-
公开(公告)号：CN118279119A
公开(公告)日：2024-07-02
申请号：CN202410401121.0
申请日：2024-04-03
Applicant: 北京大学
Abstract: 本发明提供一种图像水印信息的处理方法、装置及设备，涉及图像信息处理技术领域，其中，所述方法包括：获取待处理的原始载体图像及待嵌入的水印信息；根据原始载体图像分割后的每个图像块对应的复杂度评分，确定原始载体图像被分割后的多个第一目标图像块；确定与多个第一目标图像块对应的多个水印信息子段；将多个第一目标图像块及对应的多个水印信息子段输入到训练好的水印网络模型的编码层中进行处理，获得多个添加水印信息子段后的第二目标图像块；根据多个第二目标图像块及原始载体图像分割后的多个图像块，得到嵌入水印信息后的目标载体图像。本发明的方案提高了生成水印图像的质量及效果。
-
公开(公告)号：CN115908184B
公开(公告)日：2023-10-17
申请号：CN202211524310.4
申请日：2022-11-30
Applicant: 北京大学
Abstract: 本发明涉及一种摩尔纹图案的自动去除方法和装置。该方法包括：获取含摩尔纹图案的图像，对其作傅里叶变换，得到频谱图；对频谱图进行高斯滤波处理，得到平滑后的频谱图；在平滑后的频谱图中查找峰值点，并进行峰值过滤；对峰值过滤后的频谱图作中值滤波，并恢复中心区域；对恢复中心区域后的频谱图作反傅里叶变换；对反傅里叶变换后的图像进行增强处理，得到去除摩尔纹图案后的图像。本发明提出的基于峰值滤波和图像增强的摩尔纹图案去除方法，能够在有效保留原始屏幕拍摄图像前景内容信息的前提下，快速有效地去除图像中的摩尔纹图案，较为理想地提高了图像修复后的视觉质量。
-
公开(公告)号：CN112700363B
公开(公告)日：2023-05-02
申请号：CN202110023665.4
申请日：2021-01-08
Applicant: 北京大学
Abstract: 本发明涉及一种基于区域选择的自适应可视水印嵌入方法和装置，属于数字水印和信息隐藏技术领域。该方法的步骤包括：在宿主图像中进行显著性区域检测，得到关键内容区域集合；将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域；通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度；结合水印图嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。本发明能够取得较优的可视水印嵌入效果，达到了鲁棒性、可见性和透明度三个因素之间的平衡。
-
公开(公告)号：CN112651898B
公开(公告)日：2023-04-07
申请号：CN202110034912.0
申请日：2021-01-12
Applicant: 北京大学
IPC: G06T5/00 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于记忆增强的视频去雨方法与装置，其步骤包括：1)将卷积长短期记忆网络的内部状态作为全局长期记忆；对于待去雨处理的目标视频，将该目标视频的前n帧分别输入记忆增强去雨网络，获得各帧对应的去雨结果；2)对于该目标视频的第n帧之后的每一帧，执行步骤a)～c)，获得该目标视频对应的去雨视频：a)将当前待去雨帧的前多帧的去雨结果、全局长期记忆、当前待去雨帧输入记忆增强去雨网络进行去雨，得到当前帧的去雨结果；b)计算当前待去雨帧与其去雨结果之间的差值，作为当前待去雨帧的雨痕图；c)将雨痕图输入卷积长短期记忆网络，更新该卷积长短期记忆网络的内部状态作为新的全局长期记忆。
-
公开(公告)号：CN114363624B
公开(公告)日：2023-03-31
申请号：CN202011090817.4
申请日：2020-10-13
Applicant: 北京大学
Abstract: 本发明公开了一种基于敏感度的码率分配特征压缩方法，其步骤包括：1)将图像的神经网络中间层特征输入深层神经网络进行计算，得到无损网络输出；2)对于所述神经网络中间层特征的每一单通道i，进行如下处理：为单通道i对应的特征施加编码噪声，得到该单通道i的加噪特征；然后将单通道i的加噪特征输入深层神经网络进行计算，得到单通道i的加噪输出；然后计算单通道i的加噪输出与所述无损网络输出的差值，作为单通道i的编码噪声敏感度；3)根据各单通道的编码噪声敏感度进行码率分配，为每个单通道分配压缩质量参数；4)根据各单通道分配所得的压缩质量参数，对量化后的所述神经网络中间层特征进行压缩，得到中间层特征压缩码流。
