期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于JND和AR模型的感知视频编码方法(英文)
被引量:
1
1
作者
王翀
赵力
邹采荣
《Journal of Southeast University(English Edition)》
EI
CAS
2010年第3期384-388,共5页
为了达到减少比特数同时保持画面质量的目的,提出了一种基于最小可视失真(JND)和自回归(AR)模型的感知视频编码方法.首先,设计了基于JND的纹理分割算法,建立了空时JND模型,以MB为基本单元,通过计算其JND能量并与阈值做比较,用以分割出...
为了达到减少比特数同时保持画面质量的目的,提出了一种基于最小可视失真(JND)和自回归(AR)模型的感知视频编码方法.首先,设计了基于JND的纹理分割算法,建立了空时JND模型,以MB为基本单元,通过计算其JND能量并与阈值做比较,用以分割出视频序列中的纹理区域.然后,开发了AR模型来合成纹理区,在使用最小二乘法计算出AR模型的参数后,用相邻的前后参考帧对应像素的线性插值来生成重构像素.最后,为了检验所提方法的效果,将其与H.264/AVC视频编码系统做比较,用不同的视频序列实验来验证所提方法的有效性.实验结果显示,对于具有不同纹理特点的实验序列,所提方法可以在保持感知质量的同时将比特率减少15%~58%.
展开更多
关键词
感知视频编码
纹理合成
最小可视失真
AR模型
下载PDF
职称材料
基于DWME-KSVD的分布式视频压缩感知编码研究
2
作者
段桧蓉
王浩全
《电子制作》
2024年第10期118-120,100,共4页
分布式视频压缩感知编解码(DCVS)是一种全新视频编码方法,其边信息质量直接影响视频重构质量。针对视频重构质量较差的问题,提出运动估计双重自适应加权边信息生成算法(DWME),通过帧插值和运动估计产生的边信息进行自适应加权从而产生...
分布式视频压缩感知编解码(DCVS)是一种全新视频编码方法,其边信息质量直接影响视频重构质量。针对视频重构质量较差的问题,提出运动估计双重自适应加权边信息生成算法(DWME),通过帧插值和运动估计产生的边信息进行自适应加权从而产生一个较为稳定的边信息。利用DWME边信息和K均值奇异值分解(K-SVD)算法训练生成字典,根据训练出的字典进行视频重建。实验数据表明,与双向运动估计字典边信息生成算法(ME-KSVD)、运动估计双重均值字典边信息生成算法(DMME-KSVD)相比,DWME-KSVD算法的峰值信噪比(PSNR)分别提高约0.5dB-1.5dB、0.2dB-0.5dB,具有较好的视频重建效果。
展开更多
关键词
压缩
感知
边信息
K-SVD算法
分布式
视频
压缩
感知
编码
下载PDF
职称材料
基于感知的视频编码方法综述
被引量:
16
3
作者
蒋刚毅
朱亚培
+1 位作者
郁梅
张云
《电子与信息学报》
EI
CSCD
北大核心
2013年第2期474-483,共10页
基于感知的视频编码方法是目前视频编码的研究热点。该文综合论述了基于感知的视频编码方法,重点阐述了基于感知的3维视频编码方法。首先,对目前利用人类视觉系统中的亮度、对比敏感度、中心凹等视觉感知特性的单视点视频编码方法进行...
基于感知的视频编码方法是目前视频编码的研究热点。该文综合论述了基于感知的视频编码方法,重点阐述了基于感知的3维视频编码方法。首先,对目前利用人类视觉系统中的亮度、对比敏感度、中心凹等视觉感知特性的单视点视频编码方法进行分析并指出其存在的问题。然后,对基于立体感兴趣区域和双目敏感度特性的3维视频感知编码方法进行了分析和论述。最后,就基于感知的视频编码方法的进一步发展提出了若干技术与研究方向的展望。
展开更多
关键词
感知视频编码
人类视觉系统
视觉
感知
单视点
视频
编码
3维
视频
编码
下载PDF
职称材料
“双Vivid”超高清制播全链路平台建设
4
作者
谭嵩
李明
+2 位作者
罗准
周士琪
李云龙
《广播与电视技术》
2024年第8期36-40,共5页
本文介绍了芒果TV建设面向高动态视频HDR Vivid和三维声Audio Vivid标准的超高清制播全链路平台的实践方案,针对大型综艺节目超高清制作投入成本高、HDR Vivid和Audio Vivid标准制播全链路软硬件条件还不成熟、网络视听平台超高清分发...
