公开(公告)号：CN111464805A

公开(公告)日：2020-07-28

申请号：CN202010175774.3

申请日：2020-03-13

Applicant: 宁波大学

Inventor： 杜宝祯 ,  蒋刚毅 ,  郁梅 ,  郑雪蕾 ,  晁涌

IPC: H04N13/161

Abstract: 本发明公开了一种基于全景显著性的立体全景视频快速编码方法，其对立体全景视频中的右视点视频帧进行显著性计算；结合显著性计算结果将右视点视频帧中除最左侧和最上侧的最大编码单元外的其余最大编码单元分为显著块和非显著块，针对显著块和非显著块分别采用两种不同的编码快速终止方式，针对非显著块，利用当前编码单元时空域相邻块的最优划分深度来预测和修正当前编码单元的递归深度区间；针对显著块，通过计算并比较当前编码单元的均方根误差与基于全景感知失真的编码单元划分阈值的大小关系，来判断当前编码单元是否已达到最优划分深度；优点是有效降低了编码单元的递归复杂度，节省了编码时间。

公开(公告)号：CN111292336A

公开(公告)日：2020-06-16

申请号：CN202010070290.2

申请日：2020-01-21

Applicant: 宁波大学

Inventor： 蒋刚毅 ,  郑雪蕾 ,  郁梅 ,  姜浩 ,  徐海勇

IPC: G06T7/11 ,  G06T5/40

Abstract: 本发明公开了一种基于分段式球面投影格式的全向图像无参考质量评价方法，其将全向图像的北极和南极区域映射成圆，得到分段式球面投影格式的北极区域和南极区域；获取圆形的北极、南极区域各自的局部特征、全局结构特征、全局纹理特征，获取赤道区域的全局纹理结构特征、局部对比度特征；将所有特征合并成全向图像的特征向量；在训练阶段，将训练集中的所有全向图像的特征向量作为样本输入，将对应的主观评分值作为标签输入，通过随机森林的池化，训练得到全向图像客观质量评价模型；在测试阶段，将测试图像的特征向量输入到全向图像客观质量评价模型中，预测得到客观质量评价值；优点是能有效地提高客观评价结果与人眼主观感知质量之间的相关性。

公开(公告)号：CN110933416A

公开(公告)日：2020-03-27

申请号：CN201911099679.3

申请日：2019-11-12

Applicant: 宁波大学

Inventor： 佘航飞 ,  郁梅 ,  赵旭辉 ,  宋洋 ,  徐海勇 ,  蒋刚毅

IPC: H04N19/124 ,  H04N19/186 ,  H04N19/147

Abstract: 本发明公开了一种高动态范围视频自适应预处理方法，首先计算每帧的各通道的最大、最小实际亮度值各自对应的量化亮度值，得到未使用的整型量化数据个数；接着去重统计各通道中落于所划分的32个各实际亮度间隔内的实际亮度值个数，以此为依据将未使用的整型量化数据优先分配给容易造成视觉产生对比度失真区域所在的实际亮度间隔；然后在确定最终分配给各实际亮度间隔的整型量化数据个数后计算各实际亮度间隔的最大、最小实际亮度值，进而对各通道中的每个像素点进行映射完成预处理；优点是能解决HDR视频非向后兼容编码框架中采用PQ曲线从16bit浮点型数据到10bit整型数据的转换过程中造成的HDR视频编码性能下降的问题。

公开(公告)号：CN110636282A

公开(公告)日：2019-12-31

申请号：CN201910905772.2

申请日：2019-09-24

Applicant: 宁波大学

Inventor： 彭宗举 ,  崔帅南 ,  邹文辉 ,  陈芬 ,  郁梅

IPC: H04N17/00 ,  H04N13/106

Abstract: 本发明涉及一种无参考非对称虚拟视点立体视频质量评价方法，包括：分别对待评估虚拟视点立体视频的左视点视频和右视点视频的亮度通道中的每帧图像进行两次下采样，并根据下采样得到的3种尺度下对应的图像计算出左、右视点的空域局部特征和空域全局特征以及左、右视点的时域局部特征和时域全局特征；并分别组成左视点特征向量和右视点特征向量；同时，计算出左视点视频的权重和右视点视频的权重；将左视点特征向量和右视点特征向量与对应的左视点视频权重和右视点视频权重进行融合，得到立体特征向量；最后，将立体特征向量作为输入量，使用随机森林技术，计算得到待评估的虚拟视点立体视频的客观质量评价值。该评价方法更符合人眼主观感知。

