[发明专利]一种基于性格特征的个性化图像美学评价方法有效
| 申请号： | 201910006656.7 | 申请日： | 2019-01-04 |
| 公开（公告）号： | CN109902912B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 李雷达;祝汉城;周玉;胡波;陈鹏飞 | 申请（专利权）人： | 中国矿业大学 |
| 主分类号： | G06V10/766 | 分类号： | G06V10/766;G06V10/20;G06V10/82;G06N3/0464;G06N3/048;G06N3/096 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 许方 |
| 地址： | 221116 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明为一种基于性格特征的个性化图像美学评价方法，方法包括如下步骤：(1)利用美学图像数据集中的多数人对图像的平均美学分数，经过深度网络进行训练建立图像的大众化美学评价模型；(2)利用性格图像数据集中的图像和偏好此图像个体的性格特征，经过深度网络进行训练建立图像的性格特征预测模型；(3)利用美学图像数据集中特定个体对图像个性化美学分数，利用步骤(1)、(2)中已建立模型预测得到图像的大众化美学分数和性格特征，把性格特征作为辅助信息把图像美学评价结果由大众化领域迁移到个性化领域得到图像个性化美学评价模型；(4)对于待测试美学图像，利用已建立的个性化美学评价模型，实现个体个性化美学评价。 | ||
| 搜索关键词： | 一种 基于 性格特征 个性化 图像 美学 评价 方法 | ||
【主权项】：
1.一种基于性格特征的个性化图像美学评价方法，其特征在于，该方法包括如下步骤：(1)采集美学图像数据集，性格图像数据集，个性化图像数据集；(2)对上述三种数据集中的图像进行预处理；(3)构建待训练的图像美学评价网络模型和图像性格特征网络模型；(4)将预处理后的美学评价图像和性格特征图像输入到网络模型中进行训练，训练得到符合要求的网络模型；(5)利用线性回归模型构建图像的性格特性和美学之间的关系模型，并将个性化图像输入到步骤(4)训练好的模型中获取预测性格特征和大众化美学分数，利用图像个性化美学分数训练构建好的回归模型获得符合个性化的美学预测模型；(6)对于待测试美学图像，利用已建立的个性化美学评价模型，实现个体个性化美学评价。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国矿业大学，未经中国矿业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910006656.7/，转载请声明来源钻瓜专利网。
- 同类专利
- 基于失真图像恢复指导的图像质量感知方法、系统及设备-202311000119.4
- 王中元;杨冀帆;李娜;杨玉红;黄宝金 - 武汉大学
- 2023-08-10 - 2023-10-20 - G06V10/766
- 本发明公开了一种基于失真图像恢复指导的图像质量感知方法、系统及设备，首先提取待检测图像I输入到特征提取网络中，得到图像的深度特征DF(I)；然后基于图像恢复先验模型利用先验知识指导下，采用失真图像恢复网络使用深度特征DF（I）进行失真图像恢复，得到失真图像的恢复特征IR（I）；最后将恢复特征IR（I）与深度特征DF（I）通过特征融合网络进行重新加权融合，对重新加权融合后的图像质量特征向量进行回归，输出图像的质量得分。本发明能够自动感知自然图像的质量，为挑选高质量图像样本用于深度学习模型训练提供了手段。
- 一种基于浮选泡沫多尺度特征的增量式层次聚类回归树方法-202310710741.8