本文介绍了芒果TV建设面向高动态视频HDR Vivid和三维声Audio Vivid标准的超高清制播全链路平台的实践方案,针对大型综艺节目超高清制作投入成本高、HDR Vivid和Audio Vivid标准制播全链路软硬件条件还不成熟、网络视听平台超高清分发播出运营成本高等难点给出了解决问题的一些思路和方法。
展开更多
关键词
超高清云制作
HDR
Vivid
Audio
Vivid
上变换
音频分离
感知视频编码
下载PDF
职称材料
显著图联合改进的JND模型
5
作者
肖贺
涂钦
门爱东
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2017年第2期79-83,共5页
提出一种改进的基于显著性检测图联合估计恰可失真(JND)阈值的视觉感知模型,将人眼注意力机制引入JND模型,通过感知特点建模得到更为精确的JND模型.首先通过改进的显著性检测算法得到相应的显著图,在计算JND阈值的过程中,使用显著图来...
提出一种改进的基于显著性检测图联合估计恰可失真(JND)阈值的视觉感知模型,将人眼注意力机制引入JND模型,通过感知特点建模得到更为精确的JND模型.首先通过改进的显著性检测算法得到相应的显著图,在计算JND阈值的过程中,使用显著图来分配不同的权重给JND模型,并针对色度和亮度的不同给予不同的权重.基于空域的JND模型主要用在计算图像中的平坦区域;而基于DCT域的JND模型更加适合计算纹理区域的阈值,新的模型还同时考虑加入对比敏感度函数和各种掩蔽效应因子.将改进的JND模型融合到新的视频编码软件HM16.4中,实验结果表明,与HEVC标准的数据对比,视觉感知质量没有明显下降.
展开更多
关键词
感知视频编码
人眼视觉系统
显著性检测
恰可失真模型
原文传递
题名
基于JND和AR模型的感知视频编码方法(英文)
被引量:
1
1
作者
王翀
赵力
邹采荣
机构
东南大学信息科学与工程学院
出处
《Journal of Southeast University(English Edition)》
EI
CAS
2010年第3期384-388,共5页
基金
The National Natural Science Foundation of China (No.60472058, 60975017)
文摘
为了达到减少比特数同时保持画面质量的目的,提出了一种基于最小可视失真(JND)和自回归(AR)模型的感知视频编码方法.首先,设计了基于JND的纹理分割算法,建立了空时JND模型,以MB为基本单元,通过计算其JND能量并与阈值做比较,用以分割出视频序列中的纹理区域.然后,开发了AR模型来合成纹理区,在使用最小二乘法计算出AR模型的参数后,用相邻的前后参考帧对应像素的线性插值来生成重构像素.最后,为了检验所提方法的效果,将其与H.264/AVC视频编码系统做比较,用不同的视频序列实验来验证所提方法的有效性.实验结果显示,对于具有不同纹理特点的实验序列,所提方法可以在保持感知质量的同时将比特率减少15%~58%.
