-
公开(公告)号：CN107131925A
公开(公告)日：2017-09-05
申请号：CN201710292929.X
申请日：2017-04-28
Applicant: 南京邮电大学
CPC classification number: G01F23/04 , G06K9/00664
Abstract: 本发明公开了一种基于图像处理的水位实时监测方法，将计算机视觉中的图像处理技术与传统标杆测量水深的方式相结合，解决了传统方法中需人为查看标杆上的刻度、操作不便、误差较大、标杆刻度易磨损等诸多问题。发明中采用图像处理中的对象检测和直线检测技术将获取的图像简化成数学模型，计算出模型中线段长度之间的比例，根据标杆上预留参考长度，求得标杆露出水面的高度，由此可得实时水深。解决了传统的方案中存在的诸多问题，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN108650511B
公开(公告)日：2021-09-28
申请号：CN201810458872.0
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04N19/176 , H04N19/149 , H04N19/147 , H04N19/124 , H04N19/19
Abstract: 本发明公开了一种基于背景失真传播的监控视频率失真优化编码方法，首先将编码块分为背景块和前景块，构建背景块失真传播模型，基于背景块失真传播模型进行全局率失真优化，获得全局率失真优化的参数，利用掩膜标记背景块，对掩膜进行无损编码，基于非对称量化参数对背景块编码，在解码端对背景块掩膜和非对称量化参数偏移值进行解码，实现对背景块的重构。本发明实现监控视频压缩性能和编码效率的提高，解决背景和前景在编码中互相影响导致编码效率低的技术问题。
-
公开(公告)号：CN108650511A
公开(公告)日：2018-10-12
申请号：CN201810458872.0
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04N19/176 , H04N19/149 , H04N19/147 , H04N19/124 , H04N19/19
Abstract: 本发明公开了一种基于背景失真传播的监控视频率失真优化编码方法，首先将编码块分为背景块和前景块，构建背景块失真传播模型，基于背景块失真传播模型进行全局率失真优化，获得全局率失真优化的参数，利用掩膜标记背景块，对掩膜进行无损编码，基于非对称量化参数对背景块编码，在解码端对背景块掩膜和非对称量化参数偏移值进行解码，实现对背景块的重构。本发明实现监控视频压缩性能和编码效率的提高，解决背景和前景在编码中互相影响导致编码效率低的技术问题。
-
公开(公告)号：CN107631782B
公开(公告)日：2020-02-21
申请号：CN201710584816.7
申请日：2017-07-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于Harris角点检测的水位检测方法，包括步骤：在待测量河流区域固定两根椭圆形测量标杆，及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆，并通过摄像头实时采集获得两个测量标杆所在区域的图像；检测提取获得水平面测量斜杆所在区域图像；对提取水平面测量斜杆所在区域图像进行检测，获得几何数学模型并提取两根直线坐标；获得图像中的角点；筛选出位于两根直线坐标内的角点，将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面；提取获得几何数学模型中水平面之上测量标杆长度，及计算获得实际水平面之上测量标杆的长度及实时的实际水位值。本发明可以准确地确定水平面位置和水位值，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN108648188A
公开(公告)日：2018-10-12
申请号：CN201810459572.4
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于生成对抗网络的无参考图像质量评价方法，包括以下步骤：使用生成对抗网络来构建图像训练模型；将高清无损图像作为训练数据集送入图像训练模型中进行训练学习，通过训练前鉴别网络判别所输入图像块的真伪性，并得到具有训练完备鉴别网络的无参考图像质量评价模型；将待评价图像送入无参考图像质量评价模型中，通过训练完备鉴别网络对待评价图像进行打分，及对打分结果进行加权，从而得到待评价图像的评价结果。本方法不仅解决使用传统的无参考图像质量评价方法对待评价图像进行质量评价只能针对图像的某一失真类型或是根据特定应用而进行设计的缺陷，还可以解决现有的使用神经网络的评价方法面临着训练数据收集困难的困境。
-
Patent Agency Ranking
公开(公告)号：CN107631782A
公开(公告)日：2018-01-26
申请号：CN201710584816.7
