-
公开(公告)号：CN116524387A
公开(公告)日：2023-08-01
申请号：CN202211575398.2
申请日：2022-12-08
Applicant: 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) , 西安电子科技大学
IPC: G06V20/40 , G06N3/08 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习网络的超高清视频压缩损伤等级评估方法，包括以下步骤；步骤1，建立多分辨率压缩损伤训练集，验证集，测试集：步骤2，构建时频域结合的压缩损伤等级评估网络：步骤3，训练时频域结合的压缩损伤等级评估网络：步骤4，测试多分辨率压缩损伤测试集的准确率；步骤5，评估时频域结合的压缩损伤等级评估网络。本发明针对超高清视频压缩损伤来进行评估，解决了压缩损伤数据集制作成本高，不易扩充、视频压缩损伤评估网络未采用端对端的设计，泛化能力不足以及超高清视频评估耗时长的问题。
-
公开(公告)号：CN116258669A
公开(公告)日：2023-06-13
申请号：CN202211575397.8
申请日：2022-12-08
Applicant: 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) , 西安电子科技大学
IPC: G06T7/00 , G06V20/40 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于深度学习的超高清视频模糊质量评估方法，包括以下步骤；步骤1，建立超高清图像模糊失真数据集作为网络训练集和验证集；步骤2，构建图像模糊失真评估分类网络；步骤3，训练图像模糊失真评估分类网络；步骤4，测试超高清视频模糊失真分类；步骤5，评估图像模糊失真评估分类网络。本发明制作了大规模图像模糊失真数据集和超高清视频模糊失真数据集，专门用于模糊失真类型的超高清视频和图像的质量评估，同时设计了图像模糊失真评估分类网络，保证了超高清视频质量评估的实时性和准确性，解决了质量评估在超高清视频上速度慢、准确率低的问题。
-
公开(公告)号：CN107071474B
公开(公告)日：2019-10-11
申请号：CN201710240244.0
申请日：2017-04-13
Applicant: 西安电子科技大学
IPC: H04N19/593
Abstract: 本发明公开了一种基于SATD复用的HEVC帧内预测方法，其方案为：1)建立缓存的变量和数组；2)对CTU内的4x4块编号，计算该块在8x8、16x16、32x32和64x64层的可复用模式号；4)遍历CTU内所有4x4块计算其可复用模式号；5)计算4x4块在4x4、8x8、16x16、32x32和64x64层的不可复用模式下差值变换绝对值的和；6)获取当前模式在8x8，16x16，32x32和64x64层的可复用性；7)将当前模式差值变换绝对值的和保存到可复用层对应的二维数组中；10)进入下一次遍历或结束帧内预测。本发明编码复杂度低，压缩稳定性高，可用于粗选模块的简化计算。
-
公开(公告)号：CN105791863A
公开(公告)日：2016-07-20
申请号：CN201610172216.5
申请日：2016-03-24
Applicant: 西安电子科技大学
IPC: H04N19/597 , H04N19/96
CPC classification number: H04N19/597 , H04N19/96
Abstract: 本发明公开了一种基于层的3D?HEVC深度图帧内预测编码的方法，主要解决现有的技术对深度图帧内预测编码处理复杂度较高的问题。其技术方案为：1)初始化文件和门限；2)记录测试码流每个编码周期的第一帧数据；3)通过计算编码周期第一帧的命中率得到门限；4)根据门限，选择性跳过当前预测单元的粗选阶段深度模式、细选阶段或全部粗选细选阶段，完成一帧视频视频编码；5)重复步骤2)到4)遍历每帧视频，直到编码结束。本发明具有编码复杂度低、方法多样性的优点，可用于视频编码。
-
公开(公告)号：CN115941934A
公开(公告)日：2023-04-07
申请号：CN202211482051.3
申请日：2022-11-24
Applicant: 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) , 西安电子科技大学
IPC: H04N17/00 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度卷积神经网络的多帧融合视频噪声评估方法，主要解决现有评估方法在视频噪声评估中无法准确贴合现实场景、噪声覆盖范围窄及对超高清视频评估准确率低的问题；其实现方案是：通过人工退化和真实拍摄获取两种方法收集不同噪声的超高清视频，并对其进行等级划分组成训练集；设计多帧融合视频噪声评估网络，使用训练集对该网络进行训练；将待评估视频按照帧序列进行视频帧分组，将分组后的视频帧输入到训练好的网络中，输出待评估视频每帧的噪声级别；将输出最多的帧的级别作为待评估视频的级别。本发明覆盖范围广，更能贴合现实场景，不仅对视频噪声等级的评估准确率高，而且评估速度更快。可用于超高清视频噪声检测系统。
-
Patent Agency Ranking
