本发明公开了一种基于毫米波系统的自适应鲁棒视频编码方法，包括：对视频源进行张量分解显著性提取，并结合码率分配，将视频内容分配给编码器；通过场景建模控制编码器运行：若视线路径和中继路径通畅时，采用HEVC编码器，并结合通信路径数和路径信道状态确定自适应多描述编码器的编码路数，实现视线路径和/或中继路径的视频传输；若视线路径和/或中继路径不稳定时，采用SHVC编码器，并结合路径数和路径信道状态确定自适应多描述编码器的编码路数，通过喷泉编码实现中继路径、视线路径和一阶反射路径其中两者或者三者的视频传输。本方法保障用户在恶劣的网络条件下的基本视频服务，而在较稳定的网络条件下，尽可能提高视频质量。
📄 2018106037652
📂 H04N19_117
👤 南京邮电大学
📅 2018-06-12
本发明公开了一种基于DCT的3D-HEVC快速帧内预测决策方法。本发明首先利用DCT公式计算当前预测块的DCT矩阵，然后对当前系数块的左上角系数和进一步对右下角系数进行判断是否具有边缘，最后通过是否具有边缘判定是否要将DMMs加入帧内预测模式候选列表。本发明在3D-HEVC中引入了深度图实现更好的视图合成，3D视频编码扩展开发联合协作组针对深度图帧内预测编码提出了4中新的针对深度图帧内预测模式DMMs。DCT具有能量聚集的特性，故在3D-HEVC深度图编码过程中可以明显区分编码块是否具有边缘。本发明具有计算复杂度低、编码时间短和视频重建效果好的特点。
📄 2017113377014
📂 H04N19_11
👤 杭州电子科技大学
📅 2017-12-14
本发明公开了一种基于DWT的3D-HEVC快速CU分割预测方法。快速CU分割预测编码决策方法在CU划分之前，首先对CU进行DWT变换获得当前CU的DWT系数矩阵，然后对当前系数块的水平，垂直，对角线方向系数和进一步对预测块的四周方差进行判断是否平缓，如果平缓则CU不需要划分为子CU，否则进入递归进一步划分。DWT具有能量聚集的特性，故在3D-HEVC深度图编码过程中可以明显区分编码块是否具有边缘。本发明直接对CU进行判断，减少了递归带来的时间消耗因此具有计算复杂度低、编码时间短和视频重建效果好的特点。
📄 2019107443535
📂 H04N19_117
👤 杭州电子科技大学
📅 2019-08-13
本发明公开了一种基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法及装置,涉及视频编码领域,方法包括:首先搭建数据库,构建基于多尺度特征融合的卷积神经网络模型,并训练基于多尺度特征融合的卷积神经网络模型;其次将输入的CTU通过多尺度特征融合卷积神经网络,输出预测标签;最后为不同类型序列赋不同阈值,根据预测标签指导平台进行编码,从而跳过不必要的深度遍历。本发明提出的基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法,能够节省编码时间,明显降低屏幕内容视频的计算复杂度。
📄 2023109117679
📂 H04N19_11
👤 华侨大学
📅 2023-07-25
本发明公开了一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置，涉及视频编码领域，该方法包括：获取屏幕内容视频，将128×128大小的CTU直接划分为64×64大小的CU；构建多任务学习网络模型，多任务学习网络模型包括主干网络、第一子网络和第二子网络，主干网络用于提取CU特征，将CU特征输入第一子网络和第二子网络，得到CU划分类型和编码模式，可结合编码模式及其预测概率和临近CU的划分类型综合确定预测结果；将64×64大小的CU输入经训练的多任务学习网络模型，得到第一预测结果；若第一预测结果为划分，则进一步划分为4个32×32大小的CU，并输入经训练的多任务学习网络模型，得到第二预测结果，解决H.266VVC屏幕内容帧内编码复杂度高的问题。
📄 2023112804296
📂 H04N19_119
👤 华侨大学
📅 2023-10-07
本发明公开了一种基于感兴趣区域的VVC码率控制方法及装置，涉及视频编码领域，方法包括：使用基于残差SSD网络训练的人脸检测模型检测图像中的人脸区域作为ROI；使用斯塔克尔伯格模型对ROI的失真进行建模，并采用二分法求解ROI的目标比特；计算编码图像的JND图作为空域视觉敏感度，对8x8互不重叠的子块进行运动估计，得到时域视觉敏感度；将有约束问题转化为无约束问题，并采用KKT条件进行最优化求解，得到最优拉格朗日乘子用于进行比特分配。本发明考虑视频会议、视频监控等应用对ROI的需求增长，人眼对ROI区域重点关注，提取空时域感知敏感度，对ROI和nROI的比特分配问题分别建模并进行最优化求解，合理进行比特分配。
📄 2024104977349
📂 H04N19_119
👤 华侨大学
