公开(公告)号：CN111031315B

公开(公告)日：2023-05-30

申请号：CN201911129321.0

申请日：2019-11-18

Applicant: 复旦大学

Inventor： 颜波 ,  容文迅

IPC: H04N19/154 ,  H04N19/42

公开(公告)号：CN111031315A

公开(公告)日：2020-04-17

申请号：CN201911129321.0

申请日：2019-11-18

Applicant: 复旦大学

Inventor： 颜波 ,  容文迅

IPC: H04N19/154 ,  H04N19/42

Abstract: 本发明属于数字视频处理技术领域，具体为基于注意力机制和时间依赖性的压缩视频质量增强方法。本发明包括：构建基于注意力机制的FAM模块；构建帧间长期时间依赖关系指导的LDE特征融合模块；构建精细的帧间短期时间依赖关系指导的RSDE特征融合模块；使用FAM模块根据输入的多个连续帧的贡献得到赋予了不同注意力的特征信息；再用一个LDE模块从这些相邻帧之间的特征中提取长期时间依赖信息，得到中间结果以及特征信息；最后组合FAM和RSDE模块从前一个增强后的帧中有选择地提取短期时间依赖关系，生成最终的增强结果。实验表明，本发明在包含各种真实场景的测试集上都能增强视觉质量，在客观质量评价指标中有很大提升。

公开(公告)号：CN109903351B

公开(公告)日：2023-05-30

申请号：CN201910157799.8

申请日：2019-03-02

Applicant: 复旦大学

Inventor： 颜波 ,  容文迅

IPC: G06T9/00 ,  G06N3/0464 ,  H04N19/42

公开(公告)号：CN109903351A

公开(公告)日：2019-06-18

申请号：CN201910157799.8

申请日：2019-03-02

Applicant: 复旦大学

Inventor： 颜波 ,  容文迅

IPC: G06T9/00 ,  G06N3/04 ,  H04N19/42

Abstract: 本发明属于数字图像处理技术领域，具体为一种基于卷积神经网络和传统编码相结合的图像压缩方法。本发明方法包括：利用卷积神经网络decCNN减少图像的高频信息分量；利用传统编码模块对图像进行压缩，得到用于存储以及传输的图像编码；将得到的编码数据进行解码，得到重构图像；利用卷积神经网络enhCNN对解码后的图像进行增强，提升重构效果。实验结果表明，在实现更高的压缩比时还能得到更好的图像重构质量，大大降低图像数据在存储、传输等过程中所需要占据的资源。