-
公开(公告)号：CN105654119B
公开(公告)日：2019-08-16
申请号：CN201510994181.9
申请日：2015-12-25
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种字典优化方法，其能够更好地携带光场数据的结构特征，减小字典的存储空间，明显提高光场图像的重建质量。该方法包括步骤：(1)探究基于压缩感知光场摄影技术中观测矩阵和字典作用的过程；(2)根据相机的结构推导出结构化的观测矩阵P；(3)结合压缩感知中观测矩阵与字典的非一致性，以及压缩感知和稀疏编码理论知识，构建优化字典模型；(4)根据光场视图间具有高度的相关性，且各个视图共享相似的结构内容，结合上述结构化观测P，构造结构字典SD；(5)根据结构化的观测P，对优化字典模型求解，最终得到优化的结构字典OSD和优化的字典OD。
-
公开(公告)号：CN110084740A
公开(公告)日：2019-08-02
申请号：CN201910338287.1
申请日：2019-04-25
Applicant: 北京工业大学
IPC: G06T3/00
Abstract: 本发明涉及一种基于规格化结构的球面图像生成及转换方法。传统图像利用基于规格化结构的数字化表示方式，简化图像处理操作，从而在很多应用中取得了成功。然而，对360°球面图像视频，目前还缺乏有效的规格化数字化表示方式。为解决现有球面数字化表示方法冗余大，几何关系复杂，不利于数字化采样和数值计算的缺点，本发明利用曲面三角作为图像像元，建立球面规格化结构，并以此为基础给出基于规格化结构的数字化球面图像的生成方法；更进一步，本发明将平面图像插值算法引入该数字化框架，提出从ERP图像到规格化球面图像的转换方法，可将ERP投影格式下的360°图像视频转化为高质量的规格化球面图像，为后续处理提供数据保障。
-
公开(公告)号：CN105338366B
公开(公告)日：2018-01-19
申请号：CN201510717683.7
申请日：2015-10-29
Applicant: 北京工业大学
IPC: H04N19/80 , H04N19/117
Abstract: 公开了一种视频序列中分数像素的解码方法，包括步骤：(1)在解码每帧视频序列的头信息时，解码三组滤波器，假设这三组滤波器分别是[f11,f21,.....,f71]，[f12,f22,.....,f82]和[f13,f23,.....,f73]，其中i＝1,2,3,4，fij为整数，范围为[‑63,63]，j＝1,2,3，i＝1,2,....8；(2)在解码符号标志位阶段，判断是否属于SKIP模式，是则执行步骤(3)，否则执行步骤(4)；(3)不解码分数位像素采用哪种插值滤波器，全部使用解码得到的三组滤波器，跳转到步骤(5)；(4)解码分数运动向量不为(0,0)的预测块的插值滤波器的符号标志位，若解码为0表示分数插值滤波器使用解码得到的插值滤波器，若解码为1表示分数插值滤波器使用原有HEVC插值滤波器；(5)在运动补偿阶段根据解码的插值滤波器符号标志位，进行相对应的分数位像素插值。
-
公开(公告)号：CN104866900B
公开(公告)日：2018-01-19
申请号：CN201510046974.8
申请日：2015-01-29
Applicant: 北京工业大学
IPC: G06N3/02
Abstract: 本发明公开了一种反卷积神经网络训练方法，其能够有效地提取图像特征，有益于分类正确率的提高，提高反卷积神经网络的训练收敛效率及收敛精度，降低反卷积神经网络在实际应用中的训练成本，同时可被应用于其他基于卷积运算的优化问题求解中。这种反卷积神经网络训练方法，包括训练阶段和重建阶段，训练阶段包括步骤：(1)对训练图像进行预处理；(2)对训练图像进行批设置；(3)设置训练图像的网络训练参数；(4)开始第一层训练；重建阶段包括步骤：(5)对待重构图像进行预处理；(6)设置待重构图像的网络训练参数；(7)按批输入待重构图像直到完成所有批图像的重构。
-
公开(公告)号：CN103888763B
公开(公告)日：2017-04-26
申请号：CN201410110871.9
申请日：2014-03-24
Applicant: 北京工业大学
IPC: H04N19/11 , H04N19/105 , H04N19/147
Abstract: 公开一种基于HEVC的帧内编码方法，包括步骤：（1）获得临近当前编码块的左、左上、上块的尺寸，如果全为2或3，将当前编码块的尺寸设置为2或3并执行步骤（3）；否则执行步骤（2）；（2）根据概率，减少RMD候选队列中的模式数量；（3）如果预测块尺寸为32×32或16×16，执行步骤（4），否则执行步骤（5）；（4）进行RMD，跳转步骤（9）；（5）判断RMD候选队列与父预测块的候选队列的相似程度，相似执行步骤（6），否则执行步骤（7）；（6）用父预测块的最优模式作为当前预测块的最优模式，执行步骤（9）；（7）对RMD候选队列进行模式过滤；（8）对处理过的RMD候选队列进行分组；（9）执行RDO。
