一种多信息融合的帧率上变换运动估计方法及系统

    公开(公告)号:CN106210449A

    公开(公告)日:2016-12-07

    申请号:CN201610657029.6

    申请日:2016-08-11

    Abstract: 本发明公开一种多信息融合的帧率上变换运动估计方法及系统,方法步骤为:读取前后两帧图像,分别对其进行降采样,对降采样的图像进行基于光流法的运动估计,对原始图像进行块匹配的运动估计,提取前后两帧图像的SIFT特征,计算特征向量并进行特征匹配,得到特征匹配的运动矢量,对块匹配运动矢量、特征匹配运动矢量和光流法运动矢量进行融合,运动矢量的传递。本发明相对比传统基于块匹配的运动估计算法,精度提升明显。针对一般的光流估计算法,在小物体运动矢量以及运动边界矢量保持上具有更好的性能。

    一种基于媒体内容的FEC机制

    公开(公告)号:CN105827361A

    公开(公告)日:2016-08-03

    申请号:CN201510010097.9

    申请日:2015-01-08

    Abstract: 本发明提供了一种基于媒体内容的FEC机制,该机制将媒体内容进行分级,并赋予不同的重要性,再根据属于不同重要程度帧的包,结合信道状况和用户体验感受,改变编码方案,按照所属帧的重要程度进行保护。采用了本发明的技术方案,可以针对目前FEC系统中过度编码造成的数据拥塞,通过对媒体内容分级,赋予不同的重要性,利用信令和指示位控制,采用不同的FEC编码强度;实现最大限度保证媒体内容质量的同时,减少FEC造成的极大的数据量。

    一种高效可伸缩的多媒体传送、存储和呈现方法

    公开(公告)号:CN105653530A

    公开(公告)日:2016-06-08

    申请号:CN201410635856.6

    申请日:2014-11-12

    Abstract: 本发明提供了一种高效可伸缩的多媒体传送、存储和呈现方法,该方法对互联网上媒体内容不同版本的关联分类,增加对多媒体服务的管理控制,比如内容提供商在制作视频时可以采用某种方式对视频内容的重要片段进行标记,或者更进一步,根据视频内容的重要程度将每个视频片段划分不同的等级。在用户观看时,可以根据这些等级进行选择性播放,而不是盲目的随机选择。从而解决了现有多媒体协议无法解决的媒体版本内容关联问题以及传输效率不高、存储空间浪费的问题。

    一种基于分层运动估计的搜索方法及其实现系统

    公开(公告)号:CN102790884B

    公开(公告)日:2016-05-04

    申请号:CN201210264933.2

    申请日:2012-07-27

    Abstract: 本发明公开一种基于分层运动估计的搜索方法及其实现系统,所述方法将当前帧和参考帧按照比例进行一次降采样,降采样层进行运动估计时,设置候选运动向量的步长为降采样后的2个整像素单位向量。所述系统包含亮度参考像素缓存模块,分层复用的PE阵列模块;PE阵列寄存器数据更新操作控制模块。本发明提出的方案仅通过一次4:1降采样,由原始图像层的16x16块变为8x8块,块匹配的特征较明显;同时设置降采样层的搜索步长为2来降低计算量,满足视频编码器的实时性。

    一种高清转超高清视频图像的超分辨率放大方法

    公开(公告)号:CN104660951A

    公开(公告)日:2015-05-27

    申请号:CN201510031248.9

    申请日:2015-01-21

    Abstract: 本发明提供了一种高清转超高清视频图像的超分辨率放大方法,所述方法步骤包括:步骤一:从高清视频流中读取一帧图像;步骤二:对读取的图像数据预处理;步骤三:对读取的图像按固定大小分块;步骤四:对每一个图像块进行n步小倍数scale放大,其中每一步都使用局部自样本学习的放大方法;步骤五:将图像块重新拼接、后处理,得到一帧超高清视频图像;步骤六:回到步骤一,读取下一帧图像。本发明所述方法能够实现实时地将高清视频转换成超高清视频,保持了高质量的画质,同时也实现了25fps的实时帧速率。

    一种减少存储带宽需求的超高清帧率上变换系统

    公开(公告)号:CN104301736A

    公开(公告)日:2015-01-21

    申请号:CN201410538367.9

    申请日:2014-10-13

    Abstract: 本发明公开了一种减少存储带宽需求的超高清帧率上变换系统,其中:输入模块接收超高清视频图像流,经过降采样得到高清视频图像,并将原始图像及降采样后的图像存入片外存储器;运动估计模块从片外存储器读入高清分辨率下搜索窗的像素数据,计算出对应的运动矢量,此运动矢量经过缩放后作为超高清分辨率下运动矢量的粗值;矢量后处理模块接收到运动矢量粗值,对其进一步细化、平滑处理,得到运动矢量最终值;内插模块从片外存储器读入运动矢量最终值对应的参考像素块,计算出内插像素块。本发明通过只读取高清分辨率下的搜索窗而实现超高清帧率上变换,减少了片外存储带宽需求、片内存储面积和访存带宽,同时克服了降低分辨率带来的运动估计误差。