关键词
感知视频编码
纹理合成
最小可视失真
AR模型
Keywords
perceptual video coding
texture synthesis
just-noticeable-distortion
AR model
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于DWME-KSVD的分布式视频压缩感知编码研究
2
作者
段桧蓉
王浩全
机构
中北大学信息与通信工程学院
出处
《电子制作》
2024年第10期118-120,100,共4页
文摘
分布式视频压缩感知编解码(DCVS)是一种全新视频编码方法,其边信息质量直接影响视频重构质量。针对视频重构质量较差的问题,提出运动估计双重自适应加权边信息生成算法(DWME),通过帧插值和运动估计产生的边信息进行自适应加权从而产生一个较为稳定的边信息。利用DWME边信息和K均值奇异值分解(K-SVD)算法训练生成字典,根据训练出的字典进行视频重建。实验数据表明,与双向运动估计字典边信息生成算法(ME-KSVD)、运动估计双重均值字典边信息生成算法(DMME-KSVD)相比,DWME-KSVD算法的峰值信噪比(PSNR)分别提高约0.5dB-1.5dB、0.2dB-0.5dB,具有较好的视频重建效果。
关键词
压缩
感知
边信息
K-SVD算法
分布式
视频
压缩
感知
编码
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于感知的视频编码方法综述
被引量:
16
3
作者
蒋刚毅
朱亚培
郁梅
张云
机构
宁波大学信息科学与工程学院宁波
中国科学院深圳先进技术研究院深圳
出处
《电子与信息学报》
EI
CSCD
北大核心
2013年第2期474-483,共10页
基金
国家自然科学基金(61271270,61071120,61102088,61111140392)
浙江省自然科学基金(Y1101240)资助课题
文摘
基于感知的视频编码方法是目前视频编码的研究热点。该文综合论述了基于感知的视频编码方法,重点阐述了基于感知的3维视频编码方法。首先,对目前利用人类视觉系统中的亮度、对比敏感度、中心凹等视觉感知特性的单视点视频编码方法进行分析并指出其存在的问题。然后,对基于立体感兴趣区域和双目敏感度特性的3维视频感知编码方法进行了分析和论述。最后,就基于感知的视频编码方法的进一步发展提出了若干技术与研究方向的展望。
关键词
感知视频编码
人类视觉系统
视觉
感知
单视点
视频
编码
3维
视频
编码
Keywords
Perceptual video coding
Human visual system
Visual perception
Single-view video coding
Three-dimensional video coding
分类号
TN919.81 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
“双Vivid”超高清制播全链路平台建设
4
作者
谭嵩
李明
罗准
周士琪
李云龙
机构
湖南快乐阳光互动娱乐传媒有限公司
出处
《广播与电视技术》
2024年第8期36-40,共5页
文摘
本文介绍了芒果TV建设面向高动态视频HDR Vivid和三维声Audio Vivid标准的超高清制播全链路平台的实践方案,针对大型综艺节目超高清制作投入成本高、HDR Vivid和Audio Vivid标准制播全链路软硬件条件还不成熟、网络视听平台超高清分发播出运营成本高等难点给出了解决问题的一些思路和方法。
关键词
超高清云制作
HDR
Vivid
Audio
Vivid
上变换
音频分离
感知视频编码
Keywords
UHD cloud production
HDR vivid
Audio vivid
Up-conversion
Audio separation
Perceptual video coding
分类号
TN948.13 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
显著图联合改进的JND模型
5
作者
肖贺
涂钦
门爱东
机构
北京邮电大学通信工程学院
出处
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2017年第2期79-83,共5页
基金
国家自然科学基金项目(61671077)
文摘
提出一种改进的基于显著性检测图联合估计恰可失真(JND)阈值的视觉感知模型,将人眼注意力机制引入JND模型,通过感知特点建模得到更为精确的JND模型.首先通过改进的显著性检测算法得到相应的显著图,在计算JND阈值的过程中,使用显著图来分配不同的权重给JND模型,并针对色度和亮度的不同给予不同的权重.基于空域的JND模型主要用在计算图像中的平坦区域;而基于DCT域的JND模型更加适合计算纹理区域的阈值,新的模型还同时考虑加入对比敏感度函数和各种掩蔽效应因子.将改进的JND模型融合到新的视频编码软件HM16.4中,实验结果表明,与HEVC标准的数据对比,视觉感知质量没有明显下降.
关键词
感知视频编码
人眼视觉系统
显著性检测
恰可失真模型
Keywords
perceptual video coding
human visual system
contrast sensitivity function
just noticeable distortion
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于JND和AR模型的感知视频编码方法(英文)
王翀
赵力
邹采荣
《Journal of Southeast University(English Edition)》
EI
CAS
2010
1
下载PDF
职称材料
2
基于DWME-KSVD的分布式视频压缩感知编码研究
段桧蓉
王浩全
《电子制作》
2024
0
下载PDF
职称材料
3
基于感知的视频编码方法综述
蒋刚毅
朱亚培
郁梅
张云
《电子与信息学报》
EI
CSCD
北大核心
2013
16
下载PDF
职称材料
4
“双Vivid”超高清制播全链路平台建设
谭嵩
李明
罗准
周士琪
李云龙
《广播与电视技术》
2024
下载PDF
职称材料
5
显著图联合改进的JND模型
肖贺
涂钦
门爱东
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2017
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部