-
公开(公告)号：CN105096249A
公开(公告)日：2015-11-25
申请号：CN201410222467.0
申请日：2014-05-23
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供一种图像处理方法和装置，通过按照预先处理训练集中的图像对所采用的分割规则，将待处理的照片或者素描图像分割成N个大小相同的第一图像块，然后确定每个第一图像块与预先对训练集中的图像对应用聚类算法处理所获取的M个类之间的对应关系，根据预先训练的、与每个第一图像块归属的类所对应的训练参数获取与每个第一图像块对应的第二图像块，最后根据获取的与所述N个第一图像块对应的N个第二图像块合成与所述待处理的照片或者素描图像对应的素描图像或者照片，实现了通过字典学习法进行照片与素描图片之间的相互合成，避免出现人工制造的小块，提高了合成效果的清晰度。
-
公开(公告)号：CN102868879B
公开(公告)日：2015-04-29
申请号：CN201110187141.5
申请日：2011-07-05
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: H04N19/132
Abstract: 本发明涉及一种视频帧速率上转换方法及系统，属于视频帧速率转换技术领域。本发明首先获取相邻两帧间的初始运动向量场；然后在全局范围内检测初始运动向量场中的明显异常运动向量，参照局部最可靠运动向量对明显异常运动向量进行修正；在局部范围内检测初始运动向量场中的异常运动向量，参照邻域运动向量采用最大似然估计修正异常运动向量；最后利用结构相似度计算待插帧中预测宏块与前后帧对应宏块的相似度，以相似度为权重对修正后的运动向量场进行加权运动补偿，得到低帧速率视频序列相邻两帧的内插帧。本发明适用于高端多媒体系统的帧速率转换、低比特率视频系统的码率恢复以及无线视频通信系统的缺帧重构等场合。
-
公开(公告)号：CN102868879A
公开(公告)日：2013-01-09
申请号：CN201110187141.5
申请日：2011-07-05
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: H04N7/26
Abstract: 本发明涉及一种视频帧速率上转换方法及系统，属于视频帧速率转换技术领域。本发明首先获取相邻两帧间的初始运动向量场；然后在全局范围内检测初始运动向量场中的明显异常运动向量，参照局部最可靠运动向量对明显异常运动向量进行修正；在局部范围内检测初始运动向量场中的异常运动向量，参照邻域运动向量采用最大似然估计修正异常运动向量；最后利用结构相似度计算待插帧中预测宏块与前后帧对应宏块的相似度，以相似度为权重对修正后的运动向量场进行加权运动补偿，得到低帧速率视频序列相邻两帧的内插帧。本发明适用于高端多媒体系统的帧速率转换、低比特率视频系统的码率恢复以及无线视频通信系统的缺帧重构等场合。
-
公开(公告)号：CN101540908B
公开(公告)日：2012-03-28
申请号：CN200910080948.1
申请日：2009-03-30
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
CPC classification number: H04N19/59 , H04N19/115 , H04N19/147 , H04N19/187 , H04N19/33
Abstract: 本发明提供了一种视频编码处理方法，包括：在空域可伸缩视频编码中，根据待编层编码器的输入差分序列与参考层编码器的量化步长的关系，建立待编层编码器的编码失真模型；通过分析参考层编码器的码率和待编层编码器的码率的关系，建立待编层编码器的码率模型；根据待编层编码器的编码失真模型和码率模型，分配参考层编码器和待编层编码器的码率。本发明还提供了一种视频编码处理装置。本发明解决了现有技术无法对各层次的码率实现有效地分配，因而编码性能较差的问题，从而大幅度地提高了空域可伸缩编码的编码性能，使得编码效率最大化。
-
公开(公告)号：CN101562739B
公开(公告)日：2011-07-27
申请号：CN200910085144.0
申请日：2009-06-02
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供了一种视频编码处理方法，包括：在空域-时域可伸缩视频编码中，分配各空域层的码率；在各空域层中，根据各时域层与其参考时域层的编码失真的关系，建立各时域层的编码失真模型；通过分析各时域层与参考时域层的码率的关系，建立各时域层的码率模型；根据相应的空域层的码率、以及各时域层的编码失真模型和码率模型，分配各时域层的码率。本发明还提供了一种视频编码处理装置。本发明实现了各编码层次间相关性基础上的码率优化分配，能够使得编码效率最大化，进一步优化了可伸缩编码的编码性能。
-
Patent Agency Ranking
公开(公告)号：CN101877786A
公开(公告)日：2010-11-03
申请号：CN200910083412.5
申请日：2009-04-30