申请日：2017-07-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于Harris角点检测的水位检测方法，包括步骤：在待测量河流区域固定两根椭圆形测量标杆，及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆，并通过摄像头实时采集获得两个测量标杆所在区域的图像；检测提取获得水平面测量斜杆所在区域图像；对提取水平面测量斜杆所在区域图像进行检测，获得几何数学模型并提取两根直线坐标；获得图像中的角点；筛选出位于两根直线坐标内的角点，将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面；提取获得几何数学模型中水平面之上测量标杆长度，及计算获得实际水平面之上测量标杆的长度及实时的实际水位值。本发明可以准确地确定水平面位置和水位值，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN107071422A
公开(公告)日：2017-08-18
申请号：CN201710248379.1
申请日：2017-04-17
Applicant: 南京邮电大学
IPC: H04N19/147 , H04N19/96 , H04N19/124
CPC classification number: H04N19/147 , H04N19/124 , H04N19/96
Abstract: 本发明公开了一种基于图像相关模型的低复杂度HEVC码率适配转换编码方法，该方法步骤：（1）依据极大量化为零的原则，对码率‑量化参数模型进行估计；（2）根据估计的码率‑量化参数模型和目标码率选取初始量化参数；（3）据码率失真估计模型，生成初始编码树；（4）基于图像相关模型，求取图像相关系数和图像能量项；（5）计算运动矢量的位移项；（6）通过各子编码单元的残差系数对相关系数项进行估计；（7）失真代价进行求解，基于自底向上编码框架进行转换编码的编码模式的快速选择。本发明结合图像相关模型和输入视频的编码信息，以降低视频转换编码复杂度为核心，对提高转换编码的效率具有重要的意义。
-
公开(公告)号：CN108648188B
公开(公告)日：2022-02-11
申请号：CN201810459572.4
申请日：2018-05-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于生成对抗网络的无参考图像质量评价方法，包括以下步骤：使用生成对抗网络来构建图像训练模型；将高清无损图像作为训练数据集送入图像训练模型中进行训练学习，通过训练前鉴别网络判别所输入图像块的真伪性，并得到具有训练完备鉴别网络的无参考图像质量评价模型；将待评价图像送入无参考图像质量评价模型中，通过训练完备鉴别网络对待评价图像进行打分，及对打分结果进行加权，从而得到待评价图像的评价结果。本方法不仅解决使用传统的无参考图像质量评价方法对待评价图像进行质量评价只能针对图像的某一失真类型或是根据特定应用而进行设计的缺陷，还可以解决现有的使用神经网络的评价方法面临着训练数据收集困难的困境。
-
公开(公告)号：CN107547902B
公开(公告)日：2020-03-31
申请号：CN201710589689.X
申请日：2017-07-19
Applicant: 南京邮电大学
IPC: H04N19/176 , H04N19/147 , H04N7/18 , H04N7/15
Abstract: 本发明公开了一种面向监控视频编码的自适应率失真优化方法，包括步骤：对初始若干帧编码中，将SKIP模式的编码块作为背景块及将其他为前景块，并分别将其VSAD特征作为各类的训练样本；对当前编码块划分若干子编码块，计算子编码块绝对差值和的方差以判断当前编码块的分类特征；进行分类检测，将当前编码块分为背景块和前景块；建立前景块自适应率失真优化的模型，对背景块数据清除及对模型进行估计以确定模型中的参数；估计编码比特数据并选取，代入模型以确定参数的估计值；利用确定的参数的估计值对当前前景块进行率失真优化编码。本发明极大地提升了监控视频的编码效率，消除了背景块编码信息的干扰影响，可以保证前景块自适应率失真模型的准确性。
-
公开(公告)号：CN107577985B
公开(公告)日：2019-10-15
申请号：CN201710584911.7
申请日：2017-07-18
Applicant: 南京邮电大学
IPC: G06K9/00 , G06F16/951 , G06F16/953 , G06F16/9535 , G06K9/62
Abstract: 本发明公开了一种基于循环生成对抗网络的人脸头像卡通化的实现方法，包括步骤：从网络上爬取若干真实人物图片和卡通人物图片；基于人脸检测算法识别图片中的人脸，获得真实人脸头像和卡通人脸头像后作为训练样本；构建由生成器和鉴别器组成的循环生成对抗网络，并设计损失函数；将真实人脸头像和卡通人脸头像分别作为输入，训练循环生成对抗网络来最小化损失函数；将待处理的真实人脸头像输入训练完成后的循环生成对抗网络的生成器，获得对应的卡通人脸头像。本发明使得循环生成对抗网络的第一生成器性能达到最佳，可以将输入的真实人脸头像卡通化，做到人脸卡通化的实时性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.053 seconds)
