-
公开(公告)号：CN104574320B
公开(公告)日：2017-06-16
申请号：CN201510038946.1
申请日：2015-01-26
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于稀疏编码系数匹配的图像超分辨率复原算法，属于图像信息处理技术领域。通过分类建立高低分辨率图形稀疏系数样本对，采用一种分类匹配的方法，对低分辨率图像的稀疏编码系数wl所对应的高分辨率图像稀疏编码系数wh进行搜索，得到更接近真实的高分辨率图像稀疏编码系数，来对图像进行重建，获得更好的超分辨率复原效果。
-
公开(公告)号：CN103729668A
公开(公告)日：2014-04-16
申请号：CN201410016367.2
申请日：2014-01-14
Applicant: 北京工业大学
IPC: G06K17/00
Abstract: 本发明涉及一种支持多接口协议通信的超高频RFID读写器，包括超高频读写模块、接口转换模块和电源模块。超高频读写模块用于实现超高频RFID读写功能，主要由RFID收发器、功率放大器、处理器、射频天线组成；接口转换模块用于将超高频读写模块输出的串行数据转换成符合RS232或RS485或以太网/无线网接口格式的数据，主要由AVR单片机、模拟多路复用器1和2、电平转换模块1和2、网口转换模块、网络变压器、以太网接口和WI-FI天线组成。本发明的超高频RFID读写器不但可以方便地进行信息读写，还可以直接进行接口模式切换，支持多种主流通信接口，在一定程度上拓宽了超高频读写器的应用范围。
-
公开(公告)号：CN103413286B
公开(公告)日：2017-05-03
申请号：CN201310334142.7
申请日：2013-08-02
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于学习的高动态范围与高分辨率图像联合重建方法，算法分为离线训练和在线学习两部分。离线部分包括学习样本采集、组织和分类预测器训练部分。样本采集过程根据场景亮度不同分为三类分别进行。采用聚类方法对样本文件进行组织。然后，通过线性或非线性预测器学习方法对分类预测器进行训练。在线重建部分对输入的多幅具有不同曝光参数的LR‑LDR图像进行HDR‑HR重建。首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线训练部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息的预测，最终重建细节信息。该发明可对高对比度场景进行有效成像，本发明可用于夜晚街景监控图像处理。
-
公开(公告)号：CN104574320A
公开(公告)日：2015-04-29
申请号：CN201510038946.1
申请日：2015-01-26
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于稀疏编码系数匹配的图像超分辨率复原算法，属于图像信息处理技术领域。通过分类建立高低分辨率图形稀疏系数样本对，采用一种分类匹配的方法，对低分辨率图像的稀疏编码系数wl所对应的高分辨率图像稀疏编码系数wh进行搜索，得到更接近真实的高分辨率图像稀疏编码系数，来对图像进行重建，获得更好的超分辨率复原效果。
-
公开(公告)号：CN103475876B
公开(公告)日：2016-06-22
申请号：CN201310379154.1
申请日：2013-08-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于学习的低比特率压缩图像超分辨率重建方法，算法分为离线部分和在线部分。离线部分，首先采用不同压缩质量参数值对低分辨率图像进行压缩；然后对压缩图像进行滤波处理，接着将滤波后压缩图像的量化失真程度作为特征，将滤波后的LR图像按照其失真程度分为多类并建立分类样本库，然后分别用各类样本进行超分辨率模型的训练。在线部分，首先对输入图像进行滤波处理，接着判定其压缩失真类别，然后根据判定结果，选择相应类别的样本库和超分辨率模型，实现基于学习的超分辨率复原。相比其他算法，本发明的方法能针对不同失真程度的输入LR图像自适应的调节与其相匹配的样本库，并能有效解决块效应失真对图像超分辨率的影响，与直接对低比特率失真图像进行超分辨率复原相比，本发明方法所重建的图像具有更高的主客观质量。
-
Patent Agency Ranking
公开(公告)号：CN103701973B
公开(公告)日：2017-05-31
申请号：CN201310693310.1
申请日：2013-12-17
Applicant: 北京工业大学
IPC: H04M1/26
