-
公开(公告)号：CN110246076A
公开(公告)日：2019-09-17
申请号：CN201910421797.5
申请日：2019-05-21
Applicant: 宁波大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于Tucker分解的高动态范围图像水印方法，其包括水印嵌入和水印提取两部分，在水印嵌入过程中，将高动态范围宿主图像表示成三阶张量的形式，然后利用Tucker3分解对高动态范围宿主图像进行处理，并将得到的核心张量的第一特征图作为水印信息的嵌入载体，这不仅是因为核心张量的第一特征图涵盖了一幅高动态范围宿主图像的主要能量，而且还可以使嵌入的水印信息随着分解的逆变换扩散到高动态范围水印图像的R、G、B三个通道中，从而有效地提高了鲁棒性；在水印提取过程中不需要原始的高动态范围宿主图像，实现了水印信息的盲提取；此外，本发明方法不会对高动态范围图像的内部结构造成破坏，在不可见性和嵌入容量方面也取得了较好的效果。
-
公开(公告)号：CN110225260A
公开(公告)日：2019-09-10
申请号：CN201910437006.8
申请日：2019-05-24
Applicant: 宁波大学
Abstract: 本发明公开了一种基于生成对抗网络的立体高动态范围成像方法，考虑到立体高动态范围成像是将立体成像技术与高动态范围成像技术相结合，假设目标视点是左视点，且左视点属于欠曝光，右视点属于过曝光，其核心在于生成左视点的多曝光序列；将生成的左视点过曝光图像与原始的左视点欠曝光图像组成多曝光序列，利用构建的视点融合生成对抗网络来完成高动态范围图像融合任务；采用三幅不同曝光图像生成标签图像，以使视点融合生成对抗网络学习低质量融合图像与高质量融合图像之间的转换关系；优点是其既能降低传统方法中多步骤处理的复杂性，并减少误差累积，又能提高生成图像的整体对比度和细节保真度。
-
公开(公告)号：CN107464222B
公开(公告)日：2019-08-20
申请号：CN201710549128.7
申请日：2017-07-07
Applicant: 宁波大学
Abstract: 本发明公开了一种基于张量空间的无参考高动态范围图像客观质量评价方法，其从图像数据本身出发，用三阶张量表示彩色的高动态范围图像，然后通过张量分解中的Tucker分解算法，对失真高动态范围图像进行张量分解，从而得到三个特征图像，即第一特征图像、第二特征图像和第三特征图像，三个特征图像中融合了高动态范围图像的颜色信息，接着提取第一特征图像的流形结构特征和第二、三特征图像的感知细节对比度特征，再利用机器学习中的支持向量回归的方法计算失真高动态范围图像的客观质量评价值，从而实现了无参考的彩色高动态范围图像的质量客观评价，评价效果明显提高，从而有效地提高客观评价结果与主观感知之间的相关性。
-
公开(公告)号：CN109218710A
公开(公告)日：2019-01-15
申请号：CN201811054805.9
申请日：2018-09-11
Applicant: 宁波大学
IPC: H04N17/00
Abstract: 本发明公开了一种自由视点视频质量评估方法，其先将每帧转换到LAB颜色空间；然后获取每帧的每个通道对应的时空域差值图；接着提取每帧的各个通道中的失真关键区域；再根据第1个通道中的失真关键区域并利用结构相似度算法获取质量分数；根据第2个通道和第3个通道各自中的失真关键区域并利用对比度计算相应的质量分数；之后对每帧的3个通道的质量分数进行融合，得到每帧的质量分数；最后根据所有帧的质量分数得到失真自由视点视频的质量分数；优点是其能够有效地提高客观评价结果与人眼主观感知的一致性。
-
公开(公告)号：CN106097327B
公开(公告)日：2018-11-02
申请号：CN201610397239.6
申请日：2016-06-06
Applicant: 宁波大学
Abstract: 本发明公开了一种结合流形特征及双目特性的立体图像质量客观评价方法，其从人眼以流形方式感知的基础出发使用正交局部保持投影算法从自然场景平面图像上获取降维以及白化操作后的矩阵进行训练获得最佳映射矩阵；为了提高评价的准确性和稳定性去除对于视觉感知不重要的图像块，在完成选块后利用最佳映射矩阵提取选取出的图像块的流形特征向量，然后通过流形特征相似度来衡量失真图像的结构失真；并考虑图像亮度变化对人眼的影响，基于图像块的均值求失真图像的亮度失真；在获得流形相似度和亮度相似度后，采用双目竞争模型对左、右视点图像各自的质量值进行线性加权得到失真立体图像的质量值，评价结果与人眼的主观感知评价结果具有较高的一致性。
-
Patent Agency Ranking
公开(公告)号：CN105263024B
公开(公告)日：2018-06-29
申请号：CN201510664347.0
申请日：2015-10-15
Applicant: 宁波大学
IPC: H04N19/467 , H04N19/186 , H04N19/96 , H04N19/124
