公开(公告)号：CN117857794A

公开(公告)日：2024-04-09

申请号：CN202410038401.X

申请日：2024-01-11

Applicant: 南京大学

Inventor： 马展 ,  沙宏伟 ,  陆明

IPC: H04N19/124 ,  H04N19/176 ,  H04N19/13

Abstract: 本发明公开了一种基于块搜索和可变位数残差的相似图像JPEG无损重压缩方法，步骤如下：部分解析JPEG参数；在两张JPEG的未反量化的频域系数进行块级别的搜索，搜索策略为计算绝对差值和；记录与当前块容忍度限制下的最小绝对差值和的块的索引；对索引进行差分得到方向向量；根据方向向量为0的比例判断两张图像是否相似，若不相似则使用Brunsli算法进行单张JPEG的无损重压缩，若相似，则使用Brunsli算法压缩每一个当前块和参考块的前N位残差和后64‑N位的原频域系数，并添加标志位，方向向量则经过比特位压缩后再使用Brotli算法压缩；解码端根据标志位进行相应的解码操作。本发明的无损JPEG压缩方法相较于已有重压缩方法能进一步压缩17％。

公开(公告)号：CN117834883A

公开(公告)日：2024-04-05

申请号：CN202410001561.7

申请日：2024-01-02

Applicant: 南京大学

Inventor： 马展 ,  董沐晨 ,  陆明

IPC: H04N19/146 ,  H04N19/176 ,  H04N19/42

Abstract: 本发明公开了一种基于块级别的智能图像压缩快速码率控制方法。该方法包括如下步骤：S1，将输入的图片切分为不重叠的大小相同的块；S2，采样部分图像块；S3，对采样的图像块均编解码两次，根据编解码结果推导出图像块码率R和质量因子λ的关系，以及图像块失真D和质量因子λ的关系；S4，计算每一个图像块的平均图像梯度；S5，使用线性关系拟合每一个被采样的图像块的平均图像梯度与R‑λ关系以及D‑λ关系的系数；S6，预测出未被采样的块的R‑λ关系以及D‑λ关系；S7，根据每一个块的R‑λ关系以及D‑λ关系对图像进行码率控制。本发明相比其他码率控制方法，拥有更准确的码率控制精准度，更快的速度和更低的内存消耗。

公开(公告)号：CN117714706A

公开(公告)日：2024-03-15

申请号：CN202311623403.7

申请日：2023-11-30

Applicant: 南京大学

Inventor： 马展 ,  姜明宜 ,  石峻奇 ,  陆明

IPC: H04N19/42 ,  G06T9/00

Abstract: 本发明公开了一种基于光谱嵌入的高光谱图像压缩方法。步骤如下：收集静态高光谱图像数据集；提取图像的光谱通道索引序列；对光谱通道索引序列进行数据的归一化处理，得到包含图像的光谱相关性的序列；建立一种基于光谱嵌入的高光谱图像编解码网络；使用处理后的序列数据训练编解码网络；得到图像对应的光谱嵌入及训练好的解码网络；解码端将所需图像的光谱嵌入输入解码网络进行预测推理。本发明可以在相同的码率下提供效果更佳的重建效果，显著优于现有的学习方法，并且可与最新的传统编解码器相媲美。同时本发明的高光谱图像压缩方法是轻量级的，在编码过程中表现出更快的模型收敛，在推理中表现出更快速的解码。

公开(公告)号：CN117395412A

公开(公告)日：2024-01-12

申请号：CN202311319421.6

申请日：2023-10-12

Applicant: 南京大学

Inventor： 马展 ,  董沐晨 ,  沙宏伟 ,  陆明

IPC: H04N19/119 ,  H04N19/136 ,  H04N19/176

Abstract: 本发明公开了一种轻量级的有损图像编码方法。该方法包括如下步骤：S1，将输入的图片切分为大小相同的块；S2，对于每一个块，首先根据当前块的每一个像素值计算其哈希值，每一个块的哈希值均会被记录起来，随后将当前块哈希值与之前每一个块的哈希值进行比较，并根据哈希值比较结果判断该块是否与已编码的块相似；S3，如果已编码的块中有当前块的相似块，不对当前块进行编码，直接将与当前块相似的已编码的块拷贝过来，如果没有，则对当前块进行有损编码。本发明的方法在计算能力较差的设备上与JPEG这一传统图像编解码方法在大量测试图片中进行比较中，拥有更高效的压缩效率，更快的解码时间和更低的能量消耗。

公开(公告)号：CN116939226A

公开(公告)日：2023-10-24

申请号：CN202310702149.3

申请日：2023-06-14

Applicant: 南京大学

Inventor： 马展 ,  孔玉卓 ,  陆明

IPC: H04N19/85 ,  H04N19/65 ,  H04N19/34 ,  H04N19/36 ,  H04N19/13 ,  H04N19/124 ,  G06T9/00

Abstract: 本发明提出一种面向低码率图像压缩的生成式残差修复方法及装置。该方法包括以下步骤：S1，通过一个端到端的智能图像编码系统得到在低码率时平滑且缺失高频信息的压缩图像；S2，使用生成式残差修复网络对压缩图像与原始图像的残差进行编码，并将解码得到的残差加回到压缩图像上得到重建图像；S3，引入判别器，使用生成对抗网络损失函数对生成式残差修复网络进行优化。本发明实现了更好的主观质量效果。