公开(公告)号：CN109584170B
公开(公告)日：2022-12-27
申请号：CN201811271076.2
申请日：2018-10-29
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种单幅水下图像复原方法，主要解决现有技术在处理水下图像时色偏校正和清晰化处理效果欠佳的问题。其方案是：在Caffe框架下分别构建环境光估计网络和透射率估计网络；获取一组深度图像集J和d(J)，随机生成透射率T和环境光A，合成水下图像集I；将I、A按批量依次循环输入至环境光估计网络进行训练；再将I、T按批量依次循环输入至透射率估计网络进行训练；将待处理的图像Ic输入至完成训练的神经网络，输出环境光Ac和透射率Tc；根据Ac和Tc计算得到清晰图像Jc。本发明提高了图像对比度并能校正色偏，其峰值信噪比、结构相似性和色差公式三个指标均优于现有技术，可用于水下图像的清晰化处理。
-
公开(公告)号：CN104683818A
公开(公告)日：2015-06-03
申请号：CN201510112891.4
申请日：2015-03-15
Applicant: 西安电子科技大学
IPC: H04N19/63 , H04N19/635
Abstract: 本发明公开一种基于双正交不变集多小波的图像压缩方法，其步骤为：1.输入图像数据；2.DC电平位移；3.组成滤波器矩阵判；4.双正交不变集多小波变换层数初始化；5.扩展图像的高和宽；6.双正交不变集多小波行变换；7.双正交不变集多小波列变换；8.量化系数；9.算术编码；10.率失真优化截取；11.码流组织。本发明采用一组具有对称、紧支、正交的双正交不不变集多小波滤波器，双正交不不变集多小波变换计算时采用内积的方法，使得算法复杂度大大降低，变换后能量和熵集中程度高具有更大的稀疏性，有利于后续的压缩编码，而且便与分块处理和并行加速。
-
公开(公告)号：CN119313710A
公开(公告)日：2025-01-14
申请号：CN202411453232.2
申请日：2024-10-17
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06T7/66 , G06T7/73 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种针对高光谱视频的目标跟踪方法，对高光谱目标跟踪算法中的权重参数初始化；读取跟踪视频的初始帧作为目标跟踪的初始模板与在线更新模板图像，同时读取初始帧中目标的位置信息；读取跟踪视频的下一帧并经过裁剪处理，作为目标跟踪的搜索图像；将初始模板与在线更新模板图像和搜索图像作为高光谱目标跟踪算法的输入，通过降维模块降维到三通道图像，再输入经过低秩适应学习后的特征提取网络，将得到的特征信息输入目标位置解码器，输出目标在当前帧的预测位置及其置信度，根据置信度判断是否更新在线更新模板图像；对跟踪视频的每一帧不断重复并记录目标在视频每一帧中的预测位置；本发明具有目标跟踪准确性高、提取特征表征强和训练成本低等优点。
-
公开(公告)号：CN118967476A
公开(公告)日：2024-11-15
申请号：CN202411037939.5
申请日：2024-07-31
Applicant: 西安电子科技大学
IPC: G06T5/50 , G06T5/60 , G06T3/4046 , G06T3/4053 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种基于深度先验和双注意力残差网络的高光谱图像融合方法、系统、设备及介质，其方法包括：先获取图像数据集并进行预处理，得到低分辨率高光谱图像和全色图像，再通过深度高光谱先验算法对低分辨率高光谱图像进行上采样，得到上采样高光谱图像，然后将全色图像和上采样高光谱图像在光谱维进行拼接得到输入图像，并输入到通道和空间双注意力残差网络中进行重建，得到残差图像，最后对上采样高光谱图像和重建的残差图像进行加和运算得到融合高光谱图像；系统、设备及介质用于实现一种基于深度先验和双注意力残差网络的高光谱图像融合方法；本发明降低了对数据量依赖的同时提高了高光谱图像融合的精度。
-
公开(公告)号：CN115861687A
公开(公告)日：2023-03-28
申请号：CN202211464382.4
申请日：2022-11-22
Applicant: 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) , 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06T7/00 , G06N3/0464
Abstract: 本发明公开一种基于轻量级分类网络的超高清视频曝光度评估方法，主要针对现有技术超高清视频曝光度评估算法的不足，生成的训练集含有不同曝光水平的超高清图像，除了一般图像外，还包括有强光弱光突出光照影响的“非一般图像”，涵盖了多种光照场景和内容场景。将训练集曝光度划分为严重过曝、轻微过曝、曝光适宜、轻微暗光、严重暗光五个类别，构建并训练轻量级分类网络，利用训练好的轻量级分类网络对超高清视频曝光度进行逐帧评估。本发明实现了对超高清视频曝光度的细致、快速、准确评估。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.037 seconds)