CPC classification number: G06T1/0028 , G06T1/0057 , G06T2201/0053 , H04N19/40 , H04N19/467
Abstract: 本发明公开了一种抗量化转码的HEVC视频流零水印的注册和检测方法，该注册方法在利用深度特征构造注册水印信息的过程中，先对目标视频流中的所有亮度块各自对应的深度值进行深度二值化处理，通过深度二值化处理能够很好的反映注册水印的顽健性，从而能够提高注册水印的抗攻击能力；利用一个随机矩阵对由深度二值化处理后的部分值组成的第一水印信息矩阵进行加密，可以提高注册水印的安全性；该注册方法直接利用视频流的深度特征生成零水印，不需要修改原始载体信息，不影响水印透明性，同时，对于量化参数在一定变化范围内的重量化转码以及常见的信号处理等攻击具有很强的鲁棒性。
-
公开(公告)号：CN106973281A
公开(公告)日：2017-07-21
申请号：CN201710038624.6
申请日：2017-01-19
Applicant: 宁波大学
IPC: H04N13/00 , H04N17/02 , H04N19/124
CPC classification number: H04N13/15 , H04N13/111 , H04N17/02 , H04N19/124
Abstract: 本发明公开了一种虚拟视点视频质量预测方法，其将第1帧彩色图像和第1帧深度图像各自中的各个分割块的均值和方差、第1帧彩色图像和第1帧深度图像各自的梯度图像中的各个分割块的均值、第1帧深度图像与第1帧失真深度图像的深度差值图像中的各个分割块的均值作为训练特征，将第1帧失真深度图像对应的标签图像中的各个分割块的均值作为训练标签，使用SVM对训练特征和训练标签组成的训练样本进行训练，得到SVM回归模型；将其余任一帧相应的均值和方差作为测试特征，利用SVM回归模型进行测试；利用输出的测试值获得失真虚拟视点视频的质量值；优点是考虑了虚拟视点绘制质量的各影响因子，使得在深度视频压缩失真下能有效预测出虚拟视点视频质量。
-
公开(公告)号：CN105208374B
公开(公告)日：2017-03-08
申请号：CN201510523373.1
申请日：2015-08-24
Applicant: 宁波大学
Abstract: 本发明公开了一种基于深度学习的无参考图像质量客观评价方法，其将待评价的失真图像进行多分辨率金字塔和高斯差分分解后，对子带图像做简单的局部归一化就可以提取自然统计特征，不需要到变换域提取特征，从而复杂度大幅降低；本发明方法无需参考图像、无需失真类型，用自然统计特性的丢失程度衡量图像的失真程度；本发明方法能够客观地反映图像受到各种图像处理和压缩方法影响下视觉质量的变化情况，并且本发明方法的评价性能不受图像内容和失真类型的影响，与人眼的主观感知一致；采用现有的L矩估计方法估计灰度直方图的包络曲线的分布参数，估计得到的分布参数更加准确，具有更强的泛化能力。
-
公开(公告)号：CN103391436B
公开(公告)日：2016-06-29
申请号：CN201310294675.7
申请日：2013-07-12
Applicant: 宁波大学
Abstract: 本发明公开了一种基于双目视觉感知的立体视频码率控制方法，特点是过对立体图像组层、立体图像对层、帧层这三个层次分别进行码率控制，在立体图像组层，计算每个立体图像组的目标比特数并计算关键帧的量化参数；在立体图像对层，根据剩余比特数和缓冲区饱和度来计算每个立体图像对的目标比特数；在帧层，根据人眼双目视觉掩蔽效应，建立了立体指数码率与量化参数模型来优化立体率失真模型，使左图像分配较多的目标比特数，而右图像相对分配较少的目标比特数，最终确定非关键帧的量化参数。优点是通过本发明的码率控制方法后有效地提高了立体视频客观质量和率失真性能。
-
公开(公告)号：CN105654465A
公开(公告)日：2016-06-08
申请号：CN201510961830.5
申请日：2015-12-21
Applicant: 宁波大学
CPC classification number: G06T7/0002 , G06T2207/10012 , G06T2207/30168
Abstract: 本发明公开了一种采用视差补偿视点间滤波的立体图像质量评价方法，其通过对立体图像的左、右视点图像进行视差补偿和视点间滤波，得到高频图像和低频图像，在频域完成了对立体图像的立体感知特性的描述，能够更准确地评价立体图像的质量；其对低频图像进行二维小波变换，提取近似系数矩阵、水平细节系数矩阵、垂直细节系数矩阵以及对角线细节系数矩阵来获得部分特征，这些特征能够有效地提高对失真立体图像的质量评价的准确性；其利用支持向量回归的方法构建立体图像的特征向量与图像主观质量之间的映射关系，避免了对于人类视觉系统工作机制的复杂模拟，同时避免了对于训练过程的过度依赖，从而提高了主观质量和客观预测质量之间的相关性。
-
-
-
-
-
-
-
-
-
Search Results
398
records
(took 0.044 seconds)
