-
公开(公告)号：CN117974453A
公开(公告)日：2024-05-03
申请号：CN202211293617.8
申请日：2022-10-21
申请人： 四川大学
IPC分类号： G06T5/00 , G06T5/80 , G06T7/90 , G06T3/4046 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于双阶段反馈卷积神经网络的彩色压缩图像复原方法。主要包括以下步骤：搭建复原彩色压缩图像的双阶段反馈卷积神经网络；利用前一步骤搭建的双阶段反馈卷积神经网络，训练针对不同质量因子的彩色压缩图像复原模型；将彩色压缩图像输入训练好的双阶段反馈卷积神经网络模型，输出高质量的彩色图像。本发明所述的方法利用反馈机制将第一阶段提取的高层次特征用于引导网络在第二阶段更好地复原彩色压缩图像，并共享不同阶段的网络权重以减少参数量，同时使用课程学习策略鼓励网络优先处理包含更多细节信息的亮度分量，提升反馈机制的效用。因此，本发明在客观指标和主观效果上取得良好的性能，是一种高效的彩色压缩图像复原方法。
-
公开(公告)号：CN114359417B
公开(公告)日：2024-02-02
申请号：CN202011057549.6
申请日：2020-09-29
申请人： 四川大学
IPC分类号： G06T9/00 , G06V10/764 , G06V10/82
摘要： 近年来，压缩图像的质量增强算法成为压缩图像领域研究热点。压缩图像的压缩质量因子估计对于压缩图像的质量增强有着重要的作用。本发明公布了一种针对JPEG图像压缩质量因子的检测方法。主要包括以下步骤：首先输入待检测压缩图像，提取待检测压缩图像的图像块，提取方式采用我们提出的融合空间域和梯度域的方法；提取出块之后，使用基于二阶通道注意力机制的VGG网络，对图像块进行分类判决，得出图像块所属压缩质量因子(QF)不同类别的概率，选取概率最大的类为待检测图像的压缩质量因子
-
公开(公告)号：CN117241027A
公开(公告)日：2023-12-15
申请号：CN202210634984.3
申请日：2022-06-07
申请人： 四川大学
IPC分类号： H04N19/147 , H04N19/19 , H04N19/192 , H04N19/196
摘要： 本发明提出了一种基于人眼视觉掩蔽效应的VVC自适应λ加权方法。由于在多功能视频编码标准VVC中，率失真优化关键参数λ的确定，仍是基于与量化参数QP之间相对固定的映射关系，并未充分考虑人眼视觉特性。因此基于人眼视觉掩蔽效应，提出了一种自适应λ加权方法。通过提取视频帧中CTU的纹理和运动特征，结合人眼对于纹理复杂度和运动程度的不同感知，对用于CTU编码的λ因子进行自适应加权，以提升视频编码率失真性能。结果表明，在低延时P帧配置下，分别以峰值信噪比和多尺度结构相似性作为视频质量评价指标，在保持质量不变的情况下码率平均节省0.09％、0.15％，视频编码器率失真性能得以提升。
-
公开(公告)号：CN116975187A
公开(公告)日：2023-10-31
申请号：CN202210394668.3
申请日：2022-04-14
申请人： 四川大学
IPC分类号： G06F16/31 , G06F16/35 , G06F16/332 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/048
摘要： 本发明公开了一种基于BERT‑BiLSTM模型的事件抽取方法。该方法使用基于BERT的机器阅读理解模型为基本框架，采用多轮问答的方式进行事件抽取的两个子任务：触发词提取和参数提取。在现有机器阅读理解模型的基础上设计添加了事件分类检测模块，减少模型的预测误差，采用BiLSTM网络与注意力机制相结合组成历史会话信息模块，更有效的捕捉上下文语义信息并将重要信息筛选出来融合到机器阅读理解模型中去。其在投资决策、风险控制、文档自动审核、智能客服以及构建事理图谱等领域有非常广阔的应用前景。
-
公开(公告)号：CN116074540A
公开(公告)日：2023-05-05
申请号：CN202111257660.4
申请日：2021-10-27
申请人： 四川大学