    人脸盲修复方法、装置、设备、存储介质

    公开(公告)号:CN118710558A

    公开(公告)日:2024-09-27

    申请号:CN202411204104.4

    申请日:2024-08-30

    Abstract: 本申请提供一种人脸盲修复方法、装置、设备、存储介质,该方法,获取待修复图像#imgabs0#;对待修复图像#imgabs1#进行正向多步加噪处理,得到第#imgabs2#步的图像#imgabs3#;基于低通滤波器对#imgabs4#进行逆向多步去噪处理,且,每#imgabs5#步去噪处理后均交换去噪处理后图像的低频分量与#imgabs6#的低频分量,得到第#imgabs7#步的图像#imgabs8#;根据#imgabs9#预测第一图像#imgabs10#;对#imgabs11#进行正向多步加噪处理,得到第#imgabs12#步的图像#imgabs13#;基于低通滤波器对#imgabs14#进行逆向多步去噪处理,且每#imgabs15#步去噪处理后均交换去噪处理后图像的低频分量与#imgabs16#的低频分量,得到第#imgabs17#步的图像#imgabs18#;根据当前的#imgabs19#与预设条件的关系,以及#imgabs20#与待修复图像的低频分量之间的均方误差得到修复后图像。

    一种动态神经辐射场表示和压缩的端到端联合优化方法

    公开(公告)号:CN118378669A

    公开(公告)日:2024-07-23

    申请号:CN202410476188.0

    申请日:2024-04-19

    Abstract: 本公开提供一种动态神经辐射场表示和压缩的端到端联合优化方法,其包括:采用系数特征网格和基础特征网格表示动态神经辐射场,采用残差特征网格和系数特征网格补偿动态神经辐射场的误差区域,确定经过表示的动态神经辐射场;对经过表示的动态神经辐射场进行模型训练处理和模拟量化操作处理;根据经过表示的动态神经辐射场的预测压缩数据量和预设的损失函数对经过模拟量化操作处理的动态神经辐射场进行优化处理,确定训练完成的动态神经辐射场;对训练完成的动态神经辐射场进行均匀量化处理和编码处理,确定动态神经辐射场的实际压缩数据量。通过本公开,高效地对动态神经辐射场进行建模和压缩,提高动态神经辐射场的压缩率并减少还原后的失真度。

    基于离散表示学习的图像超分辨率方法和系统、终端

    公开(公告)号:CN113628108B

    公开(公告)日:2023-10-27

    申请号:CN202110755689.9

    申请日:2021-07-05

    Abstract: 本发明提供一种基于离散表示学习的图像超分辨率方法和系统、终端,所述方法包括:分别创建低分辨率以及高分辨率的离散字典;将低分辨率图像输入卷积神经网络得到提取的图像特征,并参照低分辨率离散字典,将图像特征转换为离散表示;将基于低分辨率字典的离散表示通过自回归网络,映射成基于高分辨率字典的离散表示;将离散表示参照高分辨率字典,转换为高分辨率图像特征,再通过卷积神经网络,进行反卷积的操作,生成输入低分辨率图像对应的高分辨率图像。本发明能够利用低清高清数据对来分别建立低分辨率以及高分辨率离散字典,将输入的低分辨率图像通过这两个字典变为对应的高分辨率图像,提升图像的清晰度。

    脊骨脱位辅助诊断方法及系统

    公开(公告)号:CN110660480B

    公开(公告)日:2023-05-26

    申请号:CN201910912803.7

    申请日:2019-09-25

    Abstract: 本发明提供了一种脊骨脱位辅助诊断方法及系统,所述方法包括:粗分割网络训练步骤:通过少量标注了脊骨椎体四个顶点的数据训练粗略的分割网络;滑窗提取步骤:对输入图像按照其中脊骨椎体的大小提取滑窗进行数据增广;特征提取步骤:对于输入的医疗影像通过深度神经网络提取高层语义特征;类别激活图生成步骤:利用分类网络中已有的参数生成类别激活图;专家知识引导步骤:利用分割网络得到粗略分割结果定位前后边缘的大致位置,并以此约束神经网络类别激活图中的概率分布。本发明对于脊骨脱位诊断的准确率和可解释性,并且在数据量较小时能保持很好的性能。

Patent Agency Ranking