非常好的编码性能。
-
公开(公告)号：CN113609904A
公开(公告)日：2021-11-05
申请号：CN202110732036.9
申请日：2021-06-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于动态全局信息建模和孪生网络的单目标跟踪算法，步骤S1：获取训练集和测试集，并对训练集预处理；步骤S2：网络搭建，设计损失函数并训练；步骤S3：根据步骤S1和S2得到的网络，用测试集验证算法效果。采用本发明的技术方案，搭建孪生网络作为主干网络，投入经过预处理的数据集进行训练，然后根据输出的响应图确定目标物体在视频序列中的位置。本发明同时结合了动态全局信息建模算法，它能根据物体的尺寸和长宽比动态地调整网络感受野，同时它能对特征图中任意两点信息建模，在小幅度提升网络复杂度的情况下，大大提升追踪的准确性，同时也保证了实时性。
-
公开(公告)号：CN109035178B
公开(公告)日：2021-07-30
申请号：CN201811017139.1
申请日：2018-08-31
Applicant: 杭州电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种应用于图像去噪的多参数取值调优方法，给定目标复杂度Cbudget，在保持其他参数取值不变的情况下，分别计算多个参数当前取值与其下一个候选值的能效比，确定能效比最大的参数，将其候选值调整为当前值，即完成一次参数调优；每完成一次参数调优，需计算当前参数组合复杂度，判断此时的参数组合复杂度是否符合目标复杂度约束，若不满足，执行前述步骤继续进行参数调优，直到满足给定复杂度约束，停止调整。
-
公开(公告)号：CN112911286A
公开(公告)日：2021-06-04
申请号：CN202110133119.6
申请日：2021-01-29
Applicant: 杭州电子科技大学
IPC: H04N19/117 , H04N19/124 , H04N19/146 , H04N19/154 , H04N19/172 , H04N19/42 , H04N19/625 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像/视频压缩领域，涉及一种基于新型损失函数和可变形卷积的分像素插值滤波器的设计方法，包括：步骤1，在准备训练数据时，采用运动模糊的方式，对高分辨率图像进行降采样操作；步骤2，数据训练过程中，输入降采样后的图像，使用残差学习技术，经过神经网络得到新型损失函数；步骤3，使用新型损失函数训练带有可变形卷积层的神经网络，生成所需残差图像。本发明的新型损失函数既能反映失真同时也考虑了码率；可变形卷积可以更灵活地适应不同的视频图像，从而达到提升编码效果的目的。
-
公开(公告)号：CN112351279A
公开(公告)日：2021-02-09
申请号：CN202011152367.7
申请日：2020-10-26
Applicant: 杭州电子科技大学
IPC: H04N19/14 , H04N19/61 , H04N19/177 , H04N19/103
Abstract: 本发明公开了一种面向HEVC快速编码的自适应复杂度调整系统及方法。本发明首先结合离线训练模块和在线训练模块，确定在给定编码树单元(CTU)的目标编码时间时启用的预测模式以及跳过的模式；然后使用复杂度分配模块，利用第3个图片组(GOP)的编码时间来预测整个序列的编码时间，从而估算出当前给定目标复杂度下所需控制的序列目标编码时间，并将目标编码时间以分层的方式分配到CTU层级；在模式选择模块中，根据分配到每个CTU的目标编码时间选择启用的预测模式，然后开始编码，跳过未启用的模式；最后复杂度更新模块周期性地取一帧作标准编码，用于更新序列的目标编码时间和调整下一帧的目标编码时间。本发明充分利用视频编码的特点将实际的编码复杂度自适应地调整在目标复杂度附近，并尽可能减少失真。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.026 seconds)
