检索结果-南通市图书馆

北京工业大学学报 2024年第9期50卷 1069-1076页

作者：于海杨磊高阳刘枫琪刘鹏宇孙萱张悦河南九域恩湃电力技术有限公司郑州450000 北京工业大学信息学部北京100124 先进信息网络北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对现有压缩视频质量增强算法未能充分利用压缩视频特点的问题,研究了视频编码与压缩视频质量增强任务之间的本质关系,并针对性地设计了一种基于三维卷积神经网络(3D convolutional neural network, 3D-CNN)的非对齐压缩视频质量增强... 详细信息

针对现有压缩视频质量增强算法未能充分利用压缩视频特点的问题,研究了视频编码与压缩视频质量增强任务之间的本质关系,并针对性地设计了一种基于三维卷积神经网络(3D convolutional neural network, 3D-CNN)的非对齐压缩视频质量增强算法。实验结果表明:相较于高效视频编码(high efficiency video coding, HEVC)标准H.265,所提算法在低延迟(low delay, LD)配置下且量化参数(quantization parameter, QP)为37时,峰值信噪比(peak signal-to-noise ratio, PSNR)提升了0.465 2 dB;相较于数据压缩会议(data compression conference, DCC)中提出的多帧引导的注意力网络(multi-frame guided attention network, MGANet)方法,该算法PSNR的增长量提升了15.1%。

关键词：视频编码高效视频编码(high efficiency video coding,HEVC) 压缩视频质量增强深度学习卷积神经网络(convolutional neural network,CNN) 三维卷积神经网络(3D convolutional neural network,3D-CNN)

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的压缩视频质量增强方法研究与应用

基于深度学习的压缩视频质量增强方法研究与应用

引用

作者：王泽洋电子科技大学

学位级别：硕士

近年来,全球视频数据增长迅速,但由于网络带宽和存储空间的限制,视频通常以有损压缩方式保存。视频编解码算法在大大降低视频码率的同时也会给视频质量带来不可逆的损失,因此,提高压缩视频质量成为了急需解决的问题。深度学习技术的发展... 详细信息

近年来,全球视频数据增长迅速,但由于网络带宽和存储空间的限制,视频通常以有损压缩方式保存。视频编解码算法在大大降低视频码率的同时也会给视频质量带来不可逆的损失,因此,提高压缩视频质量成为了急需解决的问题。深度学习技术的发展,让许多学者开始使用这种技术来提高压缩视频质量。然而,目前的技术仍然存在一些问题,例如空间信息利用不充分,难以在工业上应用等。本文基于现有的深度学习技术提出了两种算法来解决这些问题,并将其应用到监控系统中。本文的主要工作可以分为以下三点:第一,提出了时空信息平衡的观点,以解决峰值质量帧和非峰值质量帧的统一建模挑战,并基于此设计了一个即插即用的时空信息平衡模块。该模块采用空间注意力网络来精炼对齐的时间特征,并通过重对齐和通道注意力机制平衡时空信息的比例。该模块适用于现有的基于先对齐后增强的多帧质量增强架构。本文使用该模块与现有的多帧视频质量增强模型相结合,并进行实验。实验结果表明,该方法超越了现有的具有代表性的多帧质量增强方法。第二,提出了一种无源无监督领域自适应方法,用于压缩视频质量增强模型。该方法在只有预训练模型和无标签目标域视频的情况下即可完成模型的训练更新,并提高了模型在目标域上的增强效果。在相同QP和不同QP下的迁移实验中,我们证明了该方法的可行性,并得出了三个重要结论:(1)人工分类不能很好地表征视频数据之间的实际分布差异;(2)同QP下,QP越高,迁移效果越好;(3)不同QP下,向高QP迁移比向低QP迁移效果更好。第三,设计并实现了一个基于C/S架构的智能视频监控系统。该系统包括视频采集、编码、传输、解码和播放等功能。我们将本文提出的两个算法应用到系统中,实现了监控视频的实时增强和模型的在线学习更新。总的来说,本文成功展示了时空信息平衡模块的有效性,揭示了现有多帧增强方法对空间信息利用不足的问题,并提示未来研究工作需要考虑如何更好地平衡时空信息。同时,本文还首次提出了无源无监督领域自适应方法,成功应用于质量增强领域,充分展现了其巨大潜力。此外,本文还设计并成功实现了智能视频监控系统,进一步验证了本文提出的方法的可行性与实用性。

关键词：压缩视频质量增强深度学习时空信息融合无监督领域自适应视频监控

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

知识启发的HDR视频重建算法研究

知识启发的HDR视频重建算法研究

引用

作者：王虎电子科技大学

学位级别：硕士

随着生活水平的提高,人们对于视觉体验的要求也越来越高,特别是在电影、游戏、电视等视觉娱乐领域,人们对于画面的细节、色彩的鲜艳度等都有着更高的要求。而这些都需要更高的动态范围来支撑。因此,高动态范围(HDR)视频重建方面的研究... 详细信息

