公开(公告)号：CN117998093A

公开(公告)日：2024-05-07

申请号：CN202410118522.5

申请日：2024-01-29

Applicant: 哈尔滨工业大学 ,  大连海事大学

Inventor： 赵德斌 ,  万照麟 ,  秦瀚 ,  杨秋霜 ,  范晓鹏 ,  栗志扬

IPC: H04N19/42 ,  H04N19/44 ,  H04N19/172

Abstract: 一种全景视频显著性预测方法及其系统，涉及全景视频显著性预测技术领域。解决现有全景视频显著性预测方法，普遍存在对视频特征提取能力不够，程序运行速度慢，预测显著性图准确度不高的问题。方法为：先提取出全景视频的视频帧并分别沿时间序列正向排列和反向排列；采用编码器分别处理正向排列和反向排列的视频帧序列，分别获得所有正向排列和反向排列帧的全局时空特征；采用解码器分别处理正向视频帧的全局时空特征和反向视频帧的全局时空特征，并将分别获得的显著性信息进行叠加，将叠加后的显著性图通过后处理模块和多种高斯先验特征结合，产生更符合人眼观察偏置的显著性图。本发明适用于全景视频中的显著性预测。

公开(公告)号：CN116664507A

公开(公告)日：2023-08-29

申请号：CN202310613746.9

申请日：2023-05-29

Applicant: 哈尔滨工业大学 ,  大连海事大学

Inventor： 万照麟 ,  杨秋霜 ,  闫潇 ,  秦瀚 ,  郝希光 ,  赵德斌 ,  栗志扬

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/46 ,  G06V10/25 ,  G06V10/80

Abstract: 一种立体全景图像客观质量评估系统及方法，涉及立体全景图像无参考质量评估技术领域。解决现有立体全景图像客观评价方法，普遍存在普适性较弱，质量评价准确度不高，且耗时长、成本高的问题。方法为：根据立体全景图像的左、右视图，获得N个左、右视口图像，并进行处理得到最终的左局部特征和最终的右局部特征；对左、右视图的ERP图像进行处理，获得左视图全局特征和右视图全局特征；将最终的左局部特征与左视图全局特征进行线性组合，得到左融合特征；将最终的右局部特征与右视图全局特征进行线性组合，得到右融合特征；并将两者进行处理获得左右互注意图，并对互注意图进行映射，获得质量评价分数。本发明适用于立体全景图像的质量评估。

公开(公告)号：CN108734182B

公开(公告)日：2022-04-05

申请号：CN201810604352.6

申请日：2018-06-13

Applicant: 大连海事大学

Inventor： 李楠楠 ,  王胜法 ,  栗志扬 ,  蒋波

IPC: G06V10/40 ,  G06V10/776 ,  G06K9/62

Abstract: 本发明公开了一种基于小数据样本学习的兴趣特征识别检测方法，包括：S1‑1建立特征空间：在三维模型上进行兴趣特征的定义与描述；S1‑2建立度量空间：利用自适应偏微分方程引导的扩散方法和子模优化方法进行小数据样本驱动的兴趣特征分析和提取；S1‑3利用S1‑2的结果进行三维模型上的兴趣特征识别和检测。通过设计灵活方便的兴趣特征定义方式，拓展了传统三维模型上特征的形式，为模型的局部和全局分析与描述建立了纽带。通过将兴趣特征检测转化为全局图上的扩散，减小了特征分析所需的成本与代价，可推动相关的三维模型处理与应用。

公开(公告)号：CN108734182A

公开(公告)日：2018-11-02

申请号：CN201810604352.6

申请日：2018-06-13

Applicant: 大连海事大学

Inventor： 李楠楠 ,  王胜法 ,  栗志扬 ,  蒋波

IPC: G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于小数据样本学习的兴趣特征识别检测方法，包括：S1-1建立特征空间：在三维模型上进行兴趣特征的定义与描述；S1-2建立度量空间：利用自适应偏微分方程引导的扩散方法和子模优化方法进行小数据样本驱动的兴趣特征分析和提取；S1-3利用S1-2的结果进行三维模型上的兴趣特征识别和检测。通过设计灵活方便的兴趣特征定义方式，拓展了传统三维模型上特征的形式，为模型的局部和全局分析与描述建立了纽带。通过将兴趣特征检测转化为全局图上的扩散，减小了特征分析所需的成本与代价，可推动相关的三维模型处理与应用。