-
公开(公告)号：CN110599518B
公开(公告)日：2022-08-26
申请号：CN201910752113.X
申请日：2019-08-15
Applicant: 南京邮电大学
IPC: G06T7/246 , G06T7/11 , G06V10/764 , G06K9/62
Abstract: 本发明属于目标跟踪的技术领域，具体涉及一种基于视觉显著度的超像素分割与条件数分块的跟踪方法，在基于视觉显著度的目标跟踪框架中，采用SLIC超像素分割算法来生成目标图像的超像素区域，并确定各个超像素区域中的最大矩形分块，引入条件数，通过平滑度和陡度用来确定分块的模糊程度，实现目标分块的选择性修改，并对分块使用中心关联拓扑模型来进行目标描述，有效的减少了用于特征描述的像素点个数，在目标外观发生运动模糊更好地分离前景与背景，提高了目标跟踪的准确率与实时性。
-
公开(公告)号：CN110599500B
公开(公告)日：2022-08-26
申请号：CN201910825768.5
申请日：2019-09-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法及系统，该方法利用全卷积网络模型实现了肝脏肿瘤区域的自动分割。包括：对CT图像进行滤波、锐化增强等预处理操作；利用预处理后的CT数据集进行级联网络的训练；用两级FCN网络分别实现肝脏区域分割，以及从肝脏感兴趣区域中分割出肿瘤区域。其中，第一级FCN网络使用了可变池化的方法，保留更多肝脏特征，提高肝脏分割精度；第二级FCN网络使用空洞卷积代替原来的卷积层和池化层，缩小图像增大感受域的同时能够保留目标的位置信息。本发明方法无需手动提取大量特征，且能有效精确的从肝脏CT图像中分割出肿瘤区域。
-
公开(公告)号：CN110337002B
公开(公告)日：2022-03-29
申请号：CN201910752152.X
申请日：2019-08-15
Applicant: 南京邮电大学
IPC: H04N19/172 , H04N19/44 , H04N19/70 , H04N19/91 , H04N19/96
Abstract: 本发明方法针对高清视频的巨大数据量和HEVC解码的超高处理复杂度问题，充分利用HEVC数据中的依赖性，提出了一种在多核处理器平台上HEVC多层次并行解码方法。首先在像素解码重构模块利用CTU单元之间的数据依赖关系，实现基于CTU单元的波前并行算法；其次，在快速环路滤波模块，充分利用去方块滤波和样本自适应补偿之间的数据依赖关系，实现融合环路滤波算法；最后在二个模块之间引入流水线并行技术，实现解码器多层次高效并行解码算法。解码过程中，每一个任务由独立的线程执行，并被绑定到一个独立的核运行，充分利用了多核处理器的并行计算性能，提高了解码效率。
-
公开(公告)号：CN113313826A
公开(公告)日：2021-08-27
申请号：CN202110583019.3
申请日：2021-05-27
Applicant: 南京邮电大学
IPC: G06T17/05
Abstract: 本发明公开了一种尺度自适应可视域分析方法，利用视线（LOS）上可视区域与不可视区域的连续性与交替性，通过在LOS地形剖面上的连续地形中采用有效的复用策略，利用前点的可视性判断当前点的可视性，得到该地形剖面上各采样点的可视性，减少大量的计算冗余，较好的改进了算法的效率；在可视分析区域内构造多个剖面，当LOS地形剖面间距离超过DEM精度时增加新的剖面地形分析，以提高可视域分析的采样精度。本发明大幅提高了可视域分析计算效率，并且能够在大规模数据情形下进行高效的地形可视域分析。
-
公开(公告)号：CN108419083B
公开(公告)日：2020-09-15
申请号：CN201810241371.7
申请日：2018-03-22
Applicant: 南京邮电大学
Abstract: 本发明提出了一种图像多级小波全子带压缩感知编码算法对自然图像进行稀疏表示，将图像变换到具有极大稀疏性的小波域，低频子带对于重建图像非常重要，高频系数中每个元素及其子孙后代重要性和不同高频层系数的稀疏程度是不同的，根据稀疏矢量中高频子带系数的不同重要性来设计权值矩阵，并依据高层子带能量是低层子带能量倍的关系来设置对应每一高频层的权值，并最终得到改进的测量矩阵，最后对稀疏矢量进行压缩观测后得到测量值。在重建端，对有HL，LH和HH高频子带组成的稀疏矢量中，最终对重建系数矩阵进行小波反变换得到重建图像。
-
Patent Agency Ranking
公开(公告)号：CN107277549B
公开(公告)日：2020-05-12
申请号：CN201710422719.8
申请日：2017-06-07
Applicant: 南京邮电大学