随着生活水平的提高,人们对于视觉体验的要求也越来越高,特别是在电影、游戏、电视等视觉娱乐领域,人们对于画面的细节、色彩的鲜艳度等都有着更高的要求。而这些都需要更高的动态范围来支撑。因此,高动态范围(HDR)视频重建方面的研究和应用已经成为了视觉艺术领域的研究热点。然而,HDR视频的重建是一个非常复杂的问题,现有的方法要么未考虑约束解空间,要么仅仅简单的逆相机成像管道,而没有直接构建一个统一的HDR的成像过程。同时,现在的HDR视频重建工作并没有考虑一个实际的问题,即大量的标准动态范围(SDR)视频被压缩处理来满足节省存储空间等需求。除此之外,由于现有的研究方案集中于SDR到HDR视频的重建,而对一个具有现实意义的问题,压缩域HDR到HDR视频质量增强并没有给予过多的关注。而这些都是HDR视频重建过程中非常重要的问题。基于上述HDR视频重建面临的问题,本文围绕着相机成像管道从多角度对如今HDR视频重建方面出现的问题以及研究人员忽视的问题进行广泛研究。本文首先调研了国内外HDR视频重建方面的相关方案,然后针对现有方案的不足及目前的研究缺失的内容,展开了三个相关的研究工作,总结如下:1.本文通过分析相机成像管道数学公式,逆向推导出HDR图像成像公式,之后本文通过卷积神经网络模拟该公式来重建HDR图像/视频。同时修正了UNet网络中跳连结构在HDR问题上的不适应性。相比于之前的方法,该方法能够减少HDR图像/视频重建问题的解空间,生成更真实的HDR图像/视频。2.本文提出并解决了一个新的问题,即压缩域HDR到HDR视频重建问题。通过分析SDR视频压缩方案,本文将压缩视频的先验知识融入推导出来的HDR图像重建数学公式中,从而提高重建HDR视频的质量。3.本文提出了一个新的具有实际意义的研究方向,压缩域HDR视频质量增强。为了促进研究人员对该问题的探索,本文提出了首个压缩域HDR视频质量增强数据集,并在该数据集的基础上,本文构建了与之对应的深度学习模型。该模型能够提高压缩域HDR视频的质量,以节省HDR视频传输中码率。

关键词：图像生成高动态范围成像压缩视频质量增强 HDR视频重建

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人工智能的编码损伤修复与视频超分辨率协同处理算法研究

基于人工智能的编码损伤修复与视频超分辨率协同处理算法研究

引用

作者：吴珊西安电子科技大学

学位级别：硕士

随着互联网与流媒体技术的发展,越来越高质量的视频逐渐成为当今网络数据流量的主流,且其数据体量有愈发庞大的趋势。但实际应用中,由于视频采集设备的限制,导致许多视频的分辨率不足;再经极端带宽条件传输后,视频质量会大大降低。这类... 详细信息

随着互联网与流媒体技术的发展,越来越高质量的视频逐渐成为当今网络数据流量的主流,且其数据体量有愈发庞大的趋势。但实际应用中,由于视频采集设备的限制,导致许多视频的分辨率不足;再经极端带宽条件传输后,视频质量会大大降低。这类视频的质量增强不仅要考虑下采样损伤的修复还要考虑编码损伤的修复,即需要从低质量的低分辨率视频中恢复高质量的高分辨率视频。截至目前,压缩视频质量增强方法和超分辨率方法已经取得了重大成就。但是,压缩视频质量增强方法致力于从同分辨率的编码视频中恢复高质量视频,未考虑超分辨率;超分辨率方法致力于从低分辨率视频图像中恢复高分辨率视频图像,未考虑编码损伤。所以,现有的这些方法不能很好地应用于实际应用中这类视频的质量增强。其中一个解决方案是将这类低分辨率编码视频的质量增强分为压缩视频质量增强和视频超分辨率两个子任务,然后联合现有的压缩视频质量增强方法和超分辨率方法形成一种两阶段方法来实现这类视频的质量增强。但是,这两个子任务之间是有关联性的,独立地处理不能很好地利用它们之间的信息,导致不能很好地实现该任务。为了解决上述问题,本论文提出了一个单阶段方法能有效地处理实际应用中多重退化视频的质量增强问题,即基于人工智能的编码损伤修复与视频超分辨率协同处理的框架(FM-VSR)。该框架由压缩视频质量增强子网络和视频超分辨率子网络组成,在每个子网络中,首先使用精细化的可变形回归金字塔模块来实现参考帧和相邻帧的对齐;然后,利用时空注意力结构实现帧融合;最后,在重建模块中引入了致密型跳跃连接结构来预测高质量的视频帧。方案中设计了特征复用结构:视频超分辨率子网络中的参考帧融合结构、DRP结构中的局部信息复用结构、介于两个子网络之间的信息补偿跳跃结构以及两个子网络中的DRA结构中的注意力跳跃连接结构,来帮助网络更有效地利用浅层信息,并辅助视频超分辨率子网络更好地利用压缩视频质量增强子网络中的信息;训练时,在压缩视频质量增强子网络中引入低分辨率未经编码的视频作为中间标签辅助网络训练,进而实现更好的性能。在基准数据集上进行的大量实验表明,本方案在定量和定性方面都比最先进的两阶段方法具有更好的性能。客观上,在QP=32编码的HEVC标准测试集上本方案的PSNR指标优于两阶段算法1.26d B～8.33d B;在以QP=32编码的Vid4标准测试集上本方案的PSNR指标优于两阶段算法0.32d B～3.35d B;参数上,两阶段算法中表现最出色的是STDF+EDVR算法,其参数量是21.6M,而本方案的参数量是7.1M,仅是性能最优的两阶段算法的1/3参数量,处理性能却远远高于该两阶段方案。主观上,本方案相较于其余两阶段算法实现了最优的视觉修复效果,本方案可以在恢复高分辨率视频的同时还可以很好地修复压缩伪影并恢复更精细的纹理细节信息。

关键词：深度学习神经网络压缩视频质量增强超分辨率

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：