-
公开(公告)号：CN111861881B
公开(公告)日：2022-05-20
申请号：CN202010515284.3
申请日：2020-06-09
Applicant: 复旦大学
Abstract: 本本发明属于图像增强技术领域，具体为一种基于CNN进行插值的图像超分辨率重建算法。本发明采用卷积神经网络进行二维信号插值，并实现图像的超分辨率重建。负责插值的卷积神经网络，同时接收一个宽高为4x4的二维信号以及1x2的向量；通过两层全连接层将1x2的向量变为1x16的向量，再变形为4x4的向量与另外一个4x4的输入合并，使得空间信息以及坐标信息可以共同被卷积层处理，从而完成插值任务。本发明算法可实现任意比例超分辨率重建，完美解决了传统线性插值算法在高频细节损失严重、现有基于卷积神经网络的算法只能实现整数倍的超分辨率重建的问题。
-
公开(公告)号：CN110189262B
公开(公告)日：2023-03-24
申请号：CN201910357531.9
申请日：2019-04-29
Applicant: 复旦大学
Abstract: 本发明属于图像增强技术领域，具体为一种基于神经网络以及直方图匹配的图像去雾方法。本发明方法包括：先对输入有雾图像进行分割，然后对分割后的每一小块图像采用神经网络预测有雾图像到无雾图像的直方图变化，并以模型输出的预测直方图指导该小块有雾图像进行像素的重新排布；每小块图像去雾完成后，通过导向滤波器去除区块之间的不自然过渡。本发明在拥有良好的去雾结果的同时，计算速度也更快，并且计算量不随着图像大小增加而增加，非常适合高分辨率图像去雾。
-
公开(公告)号：CN110189262A
公开(公告)日：2019-08-30
申请号：CN201910357531.9
申请日：2019-04-29
Applicant: 复旦大学
Abstract: 本发明属于图像增强技术领域，具体为一种基于神经网络以及直方图匹配的图像去雾算法。本发明方法包括：先对输入有雾图像进行分割，然后对分割后的每一小块图像采用神经网络预测有雾图像到无雾图像的直方图变化，并以模型输出的预测直方图指导该小块有雾图像进行像素的重新排布；每小块图像去雾完成后，通过导向滤波器去除区块之间的不自然过渡。本发明在拥有良好的去雾结果的同时，计算速度也更快，并且计算量不随着图像大小增加而增加，非常适合高分辨率图像去雾。
-
公开(公告)号：CN110211043B
公开(公告)日：2023-06-27
申请号：CN201910391076.4
申请日：2019-05-11
Applicant: 复旦大学
Abstract: 本发明属于数字图像技术领域，具体为一种适用于自由视角图像拼接的基于网格优化的配准方法。近年来，由于在虚拟现实、医学成像等领域的应用前景，全景图像受到了极大的关注。图像配准主要获取每幅图像在全景图中的位置参数。传统的图像配准需要执行特征点提取、匹配、单应性矩阵求解、相机参数矫正等一系列操作。本发明使用了一种基于网格优化的配准方法来替代经典配准技术，不仅在速度上有明显提升，而且适用于自由视角拍摄的大视差的图像的拼接。在此方法中，使用ORB快速特征提取来获取图像的特征点，并引入分步粗精匹配的策略，最后引入基于网格优化的三个约束项，以最小化误差函数的方法来得到图像之间的最佳配准参数。
-
公开(公告)号：CN110072158A
公开(公告)日：2019-07-30
申请号：CN201910373250.2
申请日：2019-05-06
Applicant: 复旦大学
Abstract: 本发明属于数字视频技术领域，具体为一种球面赤道区域双C型全景视频投影方法。本发明使用两个法线方向相互垂直的条带实现对球面的包裹，并在两个条带内分别进行等距柱状投影实现从球面和平面之间的相互转换，称为“球面双C型投影”。本发明方法具有很好的对称性，使用该方法投影到平面上后的图片更接近人眼常见视觉。该种投影方式能在保持和ERP具有相同球面像素信息的情况下节约25%平面图像面积。
-
Patent Agency Ranking
公开(公告)号：CN110072158B
公开(公告)日：2021-06-04
申请号：CN201910373250.2
申请日：2019-05-06
Applicant: 复旦大学
