-
公开(公告)号：CN106875331A
公开(公告)日：2017-06-20
申请号：CN201710037483.6
申请日：2017-01-19
Applicant: 北京大学深圳研究生院
IPC: G06T3/00
CPC classification number: G06T3/0006
Abstract: 本发明公布了一种全景图像的非对称映射方法，包括映射过程和反向映射过程；映射过程通过非对称前向映射方法将原始图转换成非对称图；包括：将经纬图坐标映射为原始全景图坐标；计算经纬图感兴趣区域横向和纵向上的最大下采样比例；建立从映射图到经纬图相同点坐标的映射关系；生成非对称映射图；反向映射过程通过非对称反向映射方法将非对称图反映射成原始图。原始图为任意格式的全景图。本发明对全景图像中的感兴趣区域使用较高的采样精度，对非感兴趣区域使用较低采样精度，由此降低图像分辨率，进而降低全景图像的数据量。
-
公开(公告)号：CN104680510B
公开(公告)日：2017-06-16
申请号：CN201310698887.1
申请日：2013-12-18
Applicant: 北京大学深圳研究生院
Abstract: 本申请公开了一种RADAR视差图优化方法、立体匹配视差图优化方法及系统，其中RADAR视差图优化方法包括步骤：获取颜色分块图：对初始图像进行对比度增强并将其由RGB空间转换为CIELab空间，通过mean‑shift颜色分割对CIELab空间进行颜色分块得到颜色分块图；获取视差图边缘信息：接收初始图像的初始视差图，结合Canny算子提取初始视差图中的视差图边缘信息；视差图优化；结合颜色分块图和视差图边缘信息进行不一致区域检测得到问题区域图，根据问题区域图对初始视差图进行OccWeight修正并滤波得到最终视差图。通过本申请的方法对初始视差图进行优化后，降低了错误率，提高了最终视差图的准确率。
-
-
公开(公告)号：CN106650806A
公开(公告)日：2017-05-10
申请号：CN201611166903.2
申请日：2016-12-16
Applicant: 北京大学深圳研究生院
CPC classification number: G06K9/00362 , G06K9/6223 , G06K9/6269 , G06N3/0454
Abstract: 本发明公布了一种用于行人检测的协同式深度网络模型方法，包括：构建一种新的协同式多模型学习框架来完成行人检测中的分类过程；利用人工神经元网络来整合协同式模型中各子分类器的判决结果，并借用机器学习的方法训练该网络，能够更加有效地综合各分类器反馈的信息；提出一种基于K‑means聚类算法的重采样方法，增强协同模型中各分类器的分类效果，进而提升整体分类效果。本发明通过建立协同式深度网络模型，将由聚类算法得到的不同类型的训练数据集用于并行地训练多个深度网络模型，再通过人工神经元网络将原始数据集在各个深度网络模型上的分类结果进行整合和综合分析，以实现更加精准的样本分类。
-
公开(公告)号：CN104063855B
公开(公告)日：2017-01-04
申请号：CN201410230714.1
申请日：2014-05-28
Applicant: 北京大学深圳研究生院
Abstract: 本申请提供一种基于分类字典库的超分辨率图像重构装置，该装置可以从训练图像中选取第一局部块以及降采样后对应的第二局部块，提取相应特征，组合得到一组字典组，再对多组字典组按照LBS和SES的计算值作为分类标记进行分类并进行预训练，得到包含多个带分类标记的字典组的分类字典库。在重构图像时，同样提取待重构图像上局部块的局部特征，并将局部块的LBS和SES分类与分类字典库中各字典的LBS和SES分类相匹对，即可以快速获取到匹对的字典，最后利用匹对的字典对该待重构图像进行图像重构。从而，可以在恢复图像的高频信息的同时，提升图像的超分辨率重构的效率。
-
Patent Agency Ranking
公开(公告)号：CN103152587B
公开(公告)日：2016-08-03
申请号：CN201110403749.7
申请日：2011-12-06
Applicant: 北京大学深圳研究生院