📅 2024-04-24
本发明属于图像/视频压缩领域，涉及一种基于新型损失函数和可变形卷积的分像素插值滤波器的设计方法，包括：步骤1，在准备训练数据时，采用运动模糊的方式，对高分辨率图像进行降采样操作；步骤2，数据训练过程中，输入降采样后的图像，使用残差学习技术，经过神经网络得到新型损失函数；步骤3，使用新型损失函数训练带有可变形卷积层的神经网络，生成所需残差图像。本发明的新型损失函数既能反映失真同时也考虑了码率；可变形卷积可以更灵活地适应不同的视频图像，从而达到提升编码效果的目的。
📄 2021101331196
📂 H04N19_117
👤 杭州电子科技大学
📅 2021-01-29
本发明公开一种基于方向梯度统计特征的快速帧内预测模式决策方法，包括步骤：S1、在离线阶段，从N个类型的视频序列中提取训练实例，以组成训练数据集；S2、在离线阶段，利用训练数据集提取编码块CU的特征向量X＝{SOG,xQstep}和对应的类别标签y，计算局部区域的梯度方向并进行统计，以此作为该局部区域的特征，并将训练数据集划分成训练集、验证集、测试集；S3、在离线阶段，训练各不同大小编码块CU的SVM离线模型；S4、在在线阶段，提取当前待编码块CU的特征向量，并将其输入到步骤S3训练好的对应的SVM模型中，并通过SVM模型预测待编码块CU是否选择Planar模式。本发明在保证视频质量基本不变的前提下，有效地降低了VVC帧内编码时间和复杂度。
📄 202011561933X
📂 H04N19_11
👤 杭州电子科技大学
📅 2020-12-25
本申请公开了一种VVC帧间CU深度快速划分方法，包括：顺序提取需要编码的编码CU，判断目标编码CU所在的编码帧是否为帧内编码帧；若否，获取目标编码CU的亮度像素差值；判断目标编码CU的高度和宽度是否均大于预设阈值；若是，获取目标编码CU的进一步划分模式；若目标编码CU的进一步划分模式为H_BT，且满足第一预设条件，或目标编码CU的进一步划分模式为V_BT，且满足第二预设条件，或目标编码CU的进一步划分模式为H_TT，且满足第三预设条件，或目标编码CU的进一步划分模式为V_TT，且满足第四预设条件，则停止对目标编码CU进行进一步划分。显然，该方法可以降低在对目标编码CU深度划分时的复杂度。
📄 2020101685656
📂 H04N19_119
👤 南华大学
📅 2020-03-11
本发明涉及视频数据处理技术领域，具体涉及一种电子信息隐私数据安全传输方法及系统，该方法包括：将待传输的视频数据依次作为目标视频帧进行迭代分割，对目标视频帧的像素块的灰度分布、邻域灰度差异程度以及文档信息分布的梯度特征进行分析，构建帧内细节分割需求度、文档分割校正系数、文档分割惩罚因子；获取帧内文档纠正分割需求度；对目标视频帧与时间邻域内视频帧的同一位置像素块的灰度差异进行分析，构建灰度运动指数序列、帧间运动变化率；获取动态信息复杂度；采用长边条件分割法实现视频帧的自适应动态分割，完成视频优化传输。本发明旨在实现视频帧的自适应动态分割，保留细节的同时实现更好的传输效果。
📄 2024113281026
📂 H04N19_119
👤 大连展航科技有限公司
📅 2024-09-24
本发明公开了一种基于MAE预训练模型的视频编码帧内预测方法和系统，本方法通过根据获得的所有预测单元的最优预测模式完成每个编码单元的帧内预测；获取每个预测单元的最优预测模式包括步骤：根据预测单元相邻的已预测单元获得初始化候选列表，并获取已预测单元的重建信息；计算每种预测模式的第一率失真损失；通过训练好的MAE预测模型，获得预测图像，并根据预测图像计算获得第二率失真损失；根据第一率失真损失和第二率失真损失，更新加入训练好的MAE预测模型后的初始化候选列表；计算更新后的候选列表中每种预测模式的实际损失，并根据实际损失获得预测单元的最优预测模式。本发明能够提高视频编码帧内预测的准确度。
📄 202310189730X
📂 H04N19_11
👤 中南大学
📅 2023-03-02
本发明在H.266/VVC视频编码标准的基础上，公开了基于预编码的深度预测方法、基于预编码的快速帧内方向预测方法以及检测装置。深度预测方法包括：将图像分割成若干预编码单元；对预编码单元进行预编码，得到预编码信息；统计预编码信息方差值；当方差值小于第一阈值，认定当前层为最优深度。方向预测方法包括：计算最优深度下预编码单元帧内预测模式平均值；在平均值及其二距邻的五种帧内预测模式中找出N个候选模式；对候选模式和MPM列表中的模式计算完整的率失真代价，选出最优帧内预测模式。在进行完所有预测之前决策出每个编码单元的最优深度并减少在搜索最优帧内预测模式时需要的计算次数，同时在非最优深度中跳过当前层预测，降低编码复杂程度。
📄 2020110384094
📂 H04N19_11
👤 中南大学
📅 2020-09-28
柿子坊 · 知识产权运营
柿子坊知识产权运营平台