-
Patent Agency Ranking
公开(公告)号：CN109405834A
公开(公告)日：2019-03-01
申请号：CN201811405396.2
申请日：2018-11-23
Applicant: 北京电子工程总体研究所
Abstract: 本发明公开一种基于数字地图的遮蔽角实时解算方法以及系统，所述方法包括以下步骤：根据行动区域建立以传感器站址为中心的数字地图；计算所述数字地图中的每个方位角所对应的遮蔽角；在给定海拔高度上判断传感器在所述数字地图中的每个方位角上的探测是否被遮蔽；根据判断结果得到传感器对给定海拔高度的实际最大探测距离；基于目标的实时位置信息得到传感器对目标的最大探测距离。本发明能够解决目前传感器实际探测距离的计算受到地形遮蔽数据需事先测量的限制，未能利用地图数据实时计算且计算精度不够的问题。
-
公开(公告)号：CN110213584A
公开(公告)日：2019-09-06
申请号：CN201910592999.6
申请日：2019-07-03
Applicant: 北京电子工程总体研究所
IPC: H04N19/14 , H04N19/119 , H04N19/124 , H04N19/96 , H04N19/147 , H04N19/593 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于纹理复杂度的编码单元分类方法和编码单元分类设备，所述编码单元分类方法包括：利用预设置的图像纹理复杂度模型获取编码单元的复杂度；根据所述复杂度，利用预设置的自适应阈值模型输出的所述编码单元对应的阈值对所述编码单元进行分类。本发明提供的实施例针对现有问题，根据编码树单元层次划分与图像纹理复杂度的关系，利用阈值与编码深度和量化参数间存在的非线性关系，实现了基于图像纹理复杂度的编码单元准确分类；同时针对复杂纹理区域，将编码信息与卷积神经网络相结合，实现了图像纹理信息进行准确描述，从而提高纹理复杂区域编码单元层次预测的精度，节省了HEVC标准编码器的编码时间，具有广泛的应用前景。
-
公开(公告)号：CN109982079B
公开(公告)日：2021-04-02
申请号：CN201910265460.X
申请日：2019-04-03
Applicant: 北京电子工程总体研究所
IPC: H04N19/11 , H04N19/124 , H04N19/593
Abstract: 本发明公开一种结合纹理空间相关性的帧内预测模式选择方法，包括：S1、统计分析在帧内预测模式选择过程中各预测模式在不同大小预测单元下采用不同量化参数时的利用率，基于统计结果在纹理预测方向中选取四个主纹理预测方向；S2、对各所述主纹理预测方向进行分析并计算预测单元的图像像素值偏差，利用所述图像像素值偏差判断预测单元是否平滑，其中，当判断预测单元为平滑，使用DC模式与Planar模式作为率失真优化阶段的输入，获得最优预测模式；否，则构建基于多参考行技术的纹理预测候选集作为率失真优化阶段的输入，然后依次利用基于SATD代价构建的第一自适应阈值模型和基于RD代价构建的第二自适应阈值模型提前终止率失真优化，获得最优预测模式。
-
公开(公告)号：CN109405834B
公开(公告)日：2022-08-30
申请号：CN201811405396.2
申请日：2018-11-23
Applicant: 北京电子工程总体研究所
Abstract: 本发明公开一种基于数字地图的遮蔽角实时解算方法以及系统，所述方法包括以下步骤：根据行动区域建立以传感器站址为中心的数字地图；计算所述数字地图中的每个方位角所对应的遮蔽角；在给定海拔高度上判断传感器在所述数字地图中的每个方位角上的探测是否被遮蔽；根据判断结果得到传感器对给定海拔高度的实际最大探测距离；基于目标的实时位置信息得到传感器对目标的最大探测距离。本发明能够解决目前传感器实际探测距离的计算受到地形遮蔽数据需事先测量的限制，未能利用地图数据实时计算且计算精度不够的问题。
-
公开(公告)号：CN109982079A
公开(公告)日：2019-07-05
申请号：CN201910265460.X
申请日：2019-04-03
Applicant: 北京电子工程总体研究所
IPC: H04N19/11 , H04N19/124 , H04N19/593
Abstract: 本发明公开一种结合纹理空间相关性的帧内预测模式选择方法，包括：S1、统计分析在帧内预测模式选择过程中各预测模式在不同大小预测单元下采用不同量化参数时的利用率，基于统计结果在纹理预测方向中选取四个主纹理预测方向；S2、对各所述主纹理预测方向进行分析并计算预测单元的图像像素值偏差，利用所述图像像素值偏差判断预测单元是否平滑，其中，当判断预测单元为平滑，使用DC模式与Planar模式作为率失真优化阶段的输入，获得最优预测模式；否，则构建基于多参考行技术的纹理预测候选集作为率失真优化阶段的输入，然后依次利用基于SATD代价构建的第一自适应阈值模型和基于RD代价构建的第二自适应阈值模型提前终止率失真优化，获得最优预测模式。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