公开(公告)号：CN109218710B

公开(公告)日：2019-10-08

申请号：CN201811054805.9

申请日：2018-09-11

Applicant: 宁波大学

Inventor： 彭宗举 ,  王士培 ,  陈芬 ,  蒋刚毅 ,  郁梅 ,  陈华

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：CN109447907A

公开(公告)日：2019-03-08

申请号：CN201811097909.8

申请日：2018-09-20

Applicant: 宁波大学

Inventor： 郁梅 ,  陈晔曜 ,  邵华 ,  姜浩 ,  蒋刚毅

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于全卷积神经网络的单图像增强方法，首先，考虑到单曝光图像丢失的信息可由多曝光序列来描述，利用构建的预测曝光网络来产生与输入的图像曝光不同的低曝光图像和高曝光图像，以此构建出一个多曝光序列；接着，为避免手动提取融合特征导致增强方法鲁棒性低的问题，利用构建的曝光融合网络来完成特征提取、特征融合以及图像重建任务；最后，考虑到预测曝光网络中的反卷积层会造成输出的图像出现棋盘伪像，采用与人眼感知相关的结构相异性损失来训练预测曝光网络以减轻这种伪像；优点是其既能提高图像整体对比度，又能恢复一定的图像曝光不足和曝光过度区域的信息。

公开(公告)号：CN109035155A

公开(公告)日：2018-12-18

申请号：CN201810617257.X

申请日：2018-06-15

Applicant: 宁波大学

Inventor： 郁梅 ,  邵华 ,  蒋刚毅 ,  宋洋 ,  姜浩 ,  彭宗举 ,  陈芬

IPC: G06T5/00 ,  G06T5/50

CPC classification number: G06T5/50 ,  G06T5/007

Abstract: 本发明公开了一种光晕去除的多曝光图像融合方法，其计算每幅曝光图像的亮度图像的局部梯度稀疏复杂度映射图和曝光质量映射图；然后融合得到每幅曝光图像的亮度图像的初步融合权值图像，进而得到每幅曝光图像的亮度图像的初步融合权值图像的归一化图像的优化图像的归一化图像；再获得所有曝光图像的最终融合图像；优点是通过针对亮度图像的梯度幅值图像的稀疏表示构建局部梯度稀疏复杂度映射图及曝光质量映射图进行图像融合，有效抑制了大幅值的无效梯度在图像融合过程中产生的影响，消除了融合图像中的光晕现象，且能更有效地提取多曝光图像序列中不同曝光条件下的图像纹理细节，因此融合图像中含有更丰富的纹理细节和具有更高的清晰度。

公开(公告)号：CN106973281B

公开(公告)日：2018-12-07

申请号：CN201710038624.6

申请日：2017-01-19

Applicant: 宁波大学

Inventor： 陈芬 ,  焦任直 ,  彭宗举 ,  蒋刚毅 ,  郁梅

IPC: H04N13/111 ,  H04N13/128 ,  H04N13/15 ,  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：CN108900838A

公开(公告)日：2018-11-27

申请号：CN201810586755.2

申请日：2018-06-08

Applicant: 宁波大学

Inventor： 蒋刚毅 ,  杨桐 ,  郁梅 ,  彭宗举 ,  陈芬

IPC: H04N19/147 ,  H04N19/19 ,  H04N19/186 ,  H04N19/154

Abstract: 本发明涉及一种基于HDR-VDP-2度量失真的率失真优化方法，并根据修正后的λ-QP关系更正拉格朗日乘子λ，以进一步优化HDR视频编码过程中编码参数的选取策略，提高HEVC Main 10编码HDR视频的性能。首先，设计了一种基于HDR-VDP-2的失真计算方法并应用于HEVC的编码树单元结构，并建立了基于HDR-VDP-2失真准则的率失真代价函数模型；接着，为了确定率失真代价函数中的拉格朗日乘子λ，本发明采用固定的拉格朗日乘子λ进行编码，并利用多QP优化技术统计最优QP值，从而修正λ-QP函数关系；最后，基于修正λ-QP之间的关系确定当前编码视频帧的拉格朗日乘子λ，并将提出的率失真代价函数模型应用于HEVC Main 10编码器。同时，本发明能够保留编码重建视频更多纹理细节信息，能够提升HEVC编码HDR视频性能。

公开(公告)号：CN108830790A

公开(公告)日：2018-11-16

申请号：CN201810467095.6

申请日：2018-05-16

Applicant: 宁波大学

Inventor： 蒋刚毅 ,  潘志勇 ,  郁梅 ,  谢登梅 ,  彭宗举 ,  陈芬 ,  邵华

IPC: G06T3/40

Abstract: 本发明涉及一种基于精简卷积神经网络的快速视频超分辨率重建方法，其既能利用视频帧之间的邻域信息，又保证重建速度。首先，考虑到输入的尺寸大小会直接影响网络的运算速度，本发明网络省去传统方法的预插值过程，直接对多个低分辨率输入视频帧提取特征，并进行多维特征通道融合；接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，并采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频。同时，本发明还采用网络迁移策略快速实现了不同缩放因子下的重建模型，重建的视频图像中能够保留更多高频细节信息，同时重建速度更快。