- 蒋小平;刘俊威;赵慧琳;董柯阳;秦天;胡明振 - 中国矿业大学（北京）
- 2023-06-15 - 2023-10-03 - G06V10/766
- 本发明公开了一种基于浮选泡沫多尺度特征的增量式层次聚类回归树方法，涉及泡沫浮选领域。该算法的故障诊断方法，主要包括以下步骤：S1：采集不同浮选过程中的泡沫工况图像，构成主要样本数据集；S2：对泡沫浮选图像进行非下采样Shearlet多尺度分解(Non‑SubsampleShearletTransform,NSST)，将原始图像分解为不同频率尺度，并设计CNN网络提取多尺度图像的轮廓和细节特征组成代表原信号特点的特征向量；S3：以层次聚类思想对特征向量进行计算，以聚类特征作为层次聚类回归树的簇，使用聚类特征树来表示聚类的层次结构；S4：判断层次聚类回归树的效果，确定最后用于工况识别的聚类回归树；S5：测试工况识别准确率。本方法能较好地分离出浮选图像的高低频特征，不仅在识别精度和稳定性方面有较大提升，而且此方法还减少了人工干预，有利于提高生产效率。
- 一种对织物压力传感阵列检测结果进行校正的方法-202310763036.4
- 裴泽光;王小东;万勇;陈俊鹏;张积康;吕鹏;庄辉 - 东华大学
- 2023-06-26 - 2023-09-29 - G06V10/766
- 本发明涉及一种对织物压力传感阵列检测结果进行校正的方法，建立改进U‑Net卷积神经网络模型对检测结果进行校正，有效消除串扰现象导致的织物压力传感阵列输出的压力分布云图显示结果不准确的问题，利用本发明方法允许以最为简单的分压电路作为压阻式织物压力传感阵列的基本测量电路，显著降低测量电路的复杂程度，方法简单易操作，输出的压力分布云图结果准确，可有效改善串扰现象对压阻式织物压力传感阵列获得的压力分布云图显示结果的影响。
- 一种用于多尺度遥感图像视觉定位的自回归建模方法-202310667706.2
- 王福延;吴春雷 - 中国石油大学（华东）
- 2023-06-07 - 2023-09-05 - G06V10/766
- 本发明公开了一个用于多尺度遥感图像视觉定位的自回归建模方法。遥感图像定位在近地无人系统领域具有极高的应用价值，现有的视觉定位的方法得到的注意力区域普遍无法有效利用特征的区域相关性，限制了文本与视觉特征的编码器性能，在具有复杂背景的遥感图像领域难以达到较高的定位准确度。因此本发明首次提出了多尺度遥感图像视觉定位的自回归建模方法来研究文本指代的遥感图像视觉定位任务。设计了一个多阶段特征聚合的自回归Transformer网络框架，通过将包围框的回归问题转换为序列预测问题，以充分利用视觉特征的自注意力权重，通过序列构造方法在解码过程中挖掘到更完整的语义相关性。本发明在遥感数据集RSVGD上进行了大量实验证明了提出模型的有效性。
- 基于机器学习的锋线识别方法、装置、存储介质及终端-202310685309.8
- 王玲玲;赵宗玉;马双良;王楠;郭悦嵩;安刚;卓流艺;陆涛;秦东明 - 中科三清科技有限公司;王玲玲
- 2023-06-09 - 2023-09-01 - G06V10/766
- 本发明公开了一种基于机器学习的锋线识别方法、装置、存储介质及终端，方法包括：获取并预处理待识别区域在一段时间内的原始气象数据，得到锋线区域定位图像以及锋线回归图像；将锋线区域定位图像输入预先训练的锋线区域定位模型中，输出锋线区域图；在锋线回归图像中抠取锋线区域图对应的区域，得到目标区域图；将目标区域图输入预先训练的锋线回归模型中，输出多个回归点；顺序连接多个回归点，得到待识别区域的目标锋线。本申请利用预先训练的锋线区域定位模型对锋线区域进行定位，通过预先训练的锋线回归模型可在锋线区域中确定出构成锋线的多个回归点，该算法部署灵活，可通过样本数据不断优化模型，使得模型的性能越来越好，可提升锋线识别精确度。
