-
公开(公告)号：CN110796595A
公开(公告)日：2020-02-14
申请号：CN201911057461.1
申请日：2019-10-31
Applicant: 北京大学深圳研究生院
IPC: G06T3/00
Abstract: 本说明书实施例提供一种色调映射方法、装置及电子设备。所述方法包括：获取一个或多个高动态范围图像，并判断所述高动态范围图像的存储形式；当所述高动态范围图像的存储形式为预定的存储形式时，将所述高动态范围图像分解为第一分量、第二分量以及第三分量；将所述第一分量和第二分量输入到预定的深度神经网络中，并利用所述深度神经网络分别对所述第一分量和第二分量进行映射，得到映射后的第一分量和第二分量；将所述映射后的第一分量以及第二分量与所述第三分量进行融合，得到融合后的与所述高动态范围图像相对应的低动态范围图像，以便完成色调映射。采用本申请的技术方案，能够降低色调映射图像的色差，更加鲁棒地完成色调映射。
-
公开(公告)号：CN106447674B
公开(公告)日：2020-01-14
申请号：CN201610873997.0
申请日：2016-09-30
Applicant: 北京大学深圳研究生院
Abstract: 本发明公布了一种视频的背景去除方法，涉及视频分析技术领域，尤其涉及一种基于图像块、高斯混合模型、随机过程的背景去除方法；首先定义了块的概念，通过比较块之间的不同来确定前景与背景；使用高斯混合模型来自动的调整阈值，同时采用随机过程的思想来更新背景；最后在BMC数据集上做实验，结果显示本发明方法超越了目前大多数先进算法，准确度非常高。本发明方法具有广泛的适用性，可适用于监控视频的背景减除，在视频分析领域具有非常重要的应用。
-
公开(公告)号：CN108769674B
公开(公告)日：2019-11-12
申请号：CN201810675070.5
申请日：2018-06-27
Applicant: 北京大学深圳研究生院
IPC: H04N19/103 , H04N19/149 , H04N19/18
Abstract: 本发明公布了一种基于自适应层次化运动建模的视频预测方法，包括：建立视频的层次化运动模型、训练模型、用训练好的模型预测视频未来帧；其中，建立视频的层次化运动模型包括视频的层次化运动建模和自适应的运动变换过程。两个过程的处理均能独立提升视频预测的效果。采用本发明方法得到预测结果的信噪比、与真实结果的结构相似度均有所增加，能够提升视频预测的效果，提高预测结果清晰度和合理性。
-
公开(公告)号：CN107801024B
公开(公告)日：2019-07-12
申请号：CN201711095964.9
申请日：2017-11-09
Applicant: 北京大学深圳研究生院
IPC: H04N19/117 , H04N19/147 , H04N19/82 , H04N19/85 , H04N19/11 , H04N19/176 , H04N19/157 , H04N19/593
CPC classification number: H04N19/11 , H04N19/117 , H04N19/147 , H04N19/157 , H04N19/176 , H04N19/593 , H04N19/82 , H04N19/85
Abstract: 本发明公布了一种用于帧内预测的边界滤波方法，涉及视频编码技术领域。首先通过率失真优化决策自适应地选择是否对帧内预测块进行边界滤波；进行滤波时，对帧内预测块的前N行或前N列，通过帧内预测块滤波器，采用相对边界距离指数衰减的滤波器系数进行滤波；且针对不同的帧内预测块大小，采用不同的滤波强度；由此解决帧内预测块边界失真问题，并增加帧内预测精度，提升帧内预测块的编码效率；同时增加了边界滤波技术的实用性和鲁棒性。
-
公开(公告)号：CN109831670A
公开(公告)日：2019-05-31
申请号：CN201910141265.6
申请日：2019-02-26
Applicant: 北京大学深圳研究生院
IPC: H04N19/124 , H04N19/44
Abstract: 本申请公开了一种反量化方法、系统、设备及计算机可读介质。本申请实施例的方法包括：基于量化块的尺寸对所述量化块中每个量化系数进行置零判定，判定所述量化系数对应的反变换系数是否可以直接置0；当所述量化系数对应的反变换系数不可以直接置0时，对所述量化系数进行反量化计算，获取对应的反变换系数。相较于现有技术，根据本发明实施例的反量化方法通过置零判定，在反量化计算前就将反量化后得到的反变换块中的非0系数控制在合适区域，从而控制反变换块的复杂程度，进而有效控制反变换过程的复杂程度，并最终降低软硬件解码器的实现难度。
