-
公开(公告)号：CN112509071B
公开(公告)日：2021-04-30
申请号：CN202110122346.9
申请日：2021-01-29
Applicant: 电子科技大学
IPC: G06T7/90 , G06N3/08 , G06N3/04 , G06F17/16 , H04N9/67 , H04N19/124 , H04N19/186 , H04N19/625
Abstract: 本发明属于图像压缩和图像质量增强领域，具体提供一种亮度信息辅助的色度信息压缩重建方法，用以有效提升图像重建质量和压缩效率。本发明通过构建图像亮度信息辅助的色度信息重建卷积神经网络，实现压缩后图像色度信息的高效重建；在色度分量压缩时，只保留了前1/4的低频系数，通过网络有效重建色度分量丢失的高频系数，在兼顾图像质量的同时，降低了图像传输所需要的比特数；将压缩后的色度分量低频系数所生成的图像和压缩后的亮度分量图像作为卷积神经网络的输入，利用亮度分量的先验信息，有效增强色度分量图像的质量；综上所述，本发明引入亮度信息之后，能够显著提升色度图像恢复的质量，进而有效提升图像重建质量和压缩效率。
-
Patent Agency Ranking
公开(公告)号：CN112104868A
公开(公告)日：2020-12-18
申请号：CN202011219665.3
申请日：2020-11-05
Applicant: 电子科技大学
IPC: H04N19/119 , H04N19/186 , H04N19/96 , H04N19/593
Abstract: 本发明属于视频编码领域，具体提供一种针对VVC帧内编码单元划分的快速决策方法，用以解决现有通用视频编码（VVC）存在复杂度过高的问题。本发明主要利用梯度算子对当前帧内亮度编码块的纹理内容进行分析，评估亮度编码单元纹理的复杂程度，之后利用分区像素差异进一步的加强对纹理的预测，最后通过提取当前亮度编码单元的纹理信息，提前判断当前亮度编码单元的预测趋势，跳过可能性小的划分模式，减少了候选列表中划分模式数量，提前跳出划分模式的递归过程，有效的降低了VVC帧内编码的时间复杂度。
-
公开(公告)号：CN114119789B
公开(公告)日：2022-05-03
申请号：CN202210097819.9
申请日：2022-01-27
Applicant: 电子科技大学
IPC: G06T9/00 , H04N19/124 , H04N19/42
Abstract: 本发明属于视频压缩的质量增强领域，提供一种基于在线学习的轻量化HEVC色度图像质量增强方法，用以提升受压缩后色度图像的质量。本发明的主要过程为：在编码端与解码端分别配置相同的轻量化HEVC色度图像质量增强模型（Dec‑CEN），编码端的Dec‑CEN模型进行在线学习，学习完毕后将更新的网络参数传输到解码端，并将该参数载入到解码端的Dec‑CEN模型，使得解码端无需学习即获得高性能的网络模型；本发明不仅能够大大提升HEVC色度图像质量增强性能，而且体量小、运算复杂度低，对设备的计算力要求极低；尤其在处理高分辨率图片时，具有更佳的性能优势和显著的速度优势，符合当前视频内容高清化的趋势。
-
公开(公告)号：CN114119789A
公开(公告)日：2022-03-01
申请号：CN202210097819.9
申请日：2022-01-27
Applicant: 电子科技大学
IPC: G06T9/00 , H04N19/124 , H04N19/42
Abstract: 本发明属于视频压缩的质量增强领域，提供一种基于在线学习的轻量化HEVC色度图像质量增强方法，用以提升受压缩后色度图像的质量。本发明的主要过程为：在编码端与解码端分别配置相同的轻量化HEVC色度图像质量增强模型（Dec‑CEN），编码端的Dec‑CEN模型进行在线学习，学习完毕后将更新的网络参数传输到解码端，并将该参数载入到解码端的Dec‑CEN模型，使得解码端无需学习即获得高性能的网络模型；本发明不仅能够大大提升HEVC色度图像质量增强性能，而且体量小、运算复杂度低，对设备的计算力要求极低；尤其在处理高分辨率图片时，具有更佳的性能优势和显著的速度优势，符合当前视频内容高清化的趋势。
-
公开(公告)号：CN112509071A
公开(公告)日：2021-03-16
申请号：CN202110122346.9
申请日：2021-01-29
Applicant: 电子科技大学
IPC: G06T7/90 , G06N3/08 , G06N3/04 , G06F17/16 , H04N9/67 , H04N19/124 , H04N19/186 , H04N19/625
Abstract: 本发明属于图像压缩和图像质量增强领域，具体提供一种亮度信息辅助的色度信息压缩重建方法，用以有效提升图像重建质量和压缩效率。本发明通过构建图像亮度信息辅助的色度信息重建卷积神经网络，实现压缩后图像色度信息的高效重建；在色度分量压缩时，只保留了前1/4的低频系数，通过网络有效重建色度分量丢失的高频系数，在兼顾图像质量的同时，降低了图像传输所需要的比特数；将压缩后的色度分量低频系数所生成的图像和压缩后的亮度分量图像作为卷积神经网络的输入，利用亮度分量的先验信息，有效增强色度分量图像的质量；综上所述，本发明引入亮度信息之后，能够显著提升色度图像恢复的质量，进而有效提升图像重建质量和压缩效率。
-
公开(公告)号：CN112104868B
公开(公告)日：2021-02-05
申请号：CN202011219665.3
申请日：2020-11-05
Applicant: 电子科技大学
IPC: H04N19/119 , H04N19/186 , H04N19/96 , H04N19/593
Abstract: 本发明属于视频编码领域，具体提供一种针对VVC帧内编码单元划分的快速决策方法，用以解决现有通用视频编码（VVC）存在复杂度过高的问题。本发明主要利用梯度算子对当前帧内亮度编码块的纹理内容进行分析，评估亮度编码单元纹理的复杂程度，之后利用分区像素差异进一步的加强对纹理的预测，最后通过提取当前亮度编码单元的纹理信息，提前判断当前亮度编码单元的预测趋势，跳过可能性小的划分模式，减少了候选列表中划分模式数量，提前跳出划分模式的递归过程，有效的降低了VVC帧内编码的时间复杂度。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
