专利交易市场

本发明公开了一种基于像素级奖励机制的以图藏图方法及系统，在进行秘密图像隐藏时，将彩色载体图像和灰度秘密图像输入到训练好的图藏图网络中，生成含密图像；在进行秘密图像提取时，将含密图像输入到训练好的图藏图网络中，得到重构秘密图像；以图藏图网络的训练，包括：利用图像级联隐藏网络、基于U‑Net++结构的重构网络和裁判网络构建图藏图网络；根据图像级联隐藏网络的损失函数、基于U‑Net++结构的重构网络的损失函数和裁判网络的判别结果以及像素级奖励矩阵构建图藏图网络的的总损失函数；以总损失函数最小为目标优化以图藏图网络进行训练，得到训练好的以图藏图网络。优点：本发明具有高隐蔽性，高安全性以及高计算效率。

本发明涉及一种VVC帧内预测角度模式快速选择方法，包括：计算模式2、18、34、50、66的SATD值，并比较五个模式SATD值以得到最小SATD值对应的模式i0；计算模式i0‑8和i0+8的SATD值，并比较模式i0、i0‑8、i0+8的SATD值以得到最小SATD值对应的模式i1；其中，若模式i0‑8或i0+8不存在，则不进行计算；若具有最小SATD值的模式为i1＝2或i1＝66，则转至S4；否则，计算第i1‑4和i1+4模式的SATD值，并比较模式i1、i1‑4、i1+4的SATD值以得到最小SATD值对应的模式i2；确定RDO模式集合，并采用VVC的RDO技术计算RDO模式集合中每种角度模式的RDO值，选择RDO值最小的角度模式作为最优角度模式。本发明有效降低了VVC帧内编码时间和复杂度。

本发明涉及视频质量评价技术领域，具体涉及一种窗口六自由度合成视频的客观质量评价方法，包括：获取待评价的窗口六自由度合成视频作为目标合成视频；将目标合成视频分解成若干个时空域；分别在对应的时空域中评估目标合成视频的绘制失真、视点路径不适性和压缩失真；对目标合成视频的绘制失真、视点路径不适性和压缩失真进行加权计算，得到对应的客观质量评价分数。本发明全面考虑了窗口六自由度视频的各种失真，能够有效评价窗口六自由度视频多维度视点切换引起的视觉不适感，从而提高窗口六自由度合成视频客观质量评价的全面性和效果，并与人眼主观感知质量保持高度一致性。

本申请属于全景视频数据处理方法技术领域，尤其涉及一种VR全景视频信息处理方法。包括优化视频帧内编码的步骤，所述优化视频帧内编码的步骤包括编码单元处理过程；所述编码单元处理过程包括如下步骤：S1、基于编码树单元门限值划分图像编码区域；S2、基于率失真优化值的建立不同区域的剪枝决策样本属性；S3、基于剪枝决策样本属性的预划分决策样本属性；S4、建立边缘区域64*64尺寸的编码单元的剪枝决策树；本申请中的通过改良其递归分区划分的步骤，能够基于已编码单元快速进行区域划分的关联性决策属性，有效提高HEVC四叉树编码方法的帧内预测效率，提高其准确度，对于改善全景视频的编码加码效率，同时避免局部失真变形具有良好效果。

本发明公开一种基于时空信息平衡的压缩视频质量增强方法，应用于视频处理领域，针对现有压缩技术存在的视频质量下降的问题；本发明采用了一个可即插即用的时空信息平衡模块，通过提取空间特征与时间特征，并对提取的时间特征与空间特征在特征空间中再次对齐；能够有效的去除对齐引入的噪声以及冗余的时间信息；同时能够自适应平衡时空信息占比，解决了PQF与non‑PQF的统一建模问题。能显著提高现有的视频质量增强方法的效果。

本发明涉及一种基于模型分割压缩自编码器的图像压缩算法包括：图像数据集的获取、数据集的预处理、构建MS‑CAE网络模型、MS‑CAE网络模型的训练。MS‑CAE网络模型包括：编码网络和解码网络；所述编码网络及其权值参数部署在边缘设备，用于对输入的像素块进行压缩；所述解码网络及其权值参数部署在云端设备，用于获取压缩后的像素块，对其进行升维，得到升维后的像素块；将所述升维后的像素块进行拼接，重构处完整的图像。本发明针对传感网络节点和云端的计算资源特眯，优化了图像压缩模型的模型复杂度和重构图像质量，获得了良好的效果。

本发明涉及视频信号压缩技术领域，具体涉及一种建筑施工智慧管理系统；首先分割每一帧的图像获得像素块，根据相邻帧对应像素块的灰度差异获得帧间差异图，根据帧间差异图中的灰度特征获得相邻帧对应像素块的差异偏向趋势；根据相邻帧的像素块内的灰度差异特征获得相邻帧相关系数。根据相邻帧相关系数、差异偏向趋势和像素块灰度特征获得同源程度和图像的近似程度。最终本发明根据近似程度确定图像的取舍以及自适应设置低通滤波器获得过滤图像，对过滤图像进行图像压缩，提高压缩效率以及信息完整性，进而提高了施工管理监测的效率与准确性。