公开(公告)号：CN115361520A

公开(公告)日：2022-11-18

申请号：CN202210888249.5

申请日：2022-07-27

Applicant: 南京大学

Inventor： 马展 ,  陈哲浩 ,  陆明 ,  陈浩

IPC: H04N7/15 ,  H04N19/124 ,  H04N19/42 ,  H04N19/517 ,  H04N19/91

Abstract: 本发明公开了一种基于二阶运动信息的超低码率视频会议压缩方法。该方法包括以下步骤：(1)从视频帧选取源帧和运动帧，并提取运动帧的稀疏运动特征；(2)对源帧编码压缩，运动帧的稀疏运动特征量化后做帧间残差得到一阶运动残差信息，进行熵编码；两路码流封装为数据包传输；(3)传输模拟丢包，判断是否出现丢包，出现则进行预测；(4)未丢包或完成预测，将数据包分为两部分；(5)对数据处理得到源帧及其稀疏运动特征、当前帧的稀疏运动特征，获得当前帧的遮挡掩膜及一阶光流信息；(6)重复步骤(1)至(5)两次，从第三帧开始用前两帧的光流信息平滑当前帧光流，最后用遮挡掩膜重绘光流扭曲结果。

公开(公告)号：CN119316620A

公开(公告)日：2025-01-14

申请号：CN202411333767.6

申请日：2024-09-24

Applicant: 南京大学

Inventor： 陆明 ,  张旭 ,  马展

IPC: H04N19/91 ,  H04N19/146 ,  H04N19/147 ,  G06T9/00

Abstract: 本发明提供了一种基于多支路聚合的多任务图像编码方法和装置，所述方法包括：步骤1，训练基础图像编码模型、多支路聚合模块和重要性预测器；步骤2，将特征送入对应的重要性预测器，预测器根据不同特征对不同任务的重要性，计算输出二值掩码；步骤3，将特征拆分为两组子特征，分别为主路特征和旁路特征；步骤4，根据指定任务选择对应的旁路，将主路特征和旁路特征分别送入主路和选择的旁路；步骤5，将主路和旁路计算后的两组子特征按照原始特征的位置和尺寸重新组合，完成解码以输出完整图像。本发明方法无需优化单独的特定任务模型，能够极大降低优化难度和训练成本。

公开(公告)号：CN112218072B

公开(公告)日：2023-04-07

申请号：CN202011076173.3

申请日：2020-10-10

Applicant: 南京大学

Inventor： 陆明 ,  马展

IPC: H04N19/103 ,  H04N19/13 ,  H04N19/176 ,  H04N19/59

Abstract: 本发明公开了一种基于解构压缩和融合的视频编码方法。该方法基于视频编码中分辨率信息的冗余，将视频序列帧解构为高分辨率的空域纹理帧和低分辨率的时域运动帧进行编码，并利用基于深度学习的超分辨率方法恢复解码后的低分辨率时域运动帧至高保真的原有分辨率，达到编码效率提升。具体步骤为：(1)生成训练使用的图像块组合，作为监督训练数据集；(2)构建损失函数，使用优化器分别单独训练不同压缩率下的超分辨率网络；(3)构建损失函数，使用优化器端到端优化整个网络；(4)使用优化后的超分辨率网络对解构编码的视频中低分辨率时域运动帧进行超分辨率，恢复原有分辨率下的图像纹理和运动细节，提升整体视频编码效率。

公开(公告)号：CN112218072A

公开(公告)日：2021-01-12

申请号：CN202011076173.3

申请日：2020-10-10

Applicant: 南京大学

Inventor： 陆明 ,  马展

IPC: H04N19/103 ,  H04N19/13 ,  H04N19/176 ,  H04N19/59

Abstract: 本发明公开了一种基于解构压缩和融合的视频编码方法。该方法基于视频编码中分辨率信息的冗余，将视频序列帧解构为高分辨率的空域纹理帧和低分辨率的时域运动帧进行编码，并利用基于深度学习的超分辨率方法恢复解码后的低分辨率时域运动帧至高保真的原有分辨率，达到编码效率提升。具体步骤为：(1)生成训练使用的图像块组合，作为监督训练数据集；(2)构建损失函数，使用优化器分别单独训练不同压缩率下的超分辨率网络；(3)构建损失函数，使用优化器端到端优化整个网络；(4)使用优化后的超分辨率网络对解构编码的视频中低分辨率时域运动帧进行超分辨率，恢复原有分辨率下的图像纹理和运动细节，提升整体视频编码效率。

公开(公告)号：CN119172540B

公开(公告)日：2025-03-04

申请号：CN202411641118.2

申请日：2024-11-18

Applicant: 南京大学

Inventor： 陆明 ,  沙宏伟 ,  董沐晨 ,  罗权友 ,  陈浩 ,  马展

IPC: H04N19/124 ,  H04N19/184 ,  H04N19/91 ,  H04N19/42 ,  H04N19/44 ,  H04N7/20

Abstract: 本发明提供了一种针对不稳定卫星网络的抗丢失图像编码方法，包括以下步骤：步骤1，建立端到端的图像编解码网络；步骤2，在编码时，对编码器从图像中提取出来的潜在特征进行空间通道重排列，重排后的潜在特征再输入超先验编码器进行分布建模；步骤3，将组合特征输入解码器进行解码获得重建图像；步骤4,在图像编解码网络训练过程中，采用多种双尾部丢弃策略、通道随机遮盖策略并引入吉尔伯特‑艾略特丢包模型；步骤5，分组打包发送压缩后的超先验和潜在特征。本发明方法在实际网络评估中都具有良好的通用性，可防止渐进传输过程中的像素错误或颜色偏差。此外，本发明方法引入了可接受的计算复杂度，使其适用于现实应用。