-
公开(公告)号：CN117830180A
公开(公告)日：2024-04-05
申请号：CN202311541669.7
申请日：2023-11-17
Applicant: 北京邮电大学
Abstract: 本申请提供一种暗光视频增强方法、装置、电子设备及存储介质。所述方法包括：获取暗光视频；所述暗光视频包括至少一个视频帧；将所述视频帧分解为反射率分量和光照分量；对所述光照分量进行迭代增强，得到增强光照分量；将所述反射率分量和所述增强光照分量，合成为增强视频帧；根据所述增强视频帧，得到增强视频。通过这种方式可以提高暗光视频的增强效果。
-
公开(公告)号：CN117526993A
公开(公告)日：2024-02-06
申请号：CN202311414374.3
申请日：2023-10-27
Applicant: 北京邮电大学
Abstract: 本发明提供一种面向星地通信的LR‑FHSS动态跳频方法及系统，所述方法的步骤包括：获取各个子信道的信噪比值，并基于子信道的信噪比值计算子信道的误符号率；基于子信道的误符号率对子信道进行降序排列，得到第一序列，对第一序列进行交织处理，得到第二序列；基于第二序列得到候选跳频序列集合；获取预设的参考信号序列，所述参考信号序列对应候选跳频序列中每个子信道的顺序位置设置有信号序列段，对于每个候选跳频序列基于每个子信道的误符号率将对应的信号序列段进行翻转处理，并对翻转处理后的模拟序列进行解码；基于解码结果计算包接收率，基于包接收率从候选跳频序列集合的候选跳频序列中确定最终跳频序列。
-
公开(公告)号：CN117315438A
公开(公告)日：2023-12-29
申请号：CN202311247594.1
申请日：2023-09-25
Applicant: 北京邮电大学
IPC: G06V10/82 , G06V10/25 , G06V10/56 , G06V10/50 , G06V10/44 , G06V10/46 , G06V10/774 , G06V10/776 , G06T7/00 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/048
Abstract: 本申请提供了一种基于兴趣点的图像色彩美学评估方法、装置及设备，属于图像处理技术领域。该方法包括：将原图像色彩美学评估数据集划分为训练集和测试集；将训练集进行数据预处理，得到目标训练集，并将测试集进行数据预处理，得到目标测试集；构建基于兴趣点分配的图像色彩美学评估模型；根据目标训练集对基于兴趣点分配的图像色彩美学评估模型进行模型训练，得到初级评估模型，根据目标测试集对初级评估模型进行参数调整处理，得到目标评估模型；得到待处理图像色彩美学数据；将待处理图像色彩美学数据输入目标评估模型，得到图像色彩美学评估结果。本申请能提高图像色彩美学评估结果的准确性和处理效率。
-
公开(公告)号：CN116977645A
公开(公告)日：2023-10-31
申请号：CN202311018949.X
申请日：2023-08-14
Applicant: 北京邮电大学
IPC: G06V10/26 , G06V10/24 , G06V10/774 , G06V10/778
Abstract: 本发明属于图像处理领域，提供了一种暗弱光语义分割方法和装置，包括以下步骤：采用图像处理模型，输入源域数据图片IS、参考域数据图片IR和目标域数据图片IT；通过复合图像增强模块对源域数据图片IS进行图形增强，得到增强域数据图片IE；输入IS,IR,IE,IT,通过图像处理模型进行处理；通过图像处理模型得到良好的IT伪标签进行自训练；将编码器和解码器从图像处理模型剥离；直接输出IT预测；本发明通过复合图像增强模块、图像处理模型和自训练模块，进一步降低数据集差异。
-
公开(公告)号：CN116828166A
公开(公告)日：2023-09-29
申请号：CN202310865717.1
申请日：2023-07-14
Applicant: 北京邮电大学
IPC: H04N13/161 , H04N13/15 , H04N19/597 , H04N19/96 , H04N19/593
Abstract: 一种基于帧间复用的体积视频编解码方法，涉及体积视频编解码领域，该方法主要包括：画面相似性检测、点云块相似性检测、帧间复用、八叉树优化编码算法、逆莫顿序重排、2D视频编码算法、帧间解码、八叉树优化解码算法和2D视频解码算法等步骤。本发明解决了基于帧间复用的解码算法在移动端解码帧率不足的问题，通过在体积视频流媒体系统领域采用帧间复用技术，实现了大幅度降低传输所需带宽的目标；本发明首次使用基于几何信息和颜色信息的深度学习点云配准模型在体积视频相邻帧之间做运动估计，实现了快速准确的冗余信息剔除；本发明首次利用2D视频编码算法压缩体积视频的颜色信息，实现体积视频颜色信息的帧间编码。
-
Patent Agency Ranking
公开(公告)号：CN116824445A
公开(公告)日：2023-09-29
申请号：CN202310714287.3
