-
公开(公告)号：CN111242883B
公开(公告)日：2023-03-28
申请号：CN202010026179.3
申请日：2020-01-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的动态场景HDR重建方法，克服了现有技术中图像处理效果有待改进的问题。该发明含有以下步骤，在同一静态场景内用固定相机获取欠曝光、正常曝光和过曝光三幅图像；在动态场景中，用手持相机获取上述三幅图像，记为D1、D2和D3；用LK光流法对D1、S2和D3进行配准，图像序列记为R1、R2和R3和步骤1中得到的Ground Truth组成配对的训练集；利用相机相应曲线将R1、R2和R3变换到线性域，记为H1、H2和H3；利用对比度算子提取H1、H2和H3图像中的亮度信息，记为M1、M2和M3；利用梯度算子提取R1、R2和R3图像中细节信息，记为L1、L2和L3；设计基于Resnet的Attention模块。该技术生成的HDR图像细节丰富，对比度高，具有广色域高动态范围。
-
公开(公告)号：CN110751597B
公开(公告)日：2023-03-28
申请号：CN201910967743.9
申请日：2019-10-12
Applicant: 西安电子科技大学 , 呈像科技(北京)有限公司
IPC: G06T3/40 , G06T5/50 , G06N3/08 , G06N3/0464 , H04N19/85
Abstract: 本发明提出了一种基于编码损伤修复的视频超分辨方法，其实现步骤为：构建深度卷积神经网络；生成训练数据集；训练深度卷积神经网络；对视频图像进行下采样；对低分辨率视频进行编解码；对重建视频进行图像超分辨处理。本发明解决了现有视频图像超分辨方法中存在的无法达到实时处理要求、针对图像编码损伤的修复不足与放大尺度不足的问题，增强了网络针对编码损伤的学习能力，提升了图像超分辨的处理范围、处理速度与解码后的视频质量。
-
公开(公告)号：CN111866511B
公开(公告)日：2022-03-15
申请号：CN202010794331.2
申请日：2020-08-10
Applicant: 西安电子科技大学
IPC: H04N19/176 , H04N19/96 , H04N19/124 , G06V10/774 , G06V10/80 , G06K9/62 , G06N3/04 , G06N20/00
Abstract: 本发明涉及一种基于卷积长短期记忆神经网络的视频损伤修复方法,步骤为：1.使用视频编解码器压缩未受损的视频码流A1，得到受损的视频码流A2；2.无损逐帧分解A1和A2，分别得到帧序列B1和B2；将B1和B2逐帧对应保存；3.使用视频编解码器提取A2的分块深度信息S1，对A2逐帧划分，将结果叠加至B2上，生成带有视频编码信息的帧序列B3；4.构建视频修复网络；5.以损失函数作为优化目标，B1为标签，将B2和B3输入视频修复网络并对其进行训练；6.将待修复的视频序列及其编码信息输入训练好的视频修复网络中，得到修复完成的视频序列；本发明所修复的受损视频清晰度高，且只针对视频受损区域进行修复。
-
公开(公告)号：CN110087092B
公开(公告)日：2020-06-05
申请号：CN201910182160.5
申请日：2019-03-11
Applicant: 西安电子科技大学
IPC: H04N19/85 , H04N19/593 , H04N19/176 , H04N19/80 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于图像重构卷积神经网络的低码率视频编解码方法，用以解决现有技术中存在的在低码率下视频编解码后视频有严重压缩失真的问题，其实现步骤为：对输入视频通过下采样操作后得到低分辨率的视频，再使用标准X265编解码器对低分辨率视频进行视频编解码，得到解码后的低分辨率视频，将解码后的低分辨率视频输入到训练好的图像重构卷积神经网络，然后得到与输入视频相同分辨率的重构视频。本发明能够在低码率下有效抑制视频编解码带来的严重压缩失真，能够很好地提升视频的质量。
-
Patent Agency Ranking
公开(公告)号：CN110599415A
公开(公告)日：2019-12-20
申请号：CN201910808481.1
申请日：2019-08-29
