-
公开(公告)号:CN111246213B
公开(公告)日:2022-05-13
申请号:CN202010069771.1
申请日:2020-01-21
Applicant: 东华大学
IPC: H04N19/177 , H04N19/132 , H04N19/583
Abstract: 本发明公开了一种采样率自适应的分层次块匹配重构方法,首先对视频码流中各帧的测量值分别进行帧内初次重构,随后根据关键帧采样率较非关键帧采样率的增长率情况,逐个图像组(GOP)依次进行分层次的处理:对增长率较低的情况,每个GOP内的非关键帧选取最邻近的一个关键帧作为参考帧进行重构;对于增长率较高的情况,每个GOP内的非关键帧动态地挑选双向参考帧,进而完成图像的重构。通过更加精细的参考帧选择机制,所提方法能够获得较好的视频重构质量,在重构质量与复杂度两方面取得了较好的性能折衷。
-
公开(公告)号:CN111292263A
公开(公告)日:2020-06-16
申请号:CN202010069967.0
申请日:2020-01-21
Applicant: 东华大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于颜色校正和去模糊的图像增强方法。所提方法有效融合了颜色校正和去模糊两个阶段。在颜色校正阶段,首先对原始图像进行对比度拉伸,为了解决对比度拉伸过度或拉伸不足等问题,所提方法根据灰度世界先验,通过伽马校正来进一步优化和调整图像的对比度和色彩,使图像的R、G、B各个通道的灰度平均值趋于相等。接着,所提方法引入去模糊阶段来增强图像的细节,使用暗通道先验对颜色校正后的图像进行去模糊,得到最终的增强图像。本发明所提出的水下图像增强方法具有良好的整体恢复效果,能够在优化全局对比度和色彩的同时,恢复了图像的细节信息。
-
公开(公告)号:CN111246213A
公开(公告)日:2020-06-05
申请号:CN202010069771.1
申请日:2020-01-21
Applicant: 东华大学
IPC: H04N19/177 , H04N19/132 , H04N19/583
Abstract: 本发明公开了一种采样率自适应的分层次块匹配重构方法,首先对视频码流中各帧的测量值分别进行帧内初次重构,随后根据关键帧采样率较非关键帧采样率的增长率情况,逐个图像组(GOP)依次进行分层次的处理:对增长率较低的情况,每个GOP内的非关键帧选取最邻近的一个关键帧作为参考帧进行重构;对于增长率较高的情况,每个GOP内的非关键帧动态地挑选双向参考帧,进而完成图像的重构。通过更加精细的参考帧选择机制,所提方法能够获得较好的视频重构质量,在重构质量与复杂度两方面取得了较好的性能折衷。
-
公开(公告)号:CN111182313B
公开(公告)日:2021-11-02
申请号:CN201911323406.2
申请日:2019-12-20
Applicant: 东华大学
IPC: H04N19/895 , H04N19/176 , H04N19/129 , H04N19/503
Abstract: 现有的空域错误隐藏方法常以高复杂度的迭代逼近机制换取恢复质量的轻微提升,并且一些方法只适合于特定的丢失模式。为此,本发明提出了一种自适应混合填充(AHF)的空域错误隐藏方法,以便更好地平衡计算复杂度与恢复质量等性能指标,且能处理多种的丢失模式。对于当前受损块的错误隐藏,AHF方法首先通过各向同性梯度检测器统计延拓区域的邻域梯度特征,根据收缩填充次序执行局部预测过程,从外层素组到内层素组逐一地恢复受损块的各个素组;当预测相关性够低时,AHF方法转而执行非局部片匹配过程,利用相似片对同样位置的未隐藏像素进行填充。所提AHF方法适用于各种丢失模式,在通用性、计算复杂度和恢复质量之间取得了具有竞争力的综合性能。
-
公开(公告)号:CN111147853A
公开(公告)日:2020-05-12
申请号:CN201911323397.7
申请日:2019-12-20
Applicant: 东华大学
IPC: H04N19/13 , H04N19/147 , H04N19/176 , H04N19/124 , H04N5/232
Abstract: 在分块压缩感知(BCS)系统中,测量端需要逐块地进行观测值预测,本发明提出了一种基于变焦预观测的先验子块生成方法。测量端新增了控制器、焦距调整、全景观测等功能模块。对于目标图像,控制器首先转入变焦预观测流程,焦距调整的准则是使得整幅图像刚好落入块尺寸的观测范围,随后执行全景观测,获取先验子块;接下来,控制器转入逐块观测获取观测值,基于先验子块执行SDPC观测值预测,对最小预测残差进行量化与熵编码,产生二进制比特流。所提方法可以充分利用自然图像的非局部空域相关性,降低图像边缘对预测准确度的影响。
-
公开(公告)号:CN111292263B