- 一种基于归一化角点距离和目标前景信息的目标检测方法-202310241880.0
- 张兆云;蔡德隆;赵洋 - 东莞理工学院
- 2023-03-13 - 2023-08-29 - G06V10/766
- 本发明提出一种基于归一化角点距离和目标前景信息的目标检测方法，包括：一、获取训练图像样本和待测图像样本，在训练图像中标注边界框；二、获取边界框的位置及信息；三、计算预测框和目标框的中心点之间的欧氏距离；四、计算预测框和目标框的重叠区域面积；五、计算预测框的面积；六、计算目标框的面积；七、计算预测框和目标框的合并区域面积；八、计算预测框和目标框四个角点之间对应的欧氏距离；九、预测框和目标框的最小闭包矩形区域；十、计算预测框和目标框的交并比；十一、计算归一化角点距离和目标前景信息的边界框损失函数，十二、基于边界框损失函数进行目标检测，本发明能较佳地进行目标检测。
- 一种自回归生成式点云转换器预训练方法-202310563276.X
- 王美玲;陈光彦;余凯;袁粒;岳裕丰 - 北京理工大学
- 2023-05-18 - 2023-08-15 - G06V10/766
- 本发明提供了一种自回归生成式点云转换器预训练方法，采用双重掩蔽策略可以有效地降低点云数据的冗余度，并提供有效的预训练任务，对于促进有益的表示学习和增强预训练模型的泛化能力有显著的效果；相对方向提示可以防止模型过度拟合图像块的顺序，从而提高了模型在下游任务中的泛化能力；提取器‑生成器结构，特别是与深度生成器相结合时，可以减小生成和下游任务之间的差距，从而在整体上获得更好的性能；在具体效果上，本方法相比于现有方法具有更强的泛化能力，并且相比于现有方法，本方法率先探索了点云单模态大模型预训练效果，并在所有自监督方法中取得了最佳的水平。
- 一种深部隧洞钻孔布置方法及其围岩裂隙演化方法-202310458319.8
- 李水明;叶飞;罗文俊;于洋;刘同亮;张桂良;周建平;郭浩森;朱顺顺;佟佳琦 - 核工业赣州工程勘察设计集团有限公司;华东交通大学
- 2023-04-26 - 2023-08-04 - G06V10/766
- 本发明提供一种深部隧洞钻孔布置方法及其围岩裂隙演化方法。所述深部隧洞钻孔布置方法通过先布设预设钻孔后布设施工钻孔，探究隧洞各阶段裂隙演化特征，而后将裂隙演化特征汇总，利用回归分析法分析裂隙演化的时空规律。本发明的钻孔布置方法，利用辅助隧洞铺设的预设钻孔监测施工围岩裂隙的演化可以预测岩爆、片帮等灾害，极大地保证了施工安全；综合开挖前后的钻孔摄像数据，可以更为精确的分析整个开挖过程中隧洞围岩裂隙的演化规律，探究其破裂损伤机理，为日后类似工程的超前地质灾害预报提供参考。另外，本发明还提供一种深部隧洞围岩裂隙演化方法。
- 一种基于岩石细观结构参数的可钻性智能预测方法-202310339715.9
- 陈雁;孙远秋;石祥超;陈帅;苗波;冯高城;宝胥铖;陈鹏;郭霄瑶;徐一博;杨春艺;张恩莉 - 西南石油大学
- 2023-03-31 - 2023-06-27 - G06V10/766
- 本发明公开了一种基于岩石细观结构参数的可钻性智能预测方法，其包括以下步骤：对岩石单偏光和正交偏光图像进行颗粒分割和种类识别；基于分割识别结果，计算图像中的单颗粒岩石参数；基于单颗粒岩石参数获取岩石颗粒分布特征，并生成二阶参数和三阶参数；进行降维筛选；通过训练后的LGB回归模型进行目标岩石的可钻性预测。本发明对岩石颗粒参数进行了充分利用，对岩石薄片进行了恰当处理，使得建立的模型能够实现在没有钻井参数的情况下进行可钻性的预测，解决了物理方法测量岩石可钻性级值过程繁琐的问题，对地质勘探以及油气生产做出指导方向。
- 一种基于同心圆交并比的多点目标检测方法-202310158829.3
- 杨毅;高宇;许汐 - 北京理工大学
- 2023-02-24 - 2023-06-23 - G06V10/766