Abstract: 本发明属于数字视频技术领域，具体为一种球面赤道区域双C型全景视频投影方法。本发明使用两个法线方向相互垂直的条带实现对球面的包裹，并在两个条带内分别进行等距柱状投影实现从球面和平面之间的相互转换，称为“球面双C型投影”。本发明方法具有很好的对称性，使用该方法投影到平面上后的图片更接近人眼常见视觉。该种投影方式能在保持和ERP具有相同球面像素信息的情况下节约25%平面图像面积。
-
公开(公告)号：CN111861881A
公开(公告)日：2020-10-30
申请号：CN202010515284.3
申请日：2020-06-09
Applicant: 复旦大学
Abstract: 本本发明属于图像增强技术领域，具体为一种基于CNN进行插值的图像超分辨率重建算法。本发明采用卷积神经网络进行二维信号插值，并实现图像的超分辨率重建。负责插值的卷积神经网络，同时接收一个宽高为4x4的二维信号以及1x2的向量；通过两层全连接层将1x2的向量变为1x16的向量，再变形为4x4的向量与另外一个4x4的输入合并，使得空间信息以及坐标信息可以共同被卷积层处理，从而完成插值任务。本发明算法可实现任意比例超分辨率重建，完美解决了传统线性插值算法在高频细节损失严重、现有基于卷积神经网络的算法只能实现整数倍的超分辨率重建的问题。
-
公开(公告)号：CN110211043A
公开(公告)日：2019-09-06
申请号：CN201910391076.4
申请日：2019-05-11
Applicant: 复旦大学
Abstract: 本发明属于数字图像技术领域，具体为一种适用于自由视角图像拼接的基于网格优化的配准方法。近年来，由于在虚拟现实、医学成像等领域的应用前景，全景图像受到了极大的关注。图像配准主要获取每幅图像在全景图中的位置参数。传统的图像配准需要执行特征点提取、匹配、单应性矩阵求解、相机参数矫正等一系列操作。本发明使用了一种基于网格优化的配准方法来替代经典配准技术，不仅在速度上有明显提升，而且适用于自由视角拍摄的大视差的图像的拼接。在此方法中，使用ORB快速特征提取来获取图像的特征点，并引入分步粗精匹配的策略，最后引入基于网格优化的三个约束项，以最小化误差函数的方法来得到图像之间的最佳配准参数。
-
公开(公告)号：CN110191347A
公开(公告)日：2019-08-30
申请号：CN201910373251.7
申请日：2019-05-06
Applicant: 复旦大学
IPC: H04N21/218 , H04N21/44 , H04N21/4402 , H04N21/658 , G06K9/46 , G06K9/00
Abstract: 本发明属于全景视频传输技术领域，具体为基于特征点检测的全景视频的传输方法。本发明方法包括：根据用户端的视野情况得到相应的视野范围；将用户的视野范围根据需求划分成若干个面积相等的区域；对这每个区域利用FAST特征点检测算法进行特征点检测；得到每个区域的特征点数目后进行比较，得到特征点数目最多的区域；记录好此区域中心的位置，将其反馈给服务器端，服务器端将其作为用户视野的中心，选择相应的视频内容及其对应清晰度，发送给用户。本发明可大大提高用户的观看体验。
-
公开(公告)号：CN110191347B
公开(公告)日：2021-06-04
申请号：CN201910373251.7
申请日：2019-05-06
Applicant: 复旦大学
IPC: H04N21/218 , H04N21/44 , H04N21/4402 , H04N21/658 , G06K9/46 , G06K9/00
Abstract: 本发明属于全景视频传输技术领域，具体为基于特征点检测的全景视频的传输方法。本发明方法包括：根据用户端的视野情况得到相应的视野范围；将用户的视野范围根据需求划分成若干个面积相等的区域；对这每个区域利用FAST特征点检测算法进行特征点检测；得到每个区域的特征点数目后进行比较，得到特征点数目最多的区域；记录好此区域中心的位置，将其反馈给服务器端，服务器端将其作为用户视野的中心，选择相应的视频内容及其对应清晰度，发送给用户。本发明可大大提高用户的观看体验。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.013 seconds)