-
Patent Agency Ranking
公开(公告)号：CN112019854B
公开(公告)日：2023-01-17
申请号：CN201910450808.2
申请日：2019-05-28
Applicant: 北京大学
IPC: H04N19/176 , H04N19/149 , H04N19/30 , H04N19/96 , H04N19/82
Abstract: 本发明为一种基于深度学习神经网络的环路滤波方法，利用了视频编码中块划分树的信息，进一步提升视频恢复质量。与传统的视频编码器内采用了手工设计的去块效应模块以及样点自适应补偿模块不同，本发明利用了深度卷积神经网络在大量训练数据集上进行学习，从而更准确地学习到从低质量视频到高质量视频的非线性映射。本发明为块与块间增加了连接，从而可以传递未被压缩的特征信息。此外，本发明还利用了视频编码器提供的块划分树中的多层块划分信息，生成多层编码单元均值图，进一步辅助神经网络更好地消除块效应。
-
公开(公告)号：CN115393491A
公开(公告)日：2022-11-25
申请号：CN202110571615.X
申请日：2021-05-25
Applicant: 北京大学 , 广州市百果园信息技术有限公司
Abstract: 本发明提供一种基于实例分割和参考帧的水墨视频生成方法及装置，包括获取真实视频中每一帧的实例分割图，并依据所帧之间的光流估计，计算各帧的相似程度，选取待转换帧及参考帧；将光流估计与待转换帧、参考帧及其实例分割图输入水墨风格化网络模型，得到待转换帧的水墨视频帧，从而获取该真实视频的水墨视频。本发明改善了模型的水墨风格生成能力，在留白、不同对象笔画纠缠以及不同尺度物体处理方面相较于已有技术取得了更好的效果，实现了带参考的水墨风格化，避免了传统顺序转换中的误差累积，相较于已有方法减少了生成的水墨视频中的闪烁和不一致。
-
公开(公告)号：CN113792630A
公开(公告)日：2021-12-14
申请号：CN202111010548.0
申请日：2021-08-31
Applicant: 北京大学
Abstract: 本发明公开一种基于对比学习的外星地表图像识别方法及系统，属于图像识别领域，通过搭建图像识别模型，并对该模型进行类间对比学习和相似性学习训练，来识别外星地表图像。本发明能够在不引入额外人类监督的条件下，使模型自适应学习新样本类型与数据域分布，进而兼容未知环境，更加准确地识别外星地表图像，满足探索应用需求。
-
公开(公告)号：CN113132729A
公开(公告)日：2021-07-16
申请号：CN202010042012.6
申请日：2020-01-15
Applicant: 北京大学
IPC: H04N19/139 , H04N19/82 , G06N3/04
Abstract: 本发明公开了一种基于多参考帧的环路滤波方法及电子装置，其步骤包括：将原始帧送入视频编码器进行编码得到当前帧，并获取所述当前帧的第一参考帧与第二参考帧；计算所述当前帧、所述第一参考帧以及所述第二参考帧两两间的光流集合；将所述当前帧、所述第一参考帧、所述第二参考帧以及所述光流集合送入一深度卷积循环神经网络，得到滤波重建帧。本发明利用空域信息之外，额外使用了时域信息，提出了联合学习机制，提升了参考帧的质量，在不显著提升网络参数量的基础上，获得了更好的编码性能。
-
公开(公告)号：CN112633499A
公开(公告)日：2021-04-09
申请号：CN202110035423.7
申请日：2021-01-12
Applicant: 北京大学
Abstract: 本发明为一种无监督图拓扑变换共变表征学习的方法和装置，涉及无监督学习领域。本发明是一种可以应用在GCNN中学习图节点特征表示的通用框架，通过最大化图拓扑变换以及变换前后的图的节点表示之间的互信息来形式化图拓扑变换共变表征。同时，本发明证明最大化这种互信息可以被近似为最小化图拓扑变换以及从变换前后的图的节点表示估计得到的图拓扑变换之间的交叉熵。具体来说，本发明从原始的图中采样部分节点对，并翻转这些节点对间边的连通性来实现图拓扑变换，然后通过从原始图和变换后的图的特征表示中重建图拓扑变换，来对表示编码器进行自训练，以学习节点的特征表示。本发明应用于节点分类和图分类任务中，优于最新的无监督方法。
-
-
-
-
-
-
-
-
-
Search Results
423
records
(took 0.029 seconds)