-
Patent Agency Ranking
公开(公告)号：CN109785263A
公开(公告)日：2019-05-21
申请号：CN201910030455.0
申请日：2019-01-14
Applicant: 北京大学深圳研究生院
Abstract: 本发明公布了一种基于Retinex的逆色调映射图像转换方法，基于多尺度Retinex模型，将逆色调映射分为动态范围扩展子任务和细节纹理恢复子任务；针对逆色调映射的子任务设计不同的逆色调映射网络，得到恢复后的光照分量和反射分量，再基于多尺度Retinex模型进行合并，得到高动态范围图像。与现有的技术相比，本发明方法具有减少色偏，恢复过曝区域信息等优势；能够鲁棒地完成低动态范围图像向高动态范围图像转换。在扩展动态范围的同时，还能恢复过曝区域纹理以及保证颜色不失真。
-
公开(公告)号：CN106875331B
公开(公告)日：2019-04-12
申请号：CN201710037483.6
申请日：2017-01-19
Applicant: 北京大学深圳研究生院
IPC: G06T3/00
Abstract: 本发明公布了一种全景图像的非对称映射方法，包括映射过程和反向映射过程；映射过程通过非对称前向映射方法将原始图转换成非对称图；包括：将经纬图坐标映射为原始全景图坐标；计算经纬图感兴趣区域横向和纵向上的最大下采样比例；建立从映射图到经纬图相同点坐标的映射关系；生成非对称映射图；反向映射过程通过非对称反向映射方法将非对称图反映射成原始图。原始图为任意格式的全景图。本发明对全景图像中的感兴趣区域使用较高的采样精度，对非感兴趣区域使用较低采样精度，由此降低图像分辨率，进而降低全景图像的数据量。
-
公开(公告)号：CN106127691B
公开(公告)日：2019-04-12
申请号：CN201610543056.0
申请日：2016-07-12
Applicant: 北京大学深圳研究生院
Abstract: 本发明公布了一种全景图像映射方法，针对分辨率为2M×M的矩形映射全景图像，根据纬度设置映射区域和非映射区域，只将设置的映射区域映射为方形区域包括：对于所述方形区域上的点，计算得到该点到方形区域中心的垂直距离和水平距离，取其中较大者记为m；计算得到该点到同心方形上第零个点的距离n；计算得到该点所对应的经度和纬度；计算得到该点反映射到矩形映射全景图像中所对应的位置(X,Y)；再给该点赋值。本发明方法可有效降低过采样，由此达到在失真较小的情况下有效降低全景图像的像素数和编码所需的码率的目的。
-
公开(公告)号：CN109544475A
公开(公告)日：2019-03-29
申请号：CN201811389239.7
申请日：2018-11-21
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明涉用于图像去模糊的Bi-Level优化方法，设计让两种层级损失函数相互交替进行模型优化,Bi-Level优化机制分为两个步骤，第一步用MSE损失条件训练出一个基本模型，第二步采用双层级损失交互迭代进行模型微调操作。这是因为在训练初期，复原效果与清晰图像之间的散度比较大，噪声的作用可以忽略不计，而在训练后期噪声被不断放大使其负面作用愈加明显，因此引入感知损失进行噪声抑制同时将MSE损失改为L1损失以足够保证结构连续性。本发明具有纹理恢复准确、深度特征与像素值匹配的优点。
-
公开(公告)号：CN104995917B
公开(公告)日：2019-03-15
申请号：CN201580000246.1
申请日：2015-05-07
Applicant: 北京大学深圳研究生院
IPC: H04N19/513 , H04N19/57
Abstract: 一种自适应运动估计方法和模块，该模块包括宏块划分单元、宏块选择单元、运动强度判断单元和运动估计单元。宏块划分单元待编码的视频帧划分宏块。宏块选择单元用于依次选择视频帧中的图像块作为当前图像块。运动强度判断单元用于判断当前图像块的运动强度，并根据当前图像块的运动强度自适应选择用于对当前图像块进行运动估计的运动估计方法。运动估计单元根据运动强度判断单元所选择的运动估计方法对当前图像块进行运动估计。在对图像块进行运动估计之前，先判断图像块的运动强度，根据当前图像块的运动强度自适应选择用于对当前图像块进行运动估计的运动估计方法，以提高视频编解码中运动估计的效率。
-
-
-
-
-
-
-
-
-
Search Results
263
records
(took 0.032 seconds)
