高分辨率视频编码算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61073083
  • 项目类别：
    面上项目
  • 资助金额：
    33.0万
  • 负责人：
    熊瑞勤
  • 依托单位：
    北京大学
  • 学科分类：
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

随着电子信息技术的迅猛发展，视频在生活中的应用越来越普及和多样化，人们对视频品质的追求也越来越高。高分辨率（亦称高清晰度）是视频技术的一个重要发展方向，它在公共安全监控、航空航天、远程指挥、广播电视、数字娱乐等方面都有重要的价值。但是，因为数据量显著增加，它对视频的存储和传输也提出更大的挑战。另一方面，相比于普通低分辨率的视频，高分辨率视频具有更高的信号相关性、更规律的内部结构，从而理论上具有更大的压缩空间。目前，针对高分辨率视频的编码理论与算法研究还比较缺乏。本项目拟研究针对高分辨率视频的编码理论与算法。我们计划从高分辨率图像的统计特性入手，研究高分辨率图像的降维模型；结合多尺度分析，研究视频自适应采样和分辨率增强技术；对多尺度分析下的细节视频，基于其稀疏性和上下文环境，研究细节视频的编码；从而形成一套高效的高分辨率视频编码技术方案。

结项摘要

高分辨率是视频技术发展的一个重要趋势，在生活、教育、医疗、安全等各方面都具有重要的应用价值。高分辨率视频数据量庞大，同时也具有更高的信号相关性、更规律的内部结构，具有更高的压缩空间。本项目的目标是针对高分辨率视频，研究图像的统计特性，对图像信号进行统计建模；结合视频图像的多尺度、多分辨率表示，研究视频图像的自适应采样和分辨率增强；并基于图像的统计特性和图像分辨率增强技术，形成更高效的高分辨率视频编码技术方案。..在项目实施过程中，我们密切围绕着“更高效的高分辨率视频编码技术”这一研究目标开展了深入的研究，主要研究了以下问题：(1)图像的统计特性表示和建模；(2)图像的多尺度表示和分辨率增强；(3)基于多尺度表示的视频图像编码方法；(4) 基于高效统计模型的高质量视频图像解码及重建。..本项目取得的主要研究成果包括：(1)在论文方面，已在视频编码与图像处理领域具有重要影响的权威国际期刊上发表论文6篇，影响因子总和超过14；在主流国际会议上发表论文18篇；另外有国际期刊论文1篇和国际会议论文3篇已被录用；(2)本项目中关于利用图像的统计模型进行高质量视频图像重建的工作获得了IEEE国际会议“视频通讯与图像处理(VCIP)”2011年度最佳论文奖；(3)在专利方面，共申请了国家发明专利4项，已获得国家发明专利授权1项；(4)基于项目的研究成果，项目组成员参加了11次国际学术会议，进行会议论文宣讲并和国际同行进行学术交流，增强了在国际上的学术可见度；(5)本项目促进了对6名博士生、2名硕士生和1名博士后的培养。

项目成果

期刊论文数量（5）
专著数量（0）
科研奖励数量（0）
会议论文数量（18）
专利数量（2）
Interpolation-Dependent Image Downsampling
插值相关的图像下采样
  • DOI：
    10.1109/tip.2011.2158226
  • 发表时间：
    2011-11
  • 期刊：
    IEEE Transactions on Image Processing
  • 影响因子：
    10.6
  • 作者：
    Xiong, Ruiqin;Zhang, Jian;Zhang, Yongbing;Zhao, Debin;Gao, Wen
  • 通讯作者：
    Gao, Wen
Image Interpolation Via Regularized Local Linear Regression
通过正则化局部线性回归进行图像插值
  • DOI：
    10.1109/tip.2011.2150234
  • 发表时间：
    2011-12-01
  • 期刊：
    IEEE TRANSACTIONS ON IMAGE PROCESSING
  • 影响因子：
    10.6
  • 作者：
    Liu, Xianming;Zhao, Debin;Sun, Huifang
  • 通讯作者：
    Sun, Huifang
Image Compressive Sensing Recovery via Collaborative Sparsity
通过协作稀疏性进行图像压缩感知恢复
  • DOI：
    10.1109/jetcas.2012.2220391
  • 发表时间：
    2012-09-01
  • 期刊：
    IEEE JOURNAL ON EMERGING AND SELECTED TOPICS IN CIRCUITS AND SYSTEMS
  • 影响因子：
    4.6
  • 作者：
    Zhang, Jian;Zhao, Debin;Gao, Wen
  • 通讯作者：
    Gao, Wen

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于图像梯度的无线软传输
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    刘航帆;熊瑞勤;赵菁;李宏明;马思伟;高文
  • 通讯作者：
    高文

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

熊瑞勤的其他基金

高速连拍相机的图像重建技术研究
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    57 万元
  • 项目类别：
    面上项目
面向无线视频通信的视频软编码技术研究
  • 批准号：
    61772041
  • 批准年份：
    2017
  • 资助金额：
    65.0 万元
  • 项目类别：
    面上项目
基于稀疏建模的视频图像编码与重建方法研究
  • 批准号：
    61370114
  • 批准年份：
    2013
  • 资助金额：
    80.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码