可视媒体大数据的智能处理技术与系统

1 绪论 1.1 引言 1.2 研究现状 1.2.1 智能压缩技术 1.2.2 画质增强技术 1.2.3 编辑与处理技术 1.2.4 质量评价 1.2.5 结构分析技术 1.2.6 人脸大数据分析与处理技术 1.2.7 智能服务技术 1.3 本书的主要贡献和成果 参考文献 2 可视媒体大数据的智能压缩技术 2.1 引言 2.2 图像压缩 2.2.1 图像压缩算法 2.2.2 JPEG图像压缩算法 2.3 质量评价 2.3.1 图像质量主观评价方法 2.3.2 图像质量客观评价方法 2.4 定制化重压缩 2.4.1 算法框架 2.4.2 初始化 2.4.3 图像重编码 2.4.4 客观质量评估 2.4 5流程控制 2.4.6 主观评价 2.4.7 定制服务 2.5 本章小结 参考文献 3 可视媒体大数据的画质增强技术 3.1 引言 3.2 边缘锐化 3.2.1 锐度增强概述 3.2.2 锐度特征表示 3.2.3 基于相似度计算的梯度变换 3.2.4 梯度域图像重建 3.2.5 基于锐度分布的评价模型 3.3 去运动模糊 3.3.1 去运动模糊概述 3.3.2 锐度增强 3 3.3 特征边选择 3.3.4 模糊核估计 3.3.5 快速反卷积计算 3.3.6 实验结果 3.4 增强优化 3.4.1 增强模型 3.4.2 字典训练 3.4.3 稀疏重建 3.4.4 实验结果 3.5 本章小结 参考文献 4 可视媒体大数据的编辑与处理技术 4.1 引言 4.2 图像缩放 4.2.1 图像缩放技术研究现状 4.2.2 基于形状感知的小缝裁剪图像缩放方法 4.2.3 基于缝裁剪和变形的图像缩放方法 4 2.4 视频缩放技术研究现状 4.2.5 基于缝裁剪的逐帧优化视频缩放方法 4.3 抠图技术 4.3.1 图像抠图技术研究现状 4.3.2 基于透明度抠图的统一框架 4.3.3 视频抠图技术研究现状 4.3.4 抠图统一框架在视频中的应用 4 4融合技术 4.4.1 图像融合技术研究现状 4.4.2 视频融合技术研究现状 4.4.3 基于优化3D均值坐标的视频融合算法 4.5 本章小结 参考文献 5 可视媒体大数据的结构分析技术 5.1 引言 5.2 显著性图提取 5.2.1 图像显著性检测技术研究现状 5.2 2基于粗粒度的贝叶斯模型显著性检测算法 5.2.3 视频显著性技术研究方向 5.3 本征分解 5.3 1 基于L。稀疏优化的本征图像分解 5.3.2 基于多尺度度量和稀疏性的本征图像分解 5.4 本章小结 参考文献 6 人脸大数据的检测与配准技术 6.1 引言 6.2 人脸检测 6.2.1 人脸检测算法的分类 6.2 2常用的人脸检测公开数据集 6.3 人脸配准 6.3.1 人脸配准算法的分类 6.3.2 常用的人脸配准公开数据集 6.3.3 人脸配准算法举例 6.4 本章小结 参考文献 7 人脸大数据的验证与识别技术 7.1 引言 7.2 研究现状 7.3 基于Sigmoid函数的非线性人脸验证 7.3.1 相关工作 7.3.2 算法思想 7.3.3 实验结果 7.3.4 总结与讨论 7.4 本征年龄无关人脸识别方法EARC 7.4.1 相关工作 7.4.2 算法思想 7.4.3 实验结果 。7.4.4 总结与讨论 7.5 基于鲁棒特征编码的年龄无关人脸识别方法FMEM 7.5.1 算法思想 7.5.2 实验结果 7.5.3 总结与讨论 7.6 本章小结 参考文献 8 可视媒体大数据的智能服务系统 8.1 引言 8.2 大数据智能服务平台 8.2.1 研究背景 8.2.2 详细研究内容 8.2.3 技术创新点 8.2.4 用户单位评价 8.3 大数据智能压缩系统 8.3.1 研究背景 8.3.2 研究目标 8.3.3 研究内容 8.3.4 研究方法 8.4 可视媒体大数据的应用示范 8.4.1 具体应用情况 8.4.2 微众银行 8.5 本章小结 参考文献 索引