-
公开(公告)号：CN108492239B
公开(公告)日：2022-05-03
申请号：CN201810222647.7
申请日：2018-03-19
Applicant: 北京工业大学
Abstract: 本发明公开一种面向光场相机的结构化观测与稀疏表示的协同优化方法，用于压缩四维光场数据，采用压缩感知理论框架，综合分析光场信号在空间角度坐标系下和二维图像内部的信号分布特性，提出一种面向光场图像的压缩感知模型，通过该压缩感知模型，协同优化观测矩阵和字典，不仅将光场图像数据间的相似性关系充分挖掘出来，还提高了重建精度，从而达到提高光场获取和重建能力的目标。
-
公开(公告)号：CN109194957B
公开(公告)日：2021-05-18
申请号：CN201810789394.1
申请日：2018-07-18
Applicant: 北京工业大学
IPC: H04N19/117 , H04N19/159 , H04N19/176 , H04N19/42 , H04N19/52 , G06T5/00
Abstract: 本发明公开了一种解码端帧间预测图像的增强方法，其使预测精度提升，从而提高压缩性能。包括步骤：(1)输入初始预测图像块Y，计算每个像素yi,j的几何信息和yi,j表示Y中第i行和第j列的元素，若当前图像块为Skip模式，转入步骤(2)，否则转入步骤(3)；(2)根据预测块Y的亚像素运动矢量和局部几何信息从f1中找到相应的增强滤波器，并对每个像素yi,j进行增强，转入步骤(4)，对于Skip模式下的增强滤波器组记为f1，非Skip模式下的增强滤波器组为f2，增强滤波器由同样的分类方法和维纳滤波得到；(3)根据预测块Y的亚像素运动矢量和局部几何信息从f2中找到相应的增强滤波器，并对每个像素yi,j进行增强，转入步骤(4)；(4)输出增强图像块YE。
-
公开(公告)号：CN109584557B
公开(公告)日：2021-02-26
申请号：CN201811536443.7
申请日：2018-12-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于动态分解模式和矩阵填充的交通流预测方法，本方法从设置在道路上的各种交通探测器中得到的交通数据，将其处理成m‑1列的数据快照矩阵的形式，然后分成两个快照矩阵来分别代表原始数据的前m列和后m列。之后利用低秩矩阵填充中的映射算子方法生成对应于每一个数据快照矩阵的映射矩阵P，然后将映射矩阵与对应的数据快照矩阵进行点乘操作，最后通过基于动态模式分解方法的模型进行交通预测得到待估计的交通量。在动态模式分解进行交通流预测的模型基础上，考虑了由于外界天气或交通设备自身会发生失灵等问题，会造成交通数据发生丢失的问题。
-
公开(公告)号：CN106952228B
公开(公告)日：2020-05-22
申请号：CN201710142438.7
申请日：2017-03-10
Applicant: 北京工业大学
Abstract: 本发明公开一种基于图像非局部自相似性的单幅图像的超分辨率重建方法，通过图像自身的非局部自相似性合成图像的纹理，以及填补图像空洞信息；根据反卷积神经网络完备的理论，实现图像重建。这种基于图像非局部自相似性卷积稀疏表示的超分辨率重建方法，能更好的增强超分辨率图像的细节信息、降低块效应，从而提高了超分辨图像重建质量。
-
公开(公告)号：CN104966314B
公开(公告)日：2019-02-12
申请号：CN201510249390.0
申请日：2015-05-15
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于压缩感知的光场相机的膜优化和字典优化训练方法，包括步骤：(1)利用KSVD算法从样本库进行字典训练；(2)利用观测P和字典D非相关性，以及观测的特定结构，计算出优化的膜；(3)用膜对四维光场数据进行观测采样；(4)从观测到的二维图像的数据中重建四维光场数据；(5)由稀疏系数重建四维光场数据。而字典优化方法，包括步骤：(1)采用随机的膜，并根据此膜生成特定结构的观测矩阵；(2)利用观测P和字典D非相关性，训练出优化的字典；(3)用膜对四维光场数据进行观测采样；(4)从观测到的二维图像的数据中重建四维光场数据；(5)由稀疏系数重建四维光场数据。