-
Patent Agency Ranking
公开(公告)号：CN106097278A
公开(公告)日：2016-11-09
申请号：CN201610474921.0
申请日：2016-06-24
Applicant: 北京工业大学
CPC classification number: G06T5/002 , G06T7/00 , G06T2207/20081
Abstract: 本发明公开一种多维信号的稀疏模型，其能够保证不需要采用Kronecker乘积，从而保证在算法复杂度和存储空间上都有明显的改进。这种多维信号的稀疏模型，其为公式其中，张量表示成一个N维稀疏张量与一系列稀疏字典的张量乘积，In≤Mn，Dn定义为第n个方向的字典，K是稀疏度，用来刻画稀疏系数中的非零元素的个数。还提供了重建方法和字典训练方法。
-
公开(公告)号：CN105741332A
公开(公告)日：2016-07-06
申请号：CN201610069414.9
申请日：2016-02-01
Applicant: 北京工业大学
IPC: G06T9/00
CPC classification number: G06T9/00
Abstract: 本发明公开一种真实感三维网格压缩方法，其能够提高在压缩法向图像上的效率，从而有效地提高真实感三维网格的压缩效率。该方法包括编码阶段和解码阶段；原始的输入数据是原始的几何图像GI，原始的θ′?角度图像Iθ′以及原始的φ?角度图像Iφ，编码阶段包括：(1)下采样平滑的几何图像；(2)通过解码重建后的几何图像预测角度图像；解码阶段包括：(3)解码并上采样上述几何图像，得到重建后的几何图像(4)通过预测θ?角度图像，φ?角度图像和θ′?角度图像，得到预测的和(5)解码残差和并添加到预测的和得到重建的θ′?角度图像和重建的φ?角度图像(6)利用估计边信息作用于最后得到重建后的角度图像和
-
公开(公告)号：CN103024383B
公开(公告)日：2016-02-10
申请号：CN201210543813.6
申请日：2012-12-14
Applicant: 北京工业大学
IPC: H04N19/593 , H04N19/11 , H04N19/176
Abstract: 公开了一种时间复杂度较低、预测准确度较高、提高压缩比的基于HEVC框架的无损压缩编码方法。利用HEVC框架本身，可以实现依据图像平坦程度来自适应的分割编码单元，并决定最佳的分割方案，选择最优的预测模式。利用DPCM差分编码进行初步预测，对于纹理复杂的区域只用差分编码可能会使预测误差较大，因此，对该区域采用误差补偿的方式对预测值进行修正，通过这两种方法的结合可以获得降低时间复杂度，提高预测准确度的有效的折中。残差的分布特点依赖于预测模式，因此根据预测模式决定残差的扫描顺序，可以使熵编码更加有效。
-
公开(公告)号：CN102722865B
公开(公告)日：2015-05-13
申请号：CN201210159943.X
申请日：2012-05-22
Applicant: 北京工业大学
Abstract: 在没有外界的高分辨率图像库的前提下得到高分辨率图像的超分辨率稀疏重建方法，包括步骤：（1）对给定的低分辨率彩色图像进行空间转化，得到其YCbCr空间图像，对Cb、Cr分量利用插值方法进行重建；（2）构造用于训练的数据库，即高分辨率图像块Xh和低分辨率图像块Xl，并组合成数据库X；（3）对数据库X利用稀疏编码方法生成字典D，并分解为高分辨率图像的字典Dh和低分辨率图像的字典Dl；（4）利用Dl和低分辨率图像2倍上采样的图像对应的特征图像来求解稀疏系数；（5）通过稀疏系数和Dh，求解原始低分辨率图像3倍上采样的图像；（6）将Y、Cb、Cr组合得到YCbCr图像，并转化为RGB图像进行存储，就得到最终超分辨率重建图像。
-
公开(公告)号：CN103024383A
公开(公告)日：2013-04-03
申请号：CN201210543813.6
申请日：2012-12-14
Applicant: 北京工业大学
Abstract: 公开了一种时间复杂度较低、预测准确度较高、提高压缩比的基于HEVC框架的无损压缩编码方法。利用HEVC框架本身，可以实现依据图像平坦程度来自适应的分割编码单元，并决定最佳的分割方案，选择最优的预测模式。利用DPCM差分编码进行初步预测，对于纹理复杂的区域只用差分编码可能会使预测误差较大，因此，对该区域采用误差补偿的方式对预测值进行修正，通过这两种方法的结合可以获得降低时间复杂度，提高预测准确度的有效的折中。残差的分布特点依赖于预测模式，因此根据预测模式决定残差的扫描顺序，可以使熵编码更加有效。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.028 seconds)