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明公开了一种视频帧前景跟踪方法以及视频编码器，该方法包括：利用视频编码运动估计生成的中间数据进行与码率无关的运动估计，以确定出当前帧中各宏块的轨迹矢量；将当前帧中各宏块按照各自轨迹矢量映射到前向参考帧，根据各宏块落入前向参考帧的前景区域内的像素数量，确定出当前帧中的候选前景宏块；根据候选前景宏块落入前向参考帧前景区域内的像素数量，确定出当前帧的前景相对于其前向参考帧的前景的主要轨迹矢量；将候选前景宏块按照所述主要轨迹矢量映射到前向参考帧，根据所述候选前景宏块落入该前向参考帧前景区域的像素总数量与该前景区域像素总数量的比值，采用相应方式定位出当前帧中的前景区域。
-
公开(公告)号：CN101600106A
公开(公告)日：2009-12-09
申请号：CN200910087429.8
申请日：2009-06-22
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: H04N7/26
Abstract: 本发明公开了一种全局运动估计方法及装置，用以解决现有技术全局运动估计精度低、准确性差问题。该方法根据待估图像当前帧每个像素点对应的运动向量属性信息，确定至少一个簇；将该当前帧划分为多个区域，根据每个簇包含的像素点在每个区域内的数目，确定每个簇在当前帧的分布方差，根据分布方差确定运动模型输入像素点所在的簇；根据该簇中每个像素点所在的宏块分割模式和/或幅角信息，选择运动模型输入像素点；根据该输入像素点及设置的运动模型，确定运动模型的参数，根据参数确定待估图像参考帧经运动补偿后的像素点的位置。如本发明提出的方案，排除了局部运动给全局运动的干扰及影响，从而使估计的精度更高，使估计的结果更准确。
-
公开(公告)号：CN100566427C
公开(公告)日：2009-12-02
申请号：CN200710119777.X
申请日：2007-07-31
Applicant: 北京大学 , 北京北大方正电子有限公司
CPC classification number: H04N19/19 , H04N19/11 , H04N19/147 , H04N19/176 , H04N19/593 , H04N19/61
Abstract: 本发明涉及视频编解码领域的用于视频编码的帧内预测编码最佳模式的选取方法，包括步骤：构造基于预测码率的率失真代价函数；利用所述构造的函数计算各个预测模式的率失真代价，以及根据计算结果，选取率失真代价最小的预测模式作为帧内预测编码的最佳模式。相应的，本发明还提供了用于视频编码的帧内预测编码最佳模式的选取装置。本发明在作出的模式选择更接近于原始率失真优化模型选择的最佳模式的基础上，有效地避免了在率失真优化过程中对每个块都需要进行实际编码，在保证编码的码率和PSNR与全搜索方法变化不大的前提下，大幅度提高了编码效率。
-
公开(公告)号：CN119693228A
公开(公告)日：2025-03-25
申请号：CN202411559788.X
申请日：2024-11-04
Applicant: 北京大学
IPC: G06T3/4046 , G06T9/00 , G06T5/60 , G06T5/50 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种可调控保真度的图像压缩后处理方法，其步骤包括：1)构建图像压缩后处理框架，包括一致性引导去噪扩散模型和语法向量生成器；一致性引导去噪扩散模型包括扩散特征编码器、一致性特征编码器、解码器、语法驱动特征融合模块SFF；2)利用图像压缩训练数据集训练图像压缩后处理框架，3)对于待压缩的自然图像，将其压缩后输入训练后的图像压缩后处理框架，得到增强后的图像。本发明通过引入一支额外的一致性引导特征，以约束扩散过程中的偏差；并利用一支受到权衡控制因子调控并从编码端提取的超低比特率流语法向量，引导一致性引导特征与扩散特征的自适应性融合，实现精确的保真度‑真实感权衡控制与高质量的图像重建。
-
公开(公告)号：CN118229596A
公开(公告)日：2024-06-21
申请号：CN202410193070.7
申请日：2024-02-21
Applicant: 北京大学
IPC: G06T5/90 , G06N3/0464 , G06T5/92 , G06T5/60
Abstract: 本发明属于数字图像低光照增强领域，涉及一种基于物理先验的无监督低光照增强方法及系统。该方法包括：搜集场景广泛的正常光照图像数据集；使用基于Kubelka‑Munk理论的物理先验提取正常光照图像的光照不变特征；使用重建损失函数训练图像生成网络，所述图像生成网络学习从光照不变特征到正常光照图像的映射；提取待处理的低光照图像的光照不变特征，将其输入训练完成的图像生成网络，得到正常光照图像。本发明能够显著提升低光照图像增强性能，提高低光照增强应用场景的泛化性，在视觉效果和处理速度方面取得了更好的综合结果，并且通过基于物理先验的设计思路提高了方法的可解释性。
-
-
-
-
-
-
-
-
-
Search Results
201
records
(took 0.027 seconds)