- 本发明提供了一种基于同心圆交并比的多点目标检测方法，属于计算机视觉领域，尤其涉及一种针对目标检测任务下24点目标表示法的有监督学习回归方法；本方法首先转换数据集格式，用以构建与发明回归方法相匹配的数据集真值格式；其次对模型输出数据构建同心圆表达，用以构成多项损失函数；接下来对转换格式后的数据集构建同心圆表达，用以构成多项损失函数；接下来利用模型输出数据的同心圆表达与真值数据集构成的同心圆表达进行损失函数计算，构成共计25项损失项；最后采用多任务回归方法，平衡各项损失学习复杂度，实现回归方法；该方法避免了传统多点目标表示回归法对随机多边形面积的计算与相交域面积计算过程，大大简化了回归策略的复杂性，可大幅度提高训练学习过程的收敛速度，使该方法可以投入实际工程应用。
- 胎龄预测方法、装置、介质和设备-202310070100.0
- 张鑫;陈生贤;杨朝湘;梁靖;方瑞妍;徐向民;陈文俊 - 华南理工大学
- 2023-01-28 - 2023-06-23 - G06V10/766
- 本发明公开了一种基于胎儿脑核磁共振图像和先验信息的胎龄预测方法、装置、存储介质和计算机设备，提出一种三维卷积网络提取胎儿核磁共振图像中脑结构信息得到胎儿脑结构特征，该网络由非对称卷积层和注意力增强层组成，以整个3D图像作为输入和有选择地强调关键信息特征，可适应胎儿大脑位置和方向的随机变化；另提出了一种胎儿大脑的离散面积分布向量，以表示大脑区域面积在核磁共振图像中的分布，提高所引入的先验知识的鲁棒性和有效性；该方法还提出一种融合回归模块融合学习上述胎儿脑结构特征和胎儿脑面积分布特征用于基于胎儿脑核磁共振图像的胎龄估计。本发明提出胎龄预测方法达到了最优的准确度和鲁棒性。
- 一种胎盘植入分型评估工具和方法-202310579742.3
- 陈练;裴新龙;赵扬玉;王平;宗鸣;张晨滨;罗登;颜鲲 - 北京大学第三医院（北京大学第三临床医学院）;北京大学
- 2023-05-23 - 2023-06-23 - G06V10/766
- 本发明涉及一种胎盘植入分型评估工具和方法，该工具包括感兴趣区域预处理输入模块、多流深度模型模块和多流模型预测融合输出模块,感兴趣区域预处理输入模块用于提取感兴趣区域，得到整体ROI区域标注信息；多流深度模型模块用于采用相同的深度为18层3D残差网络对FIESTA序列、SSFSE序列、FIESTA ROI序列和SSFSE ROI序列进行各自独立训练；多流模型预测融合输出模块用于对多流深度模型的四个流FIESTA流、SSFSE流、FIESTA ROI流和SSFSE ROI流对不同胎盘植入类型的预测概率相加取平均，得到最终的融合预测概率值，取最高的概率值对应的胎盘植入类别作为多流模型最终的预测输出。
- 一种基于稠密融合特征提取的机器人抓取主动式学习选择方法-202211572299.9
- 魏博言;杨鑫;尹宝才;魏小鹏 - 大连理工大学
- 2022-12-08 - 2023-06-06 - G06V10/766
- 本发明属于计算机视觉技术中的物体抓取位姿预测领域，公开了一种基于稠密融合特征提取的机器人抓取主动式学习选择方法，挑选出数据集中信息量最高的数据，从而只训练部分数据达到训练整个数据集的效果，降低抓取模型在不同场景下的迁移成本。主动式学习模块和抓取预测模块是并行结构，可一起进行训练。模型训练完成之后，抓取检测模型为闭环端到端结构，截取当前的色彩和深度数据作为输入，可以输出物体的抓取位姿，并且进行可视化。为了降低使用者使用门槛，本发明还内嵌一个抓取方式标注接口，可视化的手段标注抓取方式，并反向解算出真值四元数组。
- 一种车辆表观毁伤评估方法-202011226859.6
- 陈峰;翟佳;董毅;彭实;谢晓丹 - 北京环境特性研究所
- 2020-11-06 - 2023-06-02 - G06V10/766
