基于图像重构卷积神经网络的低码率视频编解码方法

    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

    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。

    基于局部自适应伽马校正的图像对比度增强实现方法

    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

    Inventor: 何刚 徐莉 李云松

    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。

    基于GAN网络的水下图像色彩校正方法

    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

    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。

    基于HEVC熵编码器的集成电路设计方法

    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

    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。

    基于高效视频编码标准的离散余弦变换实现方法

    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

    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。

Patent Agency Ranking