公开(公告)日:2022-11-04
申请号:CN202010069967.0
申请日:2020-01-21
Applicant: 东华大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于颜色校正和去模糊的图像增强方法。所提方法有效融合了颜色校正和去模糊两个阶段。在颜色校正阶段,首先对原始图像进行对比度拉伸,为了解决对比度拉伸过度或拉伸不足等问题,所提方法根据灰度世界先验,通过伽马校正来进一步优化和调整图像的对比度和色彩,使图像的R、G、B各个通道的灰度平均值趋于相等。接着,所提方法引入去模糊阶段来增强图像的细节,使用暗通道先验对颜色校正后的图像进行去模糊,得到最终的增强图像。本发明所提出的水下图像增强方法具有良好的整体恢复效果,能够在优化全局对比度和色彩的同时,恢复了图像的细节信息。
-
公开(公告)号:CN111182313A
公开(公告)日:2020-05-19
申请号:CN201911323406.2
申请日:2019-12-20
Applicant: 东华大学
IPC: H04N19/895 , H04N19/176 , H04N19/129 , H04N19/503
Abstract: 现有的空域错误隐藏方法常以高复杂度的迭代逼近机制换取恢复质量的轻微提升,并且一些方法只适合于特定的丢失模式。为此,本发明提出了一种自适应混合填充(AHF)的空域错误隐藏方法,以便更好地平衡计算复杂度与恢复质量等性能指标,且能处理多种的丢失模式。对于当前受损块的错误隐藏,AHF方法首先通过各向同性梯度检测器统计延拓区域的邻域梯度特征,根据收缩填充次序执行局部预测过程,从外层素组到内层素组逐一地恢复受损块的各个素组;当预测相关性够低时,AHF方法转而执行非局部片匹配过程,利用相似片对同样位置的未隐藏像素进行填充。所提AHF方法适用于各种丢失模式,在通用性、计算复杂度和恢复质量之间取得了具有竞争力的综合性能。
-
公开(公告)号:CN111275100B
公开(公告)日:2022-12-09
申请号:CN202010057887.3
申请日:2020-01-16
Applicant: 东华大学
IPC: G06V10/764 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种基于训练集样本低秩筛选的图像特征鉴别方法,基于2D LDA特征提取的最近邻分类器对噪声比较敏感,为此本发明将2D PCA低秩技术和2D LDA方法结合起来,所提方法通过进行训练集样本图像的有效信息择决操作,在一定置信度下获取不同类别的可靠样本,从而找到一个能够体现原始样本信息的容错训练子集。在图像特征鉴别中引入2D PCA预处理,可使筛选后的容错训练子集对噪声不敏感,使得后续的最近邻分类模型更加精确可靠,从而提高图像特征鉴别的鲁棒性和分类正确率,是大规模图像信息归类的一种有效方式。
-
公开(公告)号:CN111147853B
公开(公告)日:2021-05-25
申请号:CN201911323397.7
申请日:2019-12-20
Applicant: 东华大学
IPC: H04N19/13 , H04N19/147 , H04N19/176 , H04N19/124 , H04N5/232
Abstract: 在分块压缩感知(BCS)系统中,测量端需要逐块地进行观测值预测,本发明提出了一种基于变焦预观测的先验子块生成方法。测量端新增了控制器、焦距调整、全景观测等功能模块。对于目标图像,控制器首先转入变焦预观测流程,焦距调整的准则是使得整幅图像刚好落入块尺寸的观测范围,随后执行全景观测,获取先验子块;接下来,控制器转入逐块观测获取观测值,基于先验子块执行SDPC观测值预测,对最小预测残差进行量化与熵编码,产生二进制比特流。所提方法可以充分利用自然图像的非局部空域相关性,降低图像边缘对预测准确度的影响。
-
公开(公告)号:CN111602917A
公开(公告)日:2020-09-01
申请号:CN202010447556.0
申请日:2020-05-25
Applicant: 东华大学
Abstract: 本发明涉及一种可拆卸可收缩户外遮阳安全帽,属于劳防安全用品技术领域。安全帽主体内侧底部的减震和保护装置连接有下巴固定扣带和后脑固定扣带,安全帽主体外侧顶部设有透气孔;安全帽主体设有可拆卸式遮阳帽檐和可收放式遮阳布装置;安全帽主体前侧帽檐处设有可拆卸式遮阳帽檐;遮阳帽檐可以根据需要自行拆装;安全帽主体的两侧和脑后侧设有可收放式遮阳布装置。遮阳布可根据需要自行拉出或收缩。本发明在不明显增大安全帽体积的同时,既可以正常地保护头部安全,也增加了给头部降温的透气孔,同时又可以减少强烈的阳光照射引起的晒伤、头晕、中暑等情况的发生;结构简单,使用操作方便快捷,适用于多种户外作业环境。
-
-
-
-
-
-
-
-
-