Abstract: 本发明公开一种智能便捷呼叫终端，用户只需按下一个按键，即可同时通过公共电话网和移动通信网分别向固定电话和手机进行呼叫。包括：无线发射模块，无线接收模块，控制模块，摘挂机模块，拨号及信号检测模块，语音录放模块，移动通信模块。本发明充分利用公共电话网和移动通信网的优势，通过两种不同的通信网的结合，在一定程度上解决了由于对方无人接听或占线引起呼叫失败的问题。不论是摘挂机、拨号及信号检测还是语音发送，所有操作均是通过电话双绞线自动完成，不需要操控实际电话机，实现了真正意义的一键式呼叫；通过GSM模块上的外界引脚与SIM卡直接电路连接即可实现手机通信基本功能，不需要实际操控手机。
-
公开(公告)号：CN103701973A
公开(公告)日：2014-04-02
申请号：CN201310693310.1
申请日：2013-12-17
Applicant: 北京工业大学
IPC: H04M1/26
Abstract: 本发明公开一种智能便捷呼叫终端，用户只需按下一个按键，即可同时通过公共电话网和移动通信网分别向固定电话和手机进行呼叫。包括：无线发射模块，无线接收模块，控制模块，摘挂机模块，拨号及信号检测模块，语音录放模块，移动通信模块。本发明充分利用公共电话网和移动通信网的优势，通过两种不同的通信网的结合，在一定程度上解决了由于对方无人接听或占线引起呼叫失败的问题。不论是摘挂机、拨号及信号检测还是语音发送，所有操作均是通过电话双绞线自动完成，不需要操控实际电话机，实现了真正意义的一键式呼叫；通过GSM模块上的外界引脚与SIM卡直接电路连接即可实现手机通信基本功能，不需要实际操控手机。
-
公开(公告)号：CN103413286A
公开(公告)日：2013-11-27
申请号：CN201310334142.7
申请日：2013-08-02
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于学习的高动态范围与高分辨率图像联合重建方法，算法分为离线训练和在线学习两部分。离线部分包括学习样本采集、组织和分类预测器训练部分。样本采集过程根据场景亮度不同分为三类分别进行。采用聚类方法对样本文件进行组织。然后，通过线性或非线性预测器学习方法对分类预测器进行训练。在线重建部分对输入的多幅具有不同曝光参数的LR-LDR图像进行HDR-HR重建。首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线训练部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息的预测，最终重建细节信息。该发明可对高对比度场景进行有效成像，本发明可用于夜晚街景监控图像处理。
-
公开(公告)号：CN103475876A
公开(公告)日：2013-12-25
申请号：CN201310379154.1
申请日：2013-08-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于学习的低比特率压缩图像超分辨率重建方法，算法分为离线部分和在线部分。离线部分，首先采用不同压缩质量参数值对低分辨率图像进行压缩；然后对压缩图像进行滤波处理，接着将滤波后压缩图像的量化失真程度作为特征，将滤波后的LR图像按照其失真程度分为多类并建立分类样本库，然后分别用各类样本进行超分辨率模型的训练。在线部分，首先对输入图像进行滤波处理，接着判定其压缩失真类别，然后根据判定结果，选择相应类别的样本库和超分辨率模型，实现基于学习的超分辨率复原。相比其他算法，本发明的方法能针对不同失真程度的输入LR图像自适应的调节与其相匹配的样本库，并能有效解决块效应失真对图像超分辨率的影响，与直接对低比特率失真图像进行超分辨率复原相比，本发明方法所重建的图像具有更高的主客观质量。
-
公开(公告)号：CN103413285A
公开(公告)日：2013-11-27
申请号：CN201310333081.2
申请日：2013-08-02
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 本发明公开了基于样本预测的HDR和HR图像重建方法。算法分为离线训练和在线学习两部分。离线部分包括学习样本采集、组织和分类预测器训练部分。样本采集过程根据场景亮度不同分为三类分别进行。采用聚类方法对样本文件进行组织。然后，通过线性或非线性预测器学习方法对分类预测器进行训练。在线重建部分对输入的多幅幅具有不同曝光参数的LR-LDR图像进行HDR-HR重建。首先，通过输入图像的平均图像进行场景的背景亮度分类；然后，根据亮度分类结果，利用离线训练部分训练好的分类预测器对输入图像进行高动态范围和高分辨率细节信息的预测，最终重建高频信息。该发明可对高对比度场景进行有效成像，达到同时重建高分辨率和高动态范围图像的目标。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