IPC: H04N19/593 , H04N19/61 , H04N19/103 , H04N19/176 , H04N19/154
Abstract: 本发明公开了一种基于纹理角度预测模式的HEVC帧内编码帧差错掩盖方法，具体涉及一种在HEVC编码标准解码端，针对HEVC码流在传输过程中可能出现的差错，一种以最大编码单元(LCU)为对象的、基于纹理角度预测模式的HEVC帧内编码帧差错掩盖方法。本方法利用帧内编码模式的空域相关性，首先将丢失LCU分为左上、右上、右下、左下四部分，然后每一部分根据相邻的正确接收块的深度，推测出该部分合理的划分；在该划分模式下，参考相邻块的纹理角度模式，对丢失LCU每个划分块进行纹理角度模式判别，并以此纹理角度模式按照帧内预测的方式进行差错掩盖，如此进行直至掩盖完整个丢失LCU。实验表明本发明方法相比使用线性内插方法进行差错掩盖能够有效提高HEVC掩盖质量。
-
公开(公告)号：CN110599500A
公开(公告)日：2019-12-20
申请号：CN201910825768.5
申请日：2019-09-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法及系统，该方法利用全卷积网络模型实现了肝脏肿瘤区域的自动分割。包括：对CT图像进行滤波、锐化增强等预处理操作；利用预处理后的CT数据集进行级联网络的训练；用两级FCN网络分别实现肝脏区域分割，以及从肝脏感兴趣区域中分割出肿瘤区域。其中，第一级FCN网络使用了可变池化的方法，保留更多肝脏特征，提高肝脏分割精度；第二级FCN网络使用空洞卷积代替原来的卷积层和池化层，缩小图像增大感受域的同时能够保留目标的位置信息。本发明方法无需手动提取大量特征，且能有效精确的从肝脏CT图像中分割出肿瘤区域。
-
公开(公告)号：CN109460744A
公开(公告)日：2019-03-12
申请号：CN201811418016.9
申请日：2018-11-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的视频监控系统，包括图像采集模块、图像预处理及筛选模块、分组转发模块、两级分类模块以及分类结果统计模块；所述图像采集模块连接各监控源，采集各监控源的图像数据；所述图像预处理及筛选模块对采集到的图像进行处理并筛选；所述分组转发模块对处理过的图像数据进行统一编码并将其发送到两级分类模块；所述两级分类模块对图像数据进行可疑异常检测、第二级的异常目标检测以及生产区域的安全隐患检测；所述分类结果统计模块统计得到的分类结果并通过对分类结果的连续时间性判断做出分类结果判定。本发明能够有效的结合到现有视频监控系统，能够实现实时的生产区域安全信息的提取，达到预防和控制安全隐患的目的。
-
公开(公告)号：CN108540797A
公开(公告)日：2018-09-14
申请号：CN201810250015.1
申请日：2018-03-23
Applicant: 南京邮电大学
IPC: H04N19/112 , H04N19/436 , H04N19/44
Abstract: 本发明公开了基于多核平台的HEVC帧内/帧间联合WPP编码方法，包括以下步骤：主线程首先完成线程池及任务池的初始化及创建一个HEVC编码器；HEVC编码器接受用户命令行参数；将每个线程绑到不同的核上；逐帧读入图像并加入帧级任务队列，判断帧级任务队列是否达到设定的最大值；主线程对帧级任务队列中的所有帧进行类型判定与依赖性分析，并开启CTU行级编码线程；帧内依赖关系满足时申请线程处理下一个CTU行，帧间依赖关系满足时调取线程处理后续帧的CTU行，当一帧图像编码完成后，主线程输出码流信息，并继续读入新的帧，直到所有帧全部编码完成后释放系统资源并销毁线程池和任务池。本发明有省时且并行编码效率高的优点。
-
公开(公告)号：CN104243997B
公开(公告)日：2017-05-03
申请号：CN201410454262.5
申请日：2014-09-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种质量可分级HEVC视频编码方法，属于视频编码技术领域。本发明方法利用了基层和增强层编码深度的相关性，在进行增强层的编码时，增强层的各编码树单元分别以其所对应的基层编码树单元的实际编码深度作为自身的最大编码深度来进行编码。本发明还利用了前后帧中相对应CTU编码深度之间的相关性来进一步降低基层编码算法的计算复杂度。相比现有技术，本发明方法能够在保持编码后图像质量的前提下，有效降低编码的计算复杂度，提高编码过程的实时性。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.027 seconds)