Abstract: 本发明公开了一种基于视频压缩码流中辅助增强信息的2D视频转3D视频方法，包括：使用辅助增强信息描述深度线索；将该辅助增强信息使用熵编码进行编码并存储于视频序列的补充增强信息(Supplemental enhancement information)中；解码端将解码2D视频，利用辅助增强信息以及解码出的2D视频生成深度图，并跟据深度图和解码出的2D视频生成3D视频。该发明提出的基于视频压缩码流中辅助增强信息的2D视频转3D视频方法，能有效地帮助解码端提升2D视频转3D视频的质量，并且具有较小的传输代价和计算复杂度。
-
公开(公告)号：CN105681805A
公开(公告)日：2016-06-15
申请号：CN201610035562.9
申请日：2016-01-19
Applicant: 北京大学深圳研究生院
IPC: H04N19/503 , H04N19/176 , H04N19/59 , H04N19/513
CPC classification number: H04N19/503 , H04N19/176 , H04N19/513 , H04N19/59
Abstract: 一种视频编码、解码方法及其帧间预测方法和装置，其中，帧间预测方法包括：获取当前图像块的运动矢量以及当前像素的相关空间位置信息；根据当前图像块的运动矢量以及当前像素的相关空间位置信息得到当前像素的运动矢量；根据得到的当前像素的运动矢量得到当前像素的预测值。因此，在进行帧间预测时，不仅仅考虑当前图像块的运动矢量，还考虑当前像素的相关空间位置信息，可以适应不同的镜头畸变的特性以及当物体在画面中运动时产生的放大/缩小现象，从而提高计算像素的运动矢量时的准确性，提升视频编解码过程中帧间预测的性能和压缩效率。
-
公开(公告)号：CN105678778A
公开(公告)日：2016-06-15
申请号：CN201610022261.2
申请日：2016-01-13
Applicant: 北京大学深圳研究生院
IPC: G06T7/00
CPC classification number: G06T2207/30248
Abstract: 本发明公开了一种图像匹配方法和装置。该方法包括：获取模板图像和目标图像；根据模板图像获取一组模板特征；根据目标图像提取一组目标特征；根据模板特征和目标特征，计算模板图像与每帧目标图像的图像相似度，并以图像相似度最大的目标图像为与模板图像匹配的图像。上述实施例的图像匹配方法和装置中，通过模板特征与目标特征之间的相似度分别计算模板图像与每个目标图像之间的图像相似度来进行图像匹配，可以保证图像匹配过程中特征的不冗余性，保证图像的正确匹配，提高图像匹配的准确度。
-
公开(公告)号：CN105554506A
公开(公告)日：2016-05-04
申请号：CN201610035874.X
申请日：2016-01-19
Applicant: 北京大学深圳研究生院
IPC: H04N19/503 , H04N19/176 , H04N19/137 , H04N19/13
Abstract: 一种基于多方式边界填充的全景视频编码、解码方法和装置，在通过帧间预测得到当前图像块的预测图像块时，帧间预测包括边界填充步骤，边界填充步骤为：当前图像块中像素的参考样本在相应的参考图像的边界之外时，根据参考样本的坐标自适应选择边界填充方式，以求得参考样本的样本值。本申请提供的基于多方式边界填充的全景视频编码、解码方法和装置中，充分利用了全景视频中，水平方向图像内容是循环相连的这一特性，优化图像边界填充方法，使得在编码端能够根据参考样本的坐标自适应选择更合理的边界填充方式，以达到提升压缩效率的目的。
-
公开(公告)号：CN105160344A
公开(公告)日：2015-12-16
申请号：CN201510340617.2
申请日：2015-06-18
Applicant: 北京大学深圳研究生院
IPC: G06K9/46
CPC classification number: G06K9/4604 , G06K9/4642
Abstract: 本申请提供的三维点云的局部特征提取方法及装置，基于与每个体元素的点对应的局部参考系来计算待提取特征点与相邻体元素的点的角度信息和凹凸信息，能够准确的计算两点之间的特征关系，具有平移、旋转不变的性质，并且由于提取同时将局部点云的凹凸信息包含进去，解决了以往3D局部特征描述时忽略凹凸二义性而导致提取不准的问题。在归一化处理时，采用指数归一化处理及第二范式归一化处理，解决了特征提取时，向量中少量元素过大或过小所导致的相似度计算不准确的问题，从而能提高所提取的三维局部特征的准确性。
-
-
-
-
-
-
-
-
-
Search Results
211
records
(took 0.036 seconds)