- 本发明涉及一种车辆表观毁伤评估方法、计算机设备及计算机可读存储介质，该方法包括：进行尺寸归一化处理；分两路进行灰度化，一路直接进行灰度化处理，得到含目标及背景的灰度图像，另一路先利用目标语义分割模型进行像素级分割，分割出目标区域，再对分割得到的图像进行灰度化处理，得到只含目标的灰度图像；基于卷积神经网络构建特征提取模型，对得到的含目标及背景的灰度图像和只含目标的灰度图像分别进行高维特征提取；对得到的两路目标高维卷积特征进行特征融合；利用全连接网络对最终目标融合特征进行回归计算，并输出一个0～1范围内的连续值，作为车辆目标表观毁伤程度评估值。本发明能够实现车辆表观毁伤的快速量化评估。
- 一种无参考图像质量评价模型训练方法-202310165646.4
- 谢凤英;潘林朋;刘畅;丁海东;资粤;邱林伟 - 北京航空航天大学
- 2023-02-15 - 2023-05-16 - G06V10/766
- 本发明公开了一种无参考图像质量评价模型训练方法，属于图像质量评价领域。通过孪生网络学习图像质量之间的排序信息，优化网络预测值和主观质量真值之间的单调性；并添加线性相关约束来学习图像间质量差异的数值量化，优化算法预测值和主观质量真值之间的相关性。通过本发明训练的无参考图像质量评价模型具有较好的精度和泛化性能。
- 一种基于性格特征的个性化图像美学评价方法-201910006656.7
- 李雷达;祝汉城;周玉;胡波;陈鹏飞 - 中国矿业大学
- 2019-01-04 - 2023-04-07 - G06V10/766
- 本发明为一种基于性格特征的个性化图像美学评价方法，方法包括如下步骤：(1)利用美学图像数据集中的多数人对图像的平均美学分数，经过深度网络进行训练建立图像的大众化美学评价模型；(2)利用性格图像数据集中的图像和偏好此图像个体的性格特征，经过深度网络进行训练建立图像的性格特征预测模型；(3)利用美学图像数据集中特定个体对图像个性化美学分数，利用步骤(1)、(2)中已建立模型预测得到图像的大众化美学分数和性格特征，把性格特征作为辅助信息把图像美学评价结果由大众化领域迁移到个性化领域得到图像个性化美学评价模型；(4)对于待测试美学图像，利用已建立的个性化美学评价模型，实现个体个性化美学评价。
- 图像目标计数的系统、方法及存储介质-202211579538.3
- 黄涌波;刘亦书;靳源培;张利强 - 华南师范大学
- 2022-12-09 - 2023-03-14 - G06V10/766
- 本发明公开了一种图像目标计数的系统、方法及存储介质。该系统包括相互连接的集成回归网络、多任务学习模块；集成回归网络包括依次连接的特征学习子网络、回归子网络、预测模块；特征学习子网络根据输入图像，输出多个特征子集；回归子网络用于根据特征子集输出预测值；预测模块用于根据多个回归子网络的预测值进行平均值运算，从而得到图像中目标的最终的计数预测值；多任务学习模块用于为集成回归网络设置训练的损失函数；多任务学习模块分别与回归子网络、预测模块连接。本发明实现了对图像中目标更快的计数速度、更高的计数精度，适应了更多的图像场景。
- 一种基于回归预测的人体关键点和遮挡估计训练方法-202211318027.6
- 吴文平;高岚;谢梓溪 - 四川虹微技术有限公司
- 2022-10-26 - 2022-12-20 - G06V10/766
- 本发明公开了一种基于回归预测的人体关键点和遮挡估计训练方法，首先读取训练数据COCO或者MPII等数据集，其次对读取图像和关键点进行数据增强处理，再采用通道扩展ShuffleNetV2作为回归预测模型backbone提取人体关键点特征，最后采用联合损失函数监督人体关键点和遮挡置信度训练。所述训练方法能够可直接预测人体关键点，相较于传统的高斯热力图估计方法，本方法关键点预测精度高，CPU和内存占用低。