-
Patent Agency Ranking
公开(公告)号：CN105844635B
公开(公告)日：2018-10-12
申请号：CN201610162303.2
申请日：2016-03-21
Applicant: 北京工业大学
IPC: G06T7/50
Abstract: 本发明公开了一种基于结构字典的稀疏表示深度图像重建方法，属于图像处理技术领域。首先将对应的深度图和彩色图像作为整体来考虑，在求解过程中，主要注重通过构造具有逻辑对应关系的结构字典来提高深度图像和彩色图像的重建效果。在字典构造的过程中，利用深度图像和彩色图像之间的逻辑对应关系和深度图像本身存在的相似关系，提升字典训练的效率和质量。本发明在收集和整理大量国内外相关资料的基础上，结合稀疏编码等相关理论，针对对应的深度图像与彩色图像之间存在的密切关联，分析数据之间的相关性，主要解决了基于结构字典的稀疏表示深度图的重建问题，减小了运算复杂度，提高了深度图和对应彩色图的重建质量。
-
公开(公告)号：CN108492239A
公开(公告)日：2018-09-04
申请号：CN201810222647.7
申请日：2018-03-19
Applicant: 北京工业大学
Abstract: 本发明公开一种面向光场相机的结构化观测与稀疏表示的协同优化方法，用于压缩四维光场数据，采用压缩感知理论框架，综合分析光场信号在空间角度坐标系下和二维图像内部的信号分布特性，提出一种面向光场图像的压缩感知模型，通过该压缩感知模型，协同优化观测矩阵和字典，不仅将光场图像数据间的相似性关系充分挖掘出来，还提高了重建精度，从而达到提高光场获取和重建能力的目标。
-
-
公开(公告)号：CN106791879A
公开(公告)日：2017-05-31
申请号：CN201611092607.2
申请日：2016-11-30
Applicant: 北京工业大学
IPC: H04N19/61 , H04N19/625 , H04N19/593 , H04N19/176
CPC classification number: H04N19/61 , H04N19/176 , H04N19/593 , H04N19/625
Abstract: 公开了一种与视频相关的基于预测模式的方向变换的帧内编解码方法，其能够根据当前序列不同模式的残差的统计特性，使得残差数据在变换之后能量更加集中，从而得到更小的码流，提升编码效率。该方法包括编码和解码，在编码端，首先对残差数据进行收集，对其根据预测模式训练，得到KLT集合；在编码时，通过RDO在KLT和DCT中选取对于当前编码单元更好的变换方法，同时将KLT集合传输到解码端；在解码端，首先对传输到解码端的字典进行解码，再进行整个视频的解码。
-
公开(公告)号：CN105611299A
公开(公告)日：2016-05-25
申请号：CN201510994165.X
申请日：2015-12-25
Applicant: 北京工业大学
Abstract: 公开一种基于HEVC的运动估计方法，包括步骤：(1)对当前PU进行整数像素运动估计；(2)判断当前PU分数像素运动估计是否无效，是则把整数像素MV置为最优的MV并到步骤(9)，否则执行步骤(3)；(3)判断当前PU是否包含纹理特征，是则执行步骤(4)，否则采用FSPS算法并到步骤(9)；(4)如果是水平纹理则执行步骤(7)，如果是竖直纹理则执行步骤(5)，如果是棋盘格纹理则把整数像素MV置为最优的MV并跳转到步骤(9)，否则采用FSPS算法并跳转到步骤(9)；(5)进行竖直方向插值；(6)进行竖直方向搜索，到步骤(9)；(7)进行水平方向插值；(8)进行水平方向搜索；(9)结束。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.027 seconds)