摘要： 本发明针对无法获取VVC解码视频量化参数的盲场景提出一种基于深度学习的VVC压缩伪影去除半盲方法。首先根据VVC的解码视频压缩特性，提出一种量化参数预测网络与投票机制预测出量化参数。然后提出一种VVC解码视频压缩伪影去除网络并训练量化参数为32、37、42的模型。最后根据预测的量化参数，为解码视频选择对应的模型进行去压缩伪影。实验结果表明，本发明方法能够有效去除VVC解码视频的压缩伪影。
-
公开(公告)号：CN115994855A
公开(公告)日：2023-04-21
申请号：CN202111204970.X
申请日：2021-10-15
IPC分类号： G06T3/40 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种可获得超分辨率融合图像的全色锐化方法。主要包括以下步骤：搭建基于全色迭代投影块组的全色图像超分辨率重建网络模型；预训练该模型，输出超分辨率二倍重建的全色图像；针对输入的低分辨率的多光谱图像和全色图像搭建初级融合网络模块；针对输入的低分辨率的多光谱图像、初级融合多光谱图像和超分辨率重建的全色图像，搭建多图输入的多图融合网络模块；初级融合网络模块和多图融合网络模块共同构成多级融合网络，利用训练数据集统一训练该融合网络，输出最终的融合结果。本发明所述的融合方法能获得很好的主客观效果。因此，本发明是一种有效的可获得超分辨率融合图像的全色锐化方法。
-
公开(公告)号：CN115994852A
公开(公告)日：2023-04-21
申请号：CN202111222304.9
申请日：2021-10-20
申请人： 四川大学 , 成都西图科技有限公司
摘要： 本发明公开基于块匹配和多级采样的薄片孔隙图像拼接方法，主要包括如下步骤：将需要拼接的两幅图像边界间预留待填充区域后，下采样；设计邻域块判决准则，筛选出具有相似邻域结构的邻域块；设计最优邻域块判决准则，确定具有最高优先级的邻域块；设计填充函数，对待填充像素点进行填充；设计邻域块搜索方法，控制邻域块匹配模糊现象；待拼接区域全部填充完毕后，反向更新像素值，直至收敛；将拼接好的图像上采样，继续重复以上步骤进行修正填充，直至恢复原图大小，薄片孔隙图像拼接则完成。本发明可以对两幅薄片孔隙图像进行拼接，在石油地质等领域有重要的应用价值。
-
-
公开(公告)号：CN115442613A
公开(公告)日：2022-12-06
申请号：CN202110615759.0
申请日：2021-06-02
申请人： 四川大学
IPC分类号： H04N19/149 , H04N19/154 , H04N19/159 , H04N19/51 , G06N3/04 , G06N3/08
摘要： 本发明提出了利用GAN的基于帧间信息的噪声去除方法。该方法主要涉及一种不区分帧内帧间编码模式的直接利用顺序解码的相邻帧的信息实现当前帧的质量提升。本方法利用HEVC顺序解码帧的相邻帧之间具有相关性的特点，通过运动补偿网络将得到的补偿的当前帧和当前帧融合输入到质量增强部分，然后经过特征提取、映射、图像重建后得到相应的增强后的当前帧。本方法还利用了GAN的优势，设计其判别器为平均真实度判别，更加精确的给出判别结果，对生成器的参数收敛有所帮助。同时利用GAN的损失函数特性不断逼近真实结果，得到更加符合主观视觉感受和客观评价指标的压缩伪影被去除的图像帧。
-
公开(公告)号：CN114079770B
公开(公告)日：2022-11-18
申请号：CN202010802940.8
申请日：2020-08-11
申请人： 四川大学
IPC分类号： H04N19/124 , H04N19/625 , H04N19/85 , H04N19/70
摘要： 本发明提出了一种结合非局部低秩和自适应量化约束的HEVC后处理方法。首先构造在最大后验概率框架下的优化问题，然后利用解码后的压缩视频和量化参数QP获取非局部低秩和自适应量化约束先验信息，最后利用split‑Bregman迭代方法来解决所提的优化问题，从而有效去除压缩效应。其中，非局部低秩先验通过构建基于相似块聚类的非局部低秩模型来获得；自适应量化约束先验通过联合不同量化参数QP下的约束特性与视频的DCT频域系数块活动性来获得。实验结果显示，在同等码率情况下，与HEVC标准相比，所提算法的平均PSNR提升在帧内编码模式下可以达到0.2597dB，在帧间编码模式下可以达到0.2828dB。
-
-
-
-
-
-
-
-
-
搜索结果
163 条记录 (耗时 0.031 秒)
