-
公开(公告)号：CN107592537B
公开(公告)日：2019-11-08
申请号：CN201710985612.4
申请日：2017-10-20
Applicant: 东华大学
IPC: H04N19/132 , H04N19/154
Abstract: 本发明涉及一种面向航拍图像集的自适应压缩采样分配方法，包括以下步骤：预测量过程：在待测图像集中随机选取若干幅图像作为预测量图像集，计算预测量图像集中每幅图像的方差，并根据预测量图像集复合质量计算最佳预测量参数；为待测图像集建立图像方差模型；采样率分配；采用高斯随机矩阵进行压缩采样。本发明通过为图像集中的不同图像分配相应的采样率，能够更有效地提升图像集的整体重构质量。
-
公开(公告)号：CN110087078A
公开(公告)日：2019-08-02
申请号：CN201910387957.9
申请日：2019-05-10
Applicant: 东华大学
IPC: H04N19/177 , H04N19/134 , H04N19/156 , H04N19/136 , H04N19/503
Abstract: 难控的观测效能是制约视频观测编码技术发展的主要难题。基于图像组分块压缩感知架构，本发明提供了一种模型引导的观测效能调控方法，测量端根据当前图像组的观测结果与GOP帧间相关模型，在功耗约束下为后一图像组预先分配关键帧/非关键帧的采样率和量化深度。当前图像组执行完观测编码，若当前功耗满足功耗约束，后一图像组仍然采用当前图像组的观测参数；否则，后一图像组进入递减模式或递增模式，根据GOP帧间相关模型更新观测参数。由于邻近的图像组具有近似的统计特性，所提方法为视频观测编码提供了一种在功耗约束下观测参数的预设机制，能够快速地为关键帧/非关键帧分配采样率和量化深度，为连续图像组提供优化的观测效能。
-
公开(公告)号：CN108805944A
公开(公告)日：2018-11-13
申请号：CN201810533771.5
申请日：2018-05-29
Applicant: 东华大学
IPC: G06T9/00
CPC classification number: G06T9/002
Abstract: 本发明涉及一种归类精度保持的在线图像集压缩方法，包括：对图像集的两个压缩参数：质量因子Q和分辨率S进行适当的压缩。基于卷积神经网络分类器，将不同压缩参数下得到的图像集在该分类器下进行归类测试，对比与分析归类精度，得到精度保持的数据集压缩方法，利用归类精度保持下的最优压缩方法，为后续图像集归类精度保持双参数压缩方法选取提供参考。本发明能够快速准确地找到在线图像集归类精度保持下的最优压缩方法，大大减少在线图像集归类精度保持下的最优压缩所需的时间。
-
公开(公告)号：CN110930304B
公开(公告)日：2023-06-02
申请号：CN201811103632.5
申请日：2018-09-20
Applicant: 东华大学
IPC: G06T3/40
Abstract: 在图像超分辨率处理研究领域，对于任意倍增比的超分辨率研究仍然鲜见相应的成果。在高倍增比下，图像清晰度变得过低，肉眼已难以识别图像的内容，但是随着技术的进步，机器却可以自动识别清晰度不高的图像。本发明公开了一种基于全尺度质量总和的图像集超分辨率自适应阈值选取方法。所提方法是在任意倍增比图像处理中，选定全尺度质量总和Q为参考量，并以在任意倍增比下的Q大小作为评判测度，通过各种算法的Q值来评判其在任意倍增比中处理超分辨率图像的优劣性。本发明具有通用性，即是在全尺度图像处理中，都可以采取该方法来选取合适的切换值进行算法的切换，以获得整体更优的图像重建质量。
-
公开(公告)号：CN110087078B
公开(公告)日：2023-06-02
申请号：CN201910387957.9
申请日：2019-05-10
Applicant: 东华大学
IPC: H04N19/177 , H04N19/134 , H04N19/156 , H04N19/136 , H04N19/503
Abstract: 难控的观测效能是制约视频观测编码技术发展的主要难题。基于图像组分块压缩感知架构，本发明提供了一种模型引导的观测效能调控方法，测量端根据当前图像组的观测结果与GOP帧间相关模型，在功耗约束下为后一图像组预先分配关键帧/非关键帧的采样率和量化深度。当前图像组执行完观测编码，若当前功耗满足功耗约束，后一图像组仍然采用当前图像组的观测参数；否则，后一图像组进入递减模式或递增模式，根据GOP帧间相关模型更新观测参数。由于邻近的图像组具有近似的统计特性，所提方法为视频观测编码提供了一种在功耗约束下观测参数的预设机制，能够快速地为关键帧/非关键帧分配采样率和量化深度，为连续图像组提供优化的观测效能。
-
Patent Agency Ranking