Applicant: 西安电子科技大学 , 呈像科技(北京)有限公司
Abstract: 本发明公开了一种基于局部自适应伽马校正的图像对比度增强实现方法，解决了图像过曝、欠曝、逆光的问题。实现步骤：输入待处理图像，扩充后转到HSV空间；通道分离；对V通道图像分块处理；计算得到最初的灰度变换函数并用其对V通道图像插值映射；直方图裁剪和移位补偿；计算最终的灰度变换函数并对Vg通道图像进行插值映射；通道合并后转换为RGB图像。本发明对问题图像进行针对性的局部自适应伽马校正，保持图像不失真的情况下有效地高质量提高对比度，图像的纹理、细节的恢复效果显著，复杂度低，工程应用性高，可十分广泛地应用于拍摄场景和手法造成的图像过曝、欠曝和逆光的图像增强处理。
-
公开(公告)号：CN110189268A
公开(公告)日：2019-08-30
申请号：CN201910432105.7
申请日：2019-05-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于GAN网络的水下图像色彩校正方法；该方法通过训练Cycle GAN网络，使其完成从空气中图像到水下图像的风格转换；使用训练好的Cycle GAN网络将空气中图像生成对应的水下图像，空气中图像和其对应的水下图像组成配对的数据集；通过构建UGAN网络，使用配对的数据集和实际拍摄的水下图像作为验证集训练UGAN网络，得到训练好的去水模型，使用去水模型对水下图像进行色彩校正，最后将输入的水下图像的UV通道和输出的空气中图像的Y通道进行融合后转换为RGB图像输出；本发明所生成的空气中图像与其对应的水下图像配对的数据集真实可用，对水下图像进行去水处理后，可增强画质，处理速度快，效率高。
-
公开(公告)号：CN106911935B
公开(公告)日：2019-07-16
申请号：CN201710255725.9
申请日：2017-04-19
Applicant: 西安电子科技大学
IPC: H04N19/91 , H04N19/176 , H04N19/70 , H04N19/593
Abstract: 本发明提出了一种基于HEVC标准的熵编码器集成电路设计方法，用于解决现有熵编码器集成电路设计方法中存在的硬件开销大和实现复杂度高的技术问题，实现步骤为：创建不同规格的寄存器并初始化；计算HEVC熵编码器用到的各语法元素二元符号长度；计算4×4子块二元符号串长度和全零标志位并存储到相应的小寄存器中；根据TU块规格和子块在TU块中的位置坐标，将小寄存器中存储的值分别存储到相应的大寄存器中；计算TU块中已计算得到二元符号串长度的子块个数并将该数值存储到相应寄存器；根据该数值与TU块包含子块总数的比较结果和TU块的规格，对TU块的下一个子块和TU块进行不同操作；计算TU块二元符号串长度。
-
公开(公告)号：CN107027039A
公开(公告)日：2017-08-08
申请号：CN201710242830.9
申请日：2017-04-14
Applicant: 西安电子科技大学
IPC: H04N19/625 , H04N19/59
Abstract: 一种基于高效视频编码标准的离散余弦变换实现方法，具体实现步骤如下：(1)获得图像残差像素；(2)读取残差像素矩阵；(3)读取任意一行像素值；(4)32点蝶形变换；(5)16点蝶形变换；(6)8点蝶形变换；(7)4点离散余弦变换；(8)调整像素值顺序；(9)判断是否最后一行；(10)二维离散余弦变换；(11)判断是否最后一个矩阵；(12)输出码流。本发明能够有效克服现有技术中离散余弦变换实现方法硬件开销较大的问题，减小了编码过程中的硬件开销，使得图像能够得到很好的压缩。
-
公开(公告)号：CN103795649A
公开(公告)日：2014-05-14
申请号：CN201410046547.5
申请日：2014-02-10
Applicant: 桂林电子科技大学
IPC: H04L12/885
Abstract: 本发明公开了一种网络延时抖动平滑方法，包括：利用指数平滑预测法预测网络抖动的大小和变化趋势；利用网络抖动的预测结果，设置数据缓冲器的大小。本发明能够较好的预测网络延时抖动大小的变化，有效减少了变化的网络抖动中的异常值，减小了丢包率，与其他方法相比有一定的优越性，并且无需各个系统模块时钟同步。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.025 seconds)
