一种全景视频基于斜率分段采样方法及装置

    公开(公告)号:CN108769680B

    公开(公告)日:2021-02-23

    申请号:CN201810544637.5

    申请日:2018-05-31

    Applicant: 上海大学

    Abstract: 本发明提供一种全景视频基于斜率分段采样方法及装置。本发明通过将球面沿纬线平铺展开,以球面展开后的中心为原点生成二维直角坐标系,并得到球面展开后边缘曲线L的斜率k;然后用纬线W1、W2、W3、W4将展开的球面分割为5个区域,按从上到下依次为Oi,i=0,1,2,3,4;再根据分割后的各个区域的边缘曲线斜率k的取值范围,为每个区域都设置固定的斜率。接着根据该斜率得到各个区域经过采样后的形状;根据空间清晰度要求,对包括Oi,i=0,1,2,3,4的每个区域进行采样;最后将采样后的图像排列为矩形。采样后的矩形减少了采样结构冗余,使得在达到相同的空间清晰度的条件下,采样点数少,采样后的数据量小,压缩效率高。

    一种视频编码算法的评价方法

    公开(公告)号:CN110139111B

    公开(公告)日:2021-11-05

    申请号:CN201910336782.9

    申请日:2019-04-25

    Applicant: 上海大学

    Abstract: 本发明提出一种视频编码算法的评价方法,具体步骤是:选取一个视频编码平台;选取所述平台的一个常用配置B,作为比较基准;测试所述平台在配置C的条件下的编码速度和压缩效率;在配置C的基础上,增加算法A;比较所述视频编码平台在配置为C时和所述视频编码平台在配置C的基础上增加算法A以后的编码速度平均变化率ΔT;比较所述视频编码平台在配置为C时和所述视频编码平台在配置C的基础上增加算法A以后的压缩效率平均变化率ΔBDBR;计算评价指标Z(A)=(1+ΔT)*(1+ΔBDBR)λ,Z(A)是算法A的评价指标,对于不同的算法,评价指标越小越好。本发明实现了视频编码算法的定量评价,对视频编码产品的开发以及视频编码标准的制定具有重要参考价值。

    一种基于图像间参考的图像压缩编码方法和系统

    公开(公告)号:CN108184113B

    公开(公告)日:2021-12-03

    申请号:CN201711264934.6

    申请日:2017-12-05

    Applicant: 上海大学

    Abstract: 本发明提出一种基于图像间参考的图像压缩编码方法和系统。方法包括编码和解码过程,编码过程包括建立并更新数据库、输入数据、寻找参考图像、编码单元编码、数据封装等步骤;解码过程包括读入与解析编码数据、获取参考图像、获取编码单元模式与数据等步骤。还描述了一种编码与解码装置,编码装置包括输入模块,格式转换模块,寻找参考图像模块,分割模块,单元编码模块,封装模块;解码装置包括输入模块、解析模块、获取参考模块、解码单元模块、整合模块、输出模块。相比较原有的压缩技术,本发明对于相似或相同场景图像,能更有效去除冗余信息,提高压缩效率,适用于大量图像的压缩,使得图像在传输,存储和处理方面有更优异的性能。

    一种全景视频基于斜率分段采样方法及装置

    公开(公告)号:CN108769680A

    公开(公告)日:2018-11-06

    申请号:CN201810544637.5

    申请日:2018-05-31

    Applicant: 上海大学

    CPC classification number: H04N19/132 H04N19/85

    Abstract: 本发明提供一种全景视频基于斜率分段采样方法及装置。本发明通过将球面沿纬线平铺展开,以球面展开后的中心为原点生成二维直角坐标系,并得到球面展开后边缘曲线L的斜率k;然后用纬线W1、W2、W3、W4将展开的球面分割为5个区域,按从上到下依次为Oi,i=0,1,2,3,4;再根据分割后的各个区域的边缘曲线斜率k的取值范围,为每个区域都设置固定的斜率。接着根据该斜率得到各个区域经过采样后的形状;根据空间清晰度要求,对包括Oi,i=0,1,2,3,4的每个区域进行采样;最后将采样后的图像排列为矩形。采样后的矩形减少了采样结构冗余,使得在达到相同的空间清晰度的条件下,采样点数少,采样后的数据量小,压缩效率高。