- 基于人工智能的图像识别处理方法及系统-202211153253.3
- 李仲良;简洪飞 - 曲阜同联网络科技有限公司
- 2022-09-21 - 2022-12-09 - G06V10/766
- 本申请提供的基于人工智能的图像识别处理方法及系统，通过目标图像与候选样本图像之间的比较结果，判断目标图像集与实时的图像矩阵中各个候选样本图像之间在局部层面上的关联程度，若与其中一个候选样本图像之间的关联程度较小则表示该候选样本图像属于噪声信息，并将该噪声信息清洗掉，能够快速且有效的识别出实时图像矩阵是否需要清洗以及确定待清洗图像，基于清洗掉噪声信息的图像矩阵对目标图像进行回归分析，有利于线程回归分析的精确度，基于清洗后的更新图像矩阵进行图像识别操作，基于上述第一图像优化线程和第二图像优化线程对确定图像特征分析向量的回归分析线程进行精细化处理，从而有利于提高图像识别操作的精确度。
- 一种快速筛选甘蔗氮利用效率差异种质的表型图像方法-202210758122.1
- 廖芬;黄东亮;秦翠鲜;莫善平;陈忠良;汪淼;李傲梅;陈颜;周丽 - 广西壮族自治区农业科学院
- 2022-06-29 - 2022-09-16 - G06V10/766
- 本发明公开了一种快速筛选甘蔗氮利用效率差异种质的表型图像方法，是将不同氮利用率的甘蔗种质利用LemnaTech 3D高通量表型平台获得表型二维图像；将采集后的图像经图像处理软件进行图像切割提取，以提取到与甘蔗相关的表型性状指标；各数据性状指标收集后，经标准化处理计算后，再经过数据检验，筛选获得甘蔗甘蔗氮利用效率种质的关键表型指标；通过多元线性回归方法建立关键表型指标与甘蔗生物量和氮利用率的回归模型。本发明方法获得的关键表型性状指标与甘蔗氮利用率，生物量有显著的正相关关系，可以作为甘蔗氮效率利用差异的筛选指标，为甘蔗生长和氮高效利用品种选育工作提供理论参考。
- 图像处理方法、装置、存储介质及电子设备-202210693405.2
- 王雄;裴璇;郭彦东 - OPPO广东移动通信有限公司
- 2022-06-17 - 2022-09-13 - G06V10/766
- 本申请实施例公开了一种图像处理方法、装置、存储介质及电子设备，其中，本申请实施例确定已训练的第一卷积神经网络模型，第一卷积神经网络模型包括多个可反向求导的网络层；若所述第一卷积神经网络模型为回归预测模型，则将所述第一卷积神经网络模型的回归预测层转换为分类预测层，得到第二卷积神经网络模型；根据所述第二卷积神经网络模型对目标图像进行前向传播计算，得到目标卷积层输出的第一特征图；按照类激活映射算法对所述第一特征图进行特征可视化处理，得到所述目标图像的类激活映射图。本申请实施例的方案能够实现对回归预测模型的可视化解释，提高了特征可视化方案的普适性。
- 一种基于轻量化卷积神经网络的图像识别方法及系统-202010004433.X
- 卢官明;汪洋;卢峻禾;闫静杰 - 南京邮电大学
- 2020-01-03 - 2022-07-29 - G06V10/766
- 本发明公开了一种基于轻量化卷积神经网络的图像识别方法及系统，包括：加载预训练好的用于图像识别的深度卷积神经网络模型；采用基于核的稀疏化方法，计算出模型中卷积层的裁剪因子，对卷积层进行裁剪，进而计算出未被裁剪的卷积层中各卷积核的裁剪因子，对卷积核进行裁剪；针对裁剪完成后的卷积神经网络模型，以卷积可分离的分组卷积方式代替标准的卷积方式并对卷积核的权重系数矩阵进行量化编码，得到轻量化的卷积神经网络模型；使用图像数据集对轻量化的模型进行训练，将待识别的图像输入训练好的轻量化卷积神经网络模型进行图像识别。本发明公开的轻量化图像识别模型可以加载到计算能力和存储资源有限的终端上，具有较为广阔的应用前景。
- 专利分类
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