公开(公告)号：CN108805944B
公开(公告)日：2022-05-06
申请号：CN201810533771.5
申请日：2018-05-29
Applicant: 东华大学
IPC: G06T9/00
Abstract: 本发明涉及一种归类精度保持的在线图像集压缩方法，包括：对图像集的两个压缩参数：质量因子Q和分辨率S进行适当的压缩。基于卷积神经网络分类器，将不同压缩参数下得到的图像集在该分类器下进行归类测试，对比与分析归类精度，得到精度保持的数据集压缩方法，利用归类精度保持下的最优压缩方法，为后续图像集归类精度保持双参数压缩方法选取提供参考。本发明能够快速准确地找到在线图像集归类精度保持下的最优压缩方法，大大减少在线图像集归类精度保持下的最优压缩所需的时间。
-
公开(公告)号：CN107945117B
公开(公告)日：2021-12-10
申请号：CN201710975599.4
申请日：2017-10-19
Applicant: 东华大学
Abstract: 本发明提供了一种基于自适应相似集合稀疏的差错隐藏方法。本发明不同于传统的采用单一图像块或固定数目图像块作为修复单元的方法，该方法根据自然图像中图像块之间的联合特征，自适应地选取不同数量的相似图像块，构造自适应相似集合；然后以相似集合作为基本单元，训练自适应字典，并构造基于稀疏表示的图像恢复模型；最后，采用分解Bregman迭代框架算法高效地求解目标代价函数。本发明所提方法采用自适应相似集合作为差错隐藏的基本单元，能够有效地排除非相似块的干扰，准确地构造相似集合，保证恢复后的图像具有较好的清晰度，能够进一步提高图像的恢复质量。
-
公开(公告)号：CN108550140B
公开(公告)日：2021-11-12
申请号：CN201810267694.3
申请日：2018-03-28
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向图像集的置信度一致性增强质量评价准则，包括以下步骤：将原始图像集通过图像质量增强算法得到增强后的图像集；再使用现有的质量评价方法对原始图像集以及增强后的图像集中的全部图像进行质量评价，得到每幅图像增强前后的质量分数；算出各幅图像增强前后的质量分数差值，并求出质量分数差值的平均值U与标准差S；选取置信区间，对质量分数差值进行筛选；在筛选后的有效测试数据中求出一致性增强质量评价分数有效值，并判断该图像质量增强算法的一致性与稳定性。本发明可以在不同的质量评价方法下，为具体应用与特定参数标准找出适当的图像质量增强算法，并为所有的图像质量增强算法提供一个可靠性更高的质量评价体系。
-
公开(公告)号：CN108111852A
公开(公告)日：2018-06-01
申请号：CN201810031831.3
申请日：2018-01-12
Applicant: 东华大学
IPC: H04N19/124 , H04N19/147 , H04N19/132
Abstract: 本发明涉及一种面向量化分块压缩感知编码的双测量参数率失真控制方法，以采样率和量化深度作为测量参数，在码率约束下实现编码质量的最大化，分为训练模式和工作模式：在训练模式下，通过在各种测量参数值下恢复目标图像，构建控制器所用的双测量参数模型；在工作模式下，根据双测量参数模型分配测量参数值，对目标图像执行量化分块压缩感知编码，以便在给定的码率约束下获得优化的编码质量。本发明能够为后续目标图像预先设定优化的测量参数值，在不同的码率级别约束下渐进地调整编码质量，由于邻近的目标图像具有相对一致的统计特性，本发明能够为后续目标图像提供优化的率失真性能。
-
公开(公告)号：CN108550140A
公开(公告)日：2018-09-18
申请号：CN201810267694.3
申请日：2018-03-28
Applicant: 东华大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向图像集的置信度一致性增强质量评价准则，包括以下步骤：将原始图像集通过图像质量增强算法得到增强后的图像集；再使用现有的质量评价方法对原始图像集以及增强后的图像集中的全部图像进行质量评价，得到每幅图像增强前后的质量分数；算出各幅图像增强前后的质量分数差值，并求出质量分数差值的平均值U与标准差S；选取置信区间，对质量分数差值进行筛选；在筛选后的有效测试数据中求出一致性增强质量评价分数有效值，并判断该图像质量增强算法的一致性与稳定性。本发明可以在不同的质量评价方法下，为具体应用与特定参数标准找出适当的图像质量增强算法，并为所有的图像质量增强算法提供一个可靠性更高的质量评价体系。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
