-
公开(公告)号：CN106204445A
公开(公告)日：2016-12-07
申请号：CN201610513450.X
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开一种基于结构张量全变差的图像视频超分辨率方法，包括如下步骤：建立图像降质模型，包括模糊和降采样两个部分，表示为，其中，x表示原始高分辨率图像，B表示模糊核， 表示卷积过程，D表示相应倍数的降采样，y表示产生的低分辨率图像；建立超分辨率模型，包括图像插值和去模糊两个部分，用公式表示为， 其中，表示还原的高分辨率图像，B表示模糊核， 表示反卷积过程，D-1表示相应倍数的插值过程，y表示低分辨率图像；建立基于结构张量全变差正则化约束的超分辨率模型，表示为，其中，μ是一个可以调节的参数，对正则项约束的强度进行控制。本发明改进了全变差模型直接对图像约束导致的过度平滑和边缘阶梯效应，更加符合人眼的
-
公开(公告)号：CN108765282A
公开(公告)日：2018-11-06
申请号：CN201810398028.3
申请日：2018-04-28
Applicant: 北京大学
Abstract: 本发明公布了一种基于FPGA的实时超分辨方法及系统，涉及图像处理技术领域；将较低分辨率的媒体中的每帧图像拆分成子图像进行超分辨处理，并根据当前帧子图像的特征值分配处理模块：若特征值较高，则由神经网络模块计算；若特征值较低，则由插值模块计算。输出缓冲区将计算得到的高分辨率子图像输出并重组成高分辨率图像，用户便可以观看到实时的超高清晰度画面。
-
公开(公告)号：CN106204472A
公开(公告)日：2016-12-07
申请号：CN201610513586.0
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明提供一种基于稀疏特性的视频图像去模糊方法，包括如下步骤：建模步骤，建立加权全变差正则化约束的去模糊模型，表示为其中，表示还原的清晰图像，B表示模糊核，y表示产生的模糊图像，μ是一个可以调节的参数，W是对角的权重矩阵，Vx包括横向、纵向还有斜向的一阶差分；求解步骤，通过交替迭代法求解得到 更新像素权重，迭代多次，直到 收敛。根据本发明，实现了模糊图像的去模糊过程，还原出清晰的图像。并且，通过权重分配的方法改进了非凸的约束模型，建立了凸的优化模型，并使图像的一阶差分的约束模型更加稀疏，同时实现了模型快速求解。
-
公开(公告)号：CN106157305B
公开(公告)日：2019-02-15
申请号：CN201610509334.0
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明提供一种基于局部特性的高动态图像快速生成方法，所述方法包括如下步骤：图像分割步骤，将同一场景不同曝光度的图像分割成面积等大的块；像素级权重生成步骤，取得所述每个块的块级权重，采用均值滤波对权重图进行平滑，滤除权重块之间的边缘；图像融合步骤，通过生成的像素级权重，根据图像融合模型将不同曝光度的图像融合在一起。该方法使融合后的高动态视频图像能够包含所有亮度范围的信息，并且能够保证快速的算法运行速度。
-
Patent Agency Ranking
公开(公告)号：CN108765282B
公开(公告)日：2020-10-09
申请号：CN201810398028.3
申请日：2018-04-28
Applicant: 北京大学
Abstract: 本发明公布了一种基于FPGA的实时超分辨方法及系统，涉及图像处理技术领域；将较低分辨率的媒体中的每帧图像拆分成子图像进行超分辨处理，并根据当前帧子图像的特征值分配处理模块：若特征值较高，则由神经网络模块计算；若特征值较低，则由插值模块计算。输出缓冲区将计算得到的高分辨率子图像输出并重组成高分辨率图像，用户便可以观看到实时的超高清晰度画面。
-
公开(公告)号：CN106157305A
公开(公告)日：2016-11-23
申请号：CN201610509334.0
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T7/00
Abstract: 本发明提供一种基于局部特性的高动态图像快速生成方法，所述方法包括如下步骤：图像分割步骤，将同一场景不同曝光度的图像分割成面积等大的块；像素级权重生成步骤，取得所述每个块的块级权重，采用均值滤波对权重图进行平滑，滤除权重块之间的边缘；图像融合步骤，通过生成的像素级权重，根据图像融合模型将不同曝光度的图像融合在一起。该方法使融合后的高动态视频图像能够包含所有亮度范围的信息，并且能够保证快速的算法运行速度。
-
公开(公告)号：CN106204472B
公开(公告)日：2019-12-31
申请号：CN201610513586.0
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明提供一种基于稀疏特性的视频图像去模糊方法，包括如下步骤：建模步骤，建立加权全变差正则化约束的去模糊模型，表示为其中，表示还原的清晰图像，B表示模糊核，y表示产生的模糊图像，μ是一个可以调节的参数，W是对角的权重矩阵，Vx包括横向、纵向还有斜向的一阶差分；求解步骤，通过交替迭代法求解得到更新像素权重，迭代多次，直到收敛。根据本发明，实现了模糊图像的去模糊过程，还原出清晰的图像。并且，通过权重分配的方法改进了非凸的约束模型，建立了凸的优化模型，并使图像的一阶差分的约束模型更加稀疏，同时实现了模型快速求解。
-
公开(公告)号：CN106127689B
公开(公告)日：2019-10-18
申请号：CN201610513715.6
申请日：2016-06-30
Applicant: 北京大学
Abstract: 本发明公开一种图像视频超分辨率方法和装置，该方法包括如下步骤：输入步骤，输入低分辨率图像；超分辨率步骤，包括插值和去模糊，对所述低分辨率图像进行插值，并通过加权全变差正则化约束的超分辨率模型对所述插值后图像进行去模糊；以及输出步骤，输出高分辨率图像。该方法采用了一个加权全变差的正则化模型，使该模型的曲线更加贴近自然图像真实的一阶差分统计结果，改进了原来的一些逼近先验导致优化方程非凸的现象，使方程的求解更加稳定快速。另外，还为模型设计了快速求解方法，使模型更加实用。同时，通过过量去模糊控制使该方法运行效果更加鲁棒。
-
公开(公告)号：CN106127689A
公开(公告)日：2016-11-16
申请号：CN201610513715.6
申请日：2016-06-30
Applicant: 北京大学
Abstract: 本发明公开一种图像视频超分辨率方法和装置，该方法包括如下步骤：输入步骤，输入低分辨率图像；超分辨率步骤，包括插值和去模糊，对所述低分辨率图像进行插值，并通过加权全变差正则化约束的超分辨率模型对所述插值后图像进行去模糊；以及输出步骤，输出高分辨率图像。该方法采用了一个加权全变差的正则化模型，使该模型的曲线更加贴近自然图像真实的一阶差分统计结果，改进了原来的一些逼近先验导致优化方程非凸的现象，使方程的求解更加稳定快速。另外，还为模型设计了快速求解方法，使模型更加实用。同时，通过过量去模糊控制使该方法运行效果更加鲁棒。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.013 seconds)