申请日：2023-06-15
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于特征点和图像变换频率的场景分类方法及装置，包括：获取待分类的视频，并转换为连续帧图像序列，基于直方图变化量法从连续帧图像序列中提取关键帧；基于预设灰度值阈值，从每张关键帧中提取第一预设数量个FAST特征点；计算第一预设数量个FAST特征点的响应值平均值和分布方差；按照预设分类规则，将响应值平均值和分布方差与预设的自然场景下和屏幕场景下的响应值平均值阈值和分布方差阈值进行比较，以对关键帧进行分类；当无法通过比较阈值进行分类，或FAST特征点数量不足时，获取相应关键帧后的第二预设数量帧图像，通过比较图像变换频率和预设频率阈值，对关键帧进行分类。本发明提供的方法无需训练分类模型，分类速度快且精度高。
-
公开(公告)号：CN116684624A
公开(公告)日：2023-09-01
申请号：CN202310793693.3
申请日：2023-06-30
Applicant: 北京邮电大学
IPC: H04N19/172 , H04N19/107 , H04N19/91
Abstract: 一种基于视口适配和混合编码的体积视频传输方法，属于体积视频传输领域，包括：视口适配：预测用户观看下一帧体积视频的视口，且只传输该视口内的体积视频；混合编码：将当前帧分割成瓦片，为每个瓦片指定使用帧间熵编码算法或帧内熵编码算法进行编码；自适应多线程解码：采用自适应多线程解码方法，多个线程根据收到的瓦片的不同编码方式，采取不同的解码方式同时解码。本发明利用视口适配技术，只传输用户视口内的内容，极大地减少传输的数据量；体积视频帧与帧之间存在冗余信息，本发明利用帧间编码技术来进一步压缩体积视频的体积，减少需要传输的数据量；本发明实现了体积视频的低带宽、高质量传输，提高了用户观看质量。
-
公开(公告)号：CN114025378B
公开(公告)日：2023-08-25
申请号：CN202111194501.4
申请日：2021-10-13
Applicant: 北京邮电大学
IPC: H04W24/08 , H04B17/318
Abstract: 本发明提供一种基于跨信道扫描的LoRa信道占用检测方法及系统，该方法包括以下步骤：对所述初级子信道进行多次信道占用检测，接收所述信道占用检测产生的正向信号个数；根据信道占用检测次数和产生的正向信号个数输出第一对照表；根据预设的本次信道占用检测的次数在所述第一对照表中提取对应的部分，构建第二对照表；根据本次检测产生所述正向信号的个数在所述第二对照表中匹配对应部分，输出被占用的子信道。本申请能够根据对初级子信道的检测，对子信道是否被占用，以及其他子信道的被占用情况进行判断，仅仅对初级子信道的检测即可实现对其他子信道的被占用情况进行判断，实现跨信道检测，提高检测效率。
-
公开(公告)号：CN116630837A
公开(公告)日：2023-08-22
申请号：CN202310260849.1
申请日：2023-03-13
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本申请提供一种双阶段视频去噪模型训练方法、视频去噪方法和系统，方法包括：采用各个噪声视频样本各自的无噪声视频数据以及各个图像帧组，对残差自注意力模型进行模型训练，使得残差自注意力模型先在第一阶段提取各个图像帧组中的主图像帧的动态特征以得到第一阶段去噪结果，再于第二阶段基于各个第一阶段去噪结果分别提取各个主图像帧的静态特征以得到第二阶段去噪结果，进而生成用于对视频去噪的双阶段视频去噪模型。本申请能够从两个阶段分别针对时间和空间两个维度的不同特点进行动态特征和静态特征的提取，能够有效提高训练得到的视频去噪模型的性能，进而能够有效提高双阶段视频去噪模型输出的视频去噪结果的鲁棒性、显著性及可靠性。
-
公开(公告)号：CN109711422B
公开(公告)日：2023-06-30
申请号：CN201711015902.2
申请日：2017-10-26
Applicant: 北京邮电大学 , 腾讯科技(深圳)有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种图像数据处理方法、装置、计算机设备和存储介质，所述方法包括：获取待处理图像，将所述待处理图像输入已训练的图像哈希码提取模型，所述图像哈希码提取模型包括卷积神经网络，所述卷积神经网络包括嵌入卷积层之后的哈希映射层；所述图像哈希码提取模型的参数由图像分类模型训练得到，所述图像分类模型包括所述卷积神经网络，并在所述哈希映射层之后连接分类输出层；获取所述图像哈希码提取模型输出的所述待处理图像对应的哈希码，可以直接从图像中学习出更加鲁棒、紧凑，区分力更强的图像哈希码，还提出一种图像哈希码提取模型的建立方法、装置、计算机设备和存储介质。
-
-
-
-
-
-
-
-
-
Search Results
476
records
(took 0.063 seconds)