    一种基于图像间参考的图像压缩编码方法和系统

    公开(公告)号:CN108184113A

    公开(公告)日:2018-06-19

    申请号:CN201711264934.6

    申请日:2017-12-05

    Applicant: 上海大学

    Abstract: 本发明提出一种基于图像间参考的图像压缩编码方法和系统。方法包括编码和解码过程,编码过程包括建立并更新数据库、输入数据、寻找参考图像、编码单元编码、数据封装等步骤;解码过程包括读入与解析编码数据、获取参考图像、获取编码单元模式与数据等步骤。还描述了一种编码与解码装置,编码装置包括输入模块,格式转换模块,寻找参考图像模块,分割模块,单元编码模块,封装模块;解码装置包括输入模块、解析模块、获取参考模块、解码单元模块、整合模块、输出模块。相比较原有的压缩技术,本发明对于相似或相同场景图像,能更有效去除冗余信息,提高压缩效率,适用于大量图像的压缩,使得图像在传输,存储和处理方面有更优异的性能。

    一种基于时域差分的二次背景建模方法

    公开(公告)号:CN109859248B

    公开(公告)日:2024-03-19

    申请号:CN201811578566.7

    申请日:2018-12-24

    Applicant: 上海大学

    Abstract: 本发明公开了一种基于时域差分的二次背景建模方法。本方法是:输入原始图像后,快速生成背景图像能够提高背景参考和编码效率,BCBR算法筛选背景块的时域跨度小,相比于LDBCBR能更快地生成背景图像,因此先使用BCBR算法生成临时背景图像供后续图像编码参考,同时使用LDBCBR算法削弱前景时域相关性进行背景建模。当相同位子编码块使用BCBR和LDBCBR都搜索到背景块时,用二次建模算法再对其建模得到最终的纯净背景图像。由于LDBCBR削弱了前景的时域相关性,建模所需时间增长,而BCBR算法采用基于块更新的建模方式,建模速度快,将两者结合使用,解决了BCBR背景质量不高和LDBCBR建模时间长的问题。

    一种视频编码算法的评价方法

    公开(公告)号:CN110139111A

    公开(公告)日:2019-08-16

    申请号:CN201910336782.9

    申请日:2019-04-25

    Applicant: 上海大学

    Abstract: 本发明提出一种视频编码算法的评价方法,具体步骤是:选取一个视频编码平台;选取所述平台的一个常用配置B,作为比较基准;测试所述平台在配置C的条件下的编码速度和压缩效率;在配置C的基础上,增加算法A;比较所述视频编码平台在配置为C时和所述视频编码平台在配置C的基础上增加算法A以后的编码速度平均变化率ΔT;比较所述视频编码平台在配置为C时和所述视频编码平台在配置C的基础上增加算法A以后的压缩效率平均变化率ΔBDBR;计算评价指标Z(A)=(1+ΔT)*(1+ΔBDBR)λ,Z(A)是算法A的评价指标,对于不同的算法,评价指标越小越好。本发明实现了视频编码算法的定量评价,对视频编码产品的开发以及视频编码标准的制定具有重要参考价值。

    一种基于时域差分的二次背景建模方法

    公开(公告)号:CN109859248A

    公开(公告)日:2019-06-07

    申请号:CN201811578566.7

    申请日:2018-12-24

    Applicant: 上海大学

    Abstract: 本发明公开了一种基于时域差分的二次背景建模方法。本方法是:输入原始图像后,快速生成背景图像能够提高背景参考和编码效率,BCBR算法筛选背景块的时域跨度小,相比于LDBCBR能更快地生成背景图像,因此先使用BCBR算法生成临时背景图像供后续图像编码参考,同时使用LDBCBR算法削弱前景时域相关性进行背景建模。当相同位子编码块使用BCBR和LDBCBR都搜索到背景块时,用二次建模算法再对其建模得到最终的纯净背景图像。由于LDBCBR削弱了前景的时域相关性,建模所需时间增长,而BCBR算法采用基于块更新的建模方式,建模速度快,将两者结合使用,解决了BCBR背景质量不高和LDBCBR建模时间长的问题。

    一种基于稀疏矩阵的深度网络模型加速方法

    公开(公告)号:CN109685205A

    公开(公告)日:2019-04-26

    申请号:CN201811596658.8

    申请日:2018-12-26

    Applicant: 上海大学

    CPC classification number: G06N3/0454 G06N3/08

    Abstract: 本发明公开了一种基于稀疏矩阵的深度网络模型加速方法。其具体步骤是:(1)、调用深度网络模型和训练集;(2)、首先根据模型参数求得L1范数与L2范数的比值,然后进行归一化获得稀疏度计算公式,利用稀疏度计算公式求得上一层通道上的稀疏度;(3)、根据上一层通道上的稀疏度,然后利用依据浮点运算数得到的剪枝度计算公式获取相应的剪枝力度;(4)、根据剪枝度计算公式得到的剪枝力度,对深度网络模型的每一层进行逐层剪枝并微调深度网络模型参数;(5)、输出微调后的结构化剪枝的稀疏模型。本发明能降低深度网络模型的计算量和提高深度网络模型的运算速度。本发明便于移植到移动设备上。

Patent Agency Ranking