-
公开(公告)号：CN115147836A
公开(公告)日：2022-10-04
申请号：CN202210896803.4
申请日：2022-07-28
Applicant: 上海大学
Abstract: 本发明提供一种基于深度学习的无参考光场图像质量评价方法，包括：对基于微透镜成像的光场透镜图像进行预处理，获得面向神经网络的输入数据；将所述输入数据输入卷积神经网络先后学习了光场角度特征、空间特征以及角度‑空间融合特征；基于所述角度‑空间融合特征预测获得一个质量预测值。本发明利用了卷积神经网络来分析光场图像的角度‑空间特性，与其他无参考质量评价方法相比，具有更好的准确性。
-
公开(公告)号：CN114862677A
公开(公告)日：2022-08-05
申请号：CN202210483032.6
申请日：2022-05-05
Applicant: 上海大学
Abstract: 本发明提供基于网格变形和低阶近似的光场拼接方法，包括：获得待拼接光场的深度图；根据所述深度图将中心子孔径图像分为前景、后景；提取特征点后，对左、右两光场的后景进行匹配；基于传统二维图像，拼合所述中心子孔径图像；使用控制点引导网络变形方法校准两个不同的光场到全景图上；用光场的低秩特征，在不使用四维图割的前提下，寻找校准后光场的缝合线并进行融合。本发明使用控制点引导网格变形技术校准两个不同的光场到全景图上，并应用低秩近似直接采用传统的二维图割取代四维图割从而降低方法的时间复杂度。与其他的光场拼接算法相比具有更好的拼接质量、角度域一致性以及更低的时间复杂度。
-
-
公开(公告)号：CN113592716A
公开(公告)日：2021-11-02
申请号：CN202110906481.2
申请日：2021-08-09
Applicant: 上海大学
Abstract: 本发明公开了一种光场图像空间域超分辨率方法、系统、终端及存储介质，包括：将视点图像按照角度位置分为多组，对应设置多个视点图像对齐方案；将不同角度位置的视点图像，以其自身作为待超分辨率的中心视点图像，利用基于频域图像金字塔分解的视差提取方法，对其周围不同预设对齐范围内的待对齐视点图像进行视差对齐，对齐至中心视点图像位置；将待训练视点图像先剪裁后下采样再对齐，然后进行训练，得到光场图像超分辨率模型；将对齐后的待测试视点图像输入到光场图像超分辨率模型中，预测得到空间域超分辨率后的视点图像。本发明，将基于相位的视点图像视差对齐与基于深度学习的光场图像超分辨率方法相结合，得到了质量更高的超分辨率结果。
-
公开(公告)号：CN118828017A
公开(公告)日：2024-10-22
申请号：CN202410963351.6
申请日：2024-07-18
Applicant: 上海大学
IPC: H04N19/593 , H04N19/597 , H04N19/88 , H04N19/31 , H04N19/33 , H04N19/132
Abstract: 本发明提供一种基于稀疏编码与角度重建的光场视频压缩方法及系统，其中方法包括：提供一角度下采样光场视频数据集；对所述角度下采样光场视频数据集进行MV‑HEVC编解码，得到解码光场视频数据集；对所述解码光场视频数据集进行光场视频角度重建，完成对光场视频的压缩。本发明首先对光场视频进行角度下采样，利用MV‑HEVC对稀疏视点进行编解码，然后利用一个时间‑空间‑角度联合重建网络充分提取光场的时间、空间和角度信息，以重建出完整的高质量的光场视频。该系统可实现光场视频的高效压缩，在压缩比特率和重建质量上均有较大改善。
-
Patent Agency Ranking
公开(公告)号：CN114998404A
公开(公告)日：2022-09-02
申请号：CN202210693473.9
申请日：2022-06-17
Applicant: 上海大学
Abstract: 本发明提供一种基于深度学习的点云上采样方法，包括：计算稀疏点的法向量，并在其切平面生成栅格点；根据所述栅格点与其邻近稀疏点的相对位置信息，使用深度学习方法对所述栅格点进行线性组合，生成3D平面点；根据所述3D平面点之间的相对位置关系和所述3D平面点与所述邻近稀疏点的相对位置关系，使用深度学习模型计算各3D平面点的移动偏置，获得最终的上采样点。本发明实施例中一种基于深度学习的点云上采样方法，引入栅格点辅助进行点云上采样，利用点云间相对位置关系的同时，加深点云上采样块之间的联系，从而达到更好的点云上采样效果。
-
公开(公告)号：CN113643262A
公开(公告)日：2021-11-12
申请号：CN202110946915.1
申请日：2021-08-18
Applicant: 上海大学
Abstract: 本发明公开了一种无参考全景图像质量评价方法、系统、设备及介质，包括：对全景图像进行下采样，生成不同尺度的图像；对所述不同尺度的图像，计算每个尺度图像HSV特征；计算所述全景图像的MSCN系数，将MSCN系数拟合成广义高斯分布和非对称性广义高斯分布，从中提取BRI SQUE特征；将得到的不同尺度图像的HSV特征和BRI SQUE特征组合在一起，作为整体特征输入到回归模型中进行训练及预测，得到全景图像的最终质量分数。通过本发明，结合了全景图像的统计特性以及人类视觉系统的观察特性，与其他的无参考图像质量评价相比，具有更好的准确性。
-
公开(公告)号：CN115147836B
公开(公告)日：2024-09-24
申请号：CN202210896803.4
申请日：2022-07-28
Applicant: 上海大学
IPC: G06V20/69 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习的无参考光场图像质量评价方法，包括：对基于微透镜成像的光场透镜图像进行预处理，获得面向神经网络的输入数据；将所述输入数据输入卷积神经网络先后学习了光场角度特征、空间特征以及角度‑空间融合特征；基于所述角度‑空间融合特征预测获得一个质量预测值。本发明利用了卷积神经网络来分析光场图像的角度‑空间特性，与其他无参考质量评价方法相比，具有更好的准确性。
-
公开(公告)号：CN114998404B
公开(公告)日：2024-07-05
申请号：CN202210693473.9
申请日：2022-06-17
Applicant: 上海大学
Abstract: 本发明提供一种基于深度学习的点云上采样方法，包括：计算稀疏点的法向量，并在其切平面生成栅格点；根据所述栅格点与其邻近稀疏点的相对位置信息，使用深度学习方法对所述栅格点进行线性组合，生成3D平面点；根据所述3D平面点之间的相对位置关系和所述3D平面点与所述邻近稀疏点的相对位置关系，使用深度学习模型计算各3D平面点的移动偏置，获得最终的上采样点。本发明实施例中一种基于深度学习的点云上采样方法，引入栅格点辅助进行点云上采样，利用点云间相对位置关系的同时，加深点云上采样块之间的联系，从而达到更好的点云上采样效果。
-
公开(公告)号：CN114897956B
公开(公告)日：2024-07-05
申请号：CN202210473102.X
申请日：2022-04-29
Applicant: 上海大学
Abstract: 本发明提供一种光场相机阵列成像系统，包括：包括光场相机阵列和相机阵列处理模块；所述光场相机阵列，包括：相机组，所述相机组包括若干个记录不同场景角度的子相机；轨道，所述轨道放置所述相机组；LED照明设备，所述LED照明设备为所述相机组拍摄时提供光照；处理器，所述处理器与相机阵列处理模块连接，处理所述相机组拍摄的照片；PCIE采集卡，所述PCIE采集卡为所述相机组和所述处理器之间的通信提供接口。本发明采集模式更多样化；采集到的光场图像视差一致性更加精确。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
