-
公开(公告)号：CN113205456B
公开(公告)日：2023-09-22
申请号：CN202110481479.5
申请日：2021-04-30
Applicant: 东北大学
Abstract: 本发明提供一种面向实时视频会话业务的超分辨率重建方法，涉及数字图像处理技术领域。该方法重新设计超分的各个模块，首先特征提取模块采用由粗到精的特征提取，采用残差的思想，加快特征提取的速度，将可变形卷积引入到视频超分辨率重建方法之中，通过循环神经网络的思想，对帧差学习模块进行动态调优从而获得一个最优对齐参数，用最优参数指导可变形卷积进行对齐操作，然后设计一个增强相关性的特征融合网络，进行相邻帧的特征融合，最后采用信息蒸馏的思想对重建模块进行设计，设计出上采样重建模块，利用信息蒸馏块提取更多边缘及纹理特征，与上采样的参考帧进行加和，生成最后的高分辨率视频帧。本发明的方法重建速度快，且重建质量好。
-
公开(公告)号：CN113191995B
公开(公告)日：2023-12-22
申请号：CN202110481414.0
申请日：2021-04-30
Applicant: 东北大学
Abstract: 本发明提供一种基于深度学习的视频图像自动曝光校正方法，涉及数字图像处理技术领域。本发明的方法设计了一个结合亮度注意力机制的卷积神经网络结构，构建了平滑损失和内容一致性损失，并通过自制的涵盖多种曝光尺度、不同地点及不同时间的训练集来无监督地训练，并参考GOP中划分关键帧的方式，用训练好的网络对低照度下的视频图像进行自动曝光校正，相比于传统技术，降低了时间成本，更适合应用于视频会话场景中。本发明在对不均匀曝光的视频图像上避免了过度校正，且在时间上与传统算法相比，本发明的用时较短，能够实时处理视频。
-
公开(公告)号：CN113191995A
公开(公告)日：2021-07-30
申请号：CN202110481414.0
申请日：2021-04-30
Applicant: 东北大学
Abstract: 本发明提供一种基于深度学习的视频图像自动曝光校正方法，涉及数字图像处理技术领域。本发明的方法设计了一个结合亮度注意力机制的卷积神经网络结构，构建了平滑损失和内容一致性损失，并通过自制的涵盖多种曝光尺度、不同地点及不同时间的训练集来无监督地训练，并参考GOP中划分关键帧的方式，用训练好的网络对低照度下的视频图像进行自动曝光校正，相比于传统技术，降低了时间成本，更适合应用于视频会话场景中。本发明在对不均匀曝光的视频图像上避免了过度校正，且在时间上与传统算法相比，本发明的用时较短，能够实时处理视频。
-
公开(公告)号：CN113205456A
公开(公告)日：2021-08-03
申请号：CN202110481479.5
申请日：2021-04-30
Applicant: 东北大学
Abstract: 本发明提供一种面向实时视频会话业务的超分辨率重建方法，涉及数字图像处理技术领域。该方法重新设计超分的各个模块，首先特征提取模块采用由粗到精的特征提取，采用残差的思想，加快特征提取的速度，将可变形卷积引入到视频超分辨率重建方法之中，通过循环神经网络的思想，对帧差学习模块进行动态调优从而获得一个最优对齐参数，用最优参数指导可变形卷积进行对齐操作，然后设计一个增强相关性的特征融合网络，进行相邻帧的特征融合，最后采用信息蒸馏的思想对重建模块进行设计，设计出上采样重建模块，利用信息蒸馏块提取更多边缘及纹理特征，与上采样的参考帧进行加和，生成最后的高分辨率视频帧。本发明的方法重建速度快，且重建质量好。
-
-
-
Search Results
4
records
(took 0.016 seconds)
