一种基于密集网络的图像边缘检测模型及方法

    公开(公告)号:CN116503432A

    公开(公告)日:2023-07-28

    申请号:CN202310396372.X

    申请日:2023-04-14

    Applicant: 东北大学

    Abstract: 本发明设计一种基于密集网络的图像边缘检测模型及方法,属于图像分割技术领域;所述检测模型,包括图像特征提取模块、特征融合模块及上采样模块以及特征细化模块;图像经过图像特征提取模块,缩小图像特征尺寸并且最大化提取图像特征,充分利用中间层输出的结构,充分融合图像所有的结构特征,避免特征信息丢失,依次提取得到特征;将提取得到的特征通过特征融合及上采样模块生成图像的特征,最后再将这些特征通过细化模块进行融合,生成最终更薄的边缘图像;与现有技术相比,本发明方法更加简单、高效,具有十分重要的研究价值和意义。

    一种自适应选择参考帧的会话视频语义压缩框架及方法

    公开(公告)号:CN116405684A

    公开(公告)日:2023-07-07

    申请号:CN202310386846.2

    申请日:2023-04-12

    Applicant: 东北大学

    Abstract: 本发明提出一种自适应选择参考帧的会话视频语义压缩框架及方法,首先将视频序列分为关键帧和非关键帧,关键帧利用传统HEVC编码方式,保证关键帧解码后获得较高的图像保真度,对于非关键帧以关键点为编码单元;其次在非关键帧重建上,利用非线性变换估计不同帧之间的运动信息,使得非关键帧图像重建的更加自然;最后采用自适应选择参考帧方法,灵活适用于快速运动序列和慢速运动序列,使其自动选择采用单参考帧或多参考帧的重建方式,能够保证所有视频序列获得较高的重建质量;本发明方法利用了关键点特征进行视频帧的高质量重建,使得码率相比传统方法大幅度的下降,达到了在极低码率下能够重建不同运动序列的高质量视频的目的。

    一种基于双向预测和复合上下文的点云序列编码方法

    公开(公告)号:CN118200602A

    公开(公告)日:2024-06-14

    申请号:CN202410406328.7

    申请日:2024-04-07

    Applicant: 东北大学

    Abstract: 本发明提出了一种基于双向预测和复合上下文的点云序列编码方法,首先进行点云序列的体素化,其次,对点云帧进行类型划分,能够使不同类型的帧拥有与其作用相适应的编码方式,其中双向参考帧以左,右编码依赖为基础,使用占用图辅助运动估计算法进行搜索,建立最小化条件熵的复合上下文,在不提高编码复杂度的情况下具有显著的编码增益;与现有技术相比,本发明提出的方法充分利用点云帧之间的冗余信息,对点云序列进行无损压缩,有效减少了点云序列传输带宽消耗;减少了冗余信息传输;此外,本发明使用双向参考帧扩大了上下文的生成范围,使得运动估计的效果更优秀;相比现有技术在点云序列压缩性能上有明显优势。

Patent Agency Ranking