基于线裁剪的数字视觉信息处理技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61370158
  • 项目类别:
    面上项目
  • 资助金额:
    73.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2017
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2017-12-31
  • 项目参与者:
    刘烨; 陈月; 杨小出; 程昔恩; 刘琉; 胡挺霄; 王硕鸿; 刘俊;
  • 关键词:

项目摘要

Recently with the boosting diversity of video devices (such as mobile phones, mobile video game devices, TVs, IPAD, IPhone, etc.), it becomes more and more necessary for people to display image and video content in the screens with different resolutions and aspect ratios. In order to convert the image/video to a new target resolution or aspect ratio while preserving the salient content, seam carving has been paid more and more attention, which will be widely used in different applications. However, there are still a lot of things to be done in order to realize efficient and effective seam carving. This project will propose several solutions in seam carving for digital image and video, which aims at establishing the technology system for seam carving. The outputs of this project are able to provide high quality service for different applications; therefore it has strong theoretical significance and practical application value.
近年来,随着移动通信技术的飞速发展和IPAD、IPhone等各种移动终端的普及,人们对于多媒体信息的使用需求越来越多,特别是希望对于数字图像和视频内容实现有效地处理(主要包括尺寸缩放、内容删减等)。线裁剪(Seam Carving)技术由于对数字图像和视频具有较好的处理效果,得到了越来越多研究者的关注,已成为当今多媒体信息处理领域的一项研究热点,并在各行各业中具有广泛的应用前景。然而,为了满足各项相关应用所需的高质量图像和视频需求,现有的一些算法在不同的环节上还存在一些不足,部分研究成果还处于空白。本项目拟重点研究数字图像和视频处理中线裁剪的关键技术,具体将围绕针对数字图像和视频研究进行展开,旨在建立一套线裁剪的关键技术体系,显著提高图像与视频的处理质量,有效地为各项相关应用提供高质量的服务,从而极大地支撑相关技术产业化的发展,具有很强的理论研究意义和现实应用价值。

结项摘要

本课题组自从承担项目以来,经过四年的努力,课题工作进展顺利,各项工作已完成,取得了较为丰硕的科研成果。具体来讲,针对图像处理,提出了一种基于Seam线的像素融合新算法,可以有效解决图像扭曲问题;针对视频处理,提出了基于匹配区域的Seam线查找算法,并设计了新的视频时间连贯性评判准则,显著提升了视频处理后的时间连贯性;针对图像质量评价,引入了新的图像特征训练神经网络用于图像客观质量评测,提升了和人主观感觉的一致性。相关科研成果陆续得到了国际著名期刊和学术会议的认可。共有15篇相关学术论文发表在国际著名的IEEE Transactions等国际期刊和学术会议上(全部标注本基金资助)。在所发表文章中,9篇即将或已被SCI收录,其中包括视频研究领域的国际著名期刊—IEEE TIP、IEEE TCSVT和IEEE TMM。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(6)
专利数量(0)
Codebook Guided Feature-Preserving for Recognition-Oriented Image Retargeting
用于面向识别的图像重定向的密码本引导特征保留
  • DOI:
    10.1109/tip.2017.2681840
  • 发表时间:
    2017-05
  • 期刊:
    Ieee Transactions ON Image Processing
  • 影响因子:
    10.6
  • 作者:
    Yan Bo;Tan Weimin;Li Ke;Tian Qi
  • 通讯作者:
    Tian Qi
Image Retargeting for Preserving Robust Local Feature: Application to Mobile Visual Search
用于保留鲁棒局部特征的图像重定向:在移动视觉搜索中的应用
  • DOI:
    10.1109/tmm.2015.2500727
  • 发表时间:
    2016
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Tan Weiming;Yan Bo;Li Ke;Tian Qi
  • 通讯作者:
    Tian Qi
Learning quality assessment of retargeted images
重新定位图像的学习质量评估
  • DOI:
    10.1016/j.image.2017.04.005
  • 发表时间:
    2017-08
  • 期刊:
    Signal Processing: Image Communication
  • 影响因子:
    --
  • 作者:
    Bo Yan;Bahetiyaer Bare;Ke Li;Jun Li;Alan C. Bovik
  • 通讯作者:
    Alan C. Bovik
Salient object detection via multiple saliency weights
通过多个显着性权重进行显着目标检测
  • DOI:
    10.1007/s11042-017-4725-7
  • 发表时间:
    2017-05
  • 期刊:
    Multimedia Tools and Applications
  • 影响因子:
    3.6
  • 作者:
    Tan Weimin;Yan Bo
  • 通讯作者:
    Yan Bo
A survey on high coherence visual media retargeting: recent advances and applications
高一致性视觉媒体重定向调查:最新进展和应用
  • DOI:
    10.1007/s11704-016-6084-3
  • 发表时间:
    2016-10
  • 期刊:
    Frontiers of Computer Science
  • 影响因子:
    4.2
  • 作者:
    Tan Weimin;Yan Bo
  • 通讯作者:
    Yan Bo

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

基于卷积神经网络的用户感知评估建模
  • DOI:
    10.16183/j.cnki.jsjtu.2019.07.011
  • 发表时间:
    2019
  • 期刊:
    上海交通大学学报
  • 影响因子:
    --
  • 作者:
    颜波;张磊;褚学宁
  • 通讯作者:
    褚学宁
基于渠道溢出效应的在线渠道协调研究
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    运筹与管理
  • 影响因子:
    --
  • 作者:
    王滔;颜波
  • 通讯作者:
    颜波
Single layer atom chip for magnetically trapping one-dimensional array of ultracold atoms
用于磁捕获一维超冷原子阵列的单层原子芯片
  • DOI:
    10.1088/1674-1056/19/8/083205
  • 发表时间:
    2010
  • 期刊:
    Chinese Physics B
  • 影响因子:
    1.7
  • 作者:
    程峰;颜波;柯敏;王育竹;Cheng Feng,Yan Bo,Ke Min,;Wang Yu-Zhu The Labor
  • 通讯作者:
    Wang Yu-Zhu The Labor
维生素D受体基因多态性位点rs7975232与肺癌发病风险的相关性
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    中国医药
  • 影响因子:
    --
  • 作者:
    李榕;楼煜清;颜波;马美丽;裴俊;韩宝惠
  • 通讯作者:
    韩宝惠
基于深度学习的人工智能辅助诊断在食管早癌中的应用
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中华消化内镜杂志
  • 影响因子:
    --
  • 作者:
    蔡世伦;阿依木克地斯·亚力孔;李染;颜波;姚礼庆;周平红;钟芸诗
  • 通讯作者:
    钟芸诗

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

颜波的其他基金

真实场景下的深层感知与多元耦合智能计算研究
  • 批准号:
    U2001209
  • 批准年份:
    2020
  • 资助金额:
    255 万元
  • 项目类别:
    联合基金项目
移动视觉搜索中基于特征保持的图像智能缩放技术研究
  • 批准号:
    61772137
  • 批准年份:
    2017
  • 资助金额:
    66.0 万元
  • 项目类别:
    面上项目
数字视觉信息修复及重构的关键技术研究
  • 批准号:
    61073067
  • 批准年份:
    2010
  • 资助金额:
    32.0 万元
  • 项目类别:
    面上项目
基于Ad Hoc网络的流媒体传输关键技术研究
  • 批准号:
    60703034
  • 批准年份:
    2007
  • 资助金额:
    20.0 万元
  • 项目类别:
    青年科学基金项目

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