-
公开(公告)号：CN113269676B
公开(公告)日：2023-01-10
申请号：CN202110547908.4
申请日：2021-05-19
Applicant: 北京航空航天大学
Abstract: 本公开涉及一种全景图像处理方法和装置，通过获取待处理的全景图像，将待处理的全景图像输入到预先训练完成的卷积神经网络模型中，其中，卷积神经网络模型包括第一处理层、第二处理层和合成层，通过第一处理层对待处理的全景图像进行处理，得到第一特征信息、第一维度带和第一剩余带，通过第二处理层对第一特征信息和第一剩余带进行处理，得到第一特征图像，通过合成层对第一维度带和第一特征图像进行处理，得到第一全景图像，通过构建并生成卷积神经网络模型，能够快速、高效的提高全景图像的分辨率，且确保全景图像的分辨率的质量，还能节省计算资源。
-
公开(公告)号：CN114443147A
公开(公告)日：2022-05-06
申请号：CN202011228943.1
申请日：2020-11-06
Applicant: 北京航空航天大学
IPC: G06F9/4401 , G06F21/57 , B64C39/02
Abstract: 本发明公开了一种基于可信硬件技术的超级监控式无人飞行器可信检测方法，检测方法包括：启动可信监控系统并运行静态度量程序，度量主存储器系统的引导程序的完整性并在度量通过后将其启动；拷贝并度量操作系统镜像；运行嵌入式操作系统并加载轻量级度量代理；通过动态完整性度量程序与轻量级度量代理交互认证数据以确认程序完整和程序加载运行基地址合法；可信监控系统对接受度量的对象信息进行代码和数据读取，从而进行动态完整性度量。该检测方法，可以实现将无人飞行器进行可信启动，进而在无人飞行器被可信启动后对其进行实时动态完整性度量，从而对无人飞行器进行超级监控，保障无人飞行器的安全，并且不会影响无人飞行器的系统的运行速度。
-
公开(公告)号：CN113708935A
公开(公告)日：2021-11-26
申请号：CN202110967434.9
申请日：2021-08-23
Applicant: 北京航空航天大学
Abstract: 本申请公开了一种基于区块链和PUF的物联网设备统一认证方法及系统，该方法包括：检测待注册物联网设备是否启动；在检测到待注册物联网设备启动时，采集待注册物联网设备的身份信息，并根据身份信息生成待注册物联网设备的身份注册信息；在对待认证物联网设备进行认证时，利用区块链上的当前区块哈希值生成设备PUF挑战值，并且区块链网络中的各节点计算部分响应值，完成待认证物联网设备的认证过程。该方法结合区块链和PUF，利用PUF模型对设备做认证，使用同态哈希函数和哈希锁保证原始认证数据的不可见性和数据完整性，实现嵌入PUF的物联网设备的统一身份认证，保证了物联网设备的可信性，数据来源的可靠性和设备认证信息的分布式存储安全。
-
公开(公告)号：CN112702592B
公开(公告)日：2021-10-29
申请号：CN202011582319.1
申请日：2020-12-28
IPC: H04N13/161 , H04N13/122 , H04N19/13 , H04N19/149
Abstract: 本公开实施例涉及一种端到端双目图像联合压缩方法、装置、设备和介质，其中，该方法包括：将双目图像中第一目图像输入第一编码器，得到第一图像特征；利用第一条件熵模型对第一图像特征进行压缩处理；将第一目图像和双目图像中的第二目图像输入深度网络回归模型，输出单应性透视变换矩阵；基于单应性透视变换矩阵对第一目图像进行透视变换，得到第一变换图像；利用第二编码器确定第二目图像和第一变换图像之间的差异图像数据，并基于差异图像数据得到第二图像特征；利用第二条件熵模型对第二图像特征进行压缩处理。本公开实施例降低了双目图像压缩的计算复杂度，充分挖掘了两幅图像之间的相关性，降低了编码比特率，并且方案适用范围更为广泛。
-
公开(公告)号：CN113269676A
公开(公告)日：2021-08-17
申请号：CN202110547908.4
申请日：2021-05-19
Applicant: 北京航空航天大学
Abstract: 本公开涉及一种全景图像处理方法和装置，通过获取待处理的全景图像，将待处理的全景图像输入到预先训练完成的卷积神经网络模型中，其中，卷积神经网络模型包括第一处理层、第二处理层和合成层，通过第一处理层对待处理的全景图像进行处理，得到第一特征信息、第一维度带和第一剩余带，通过第二处理层对第一特征信息和第一剩余带进行处理，得到第一特征图像，通过合成层对第一维度带和第一特征图像进行处理，得到第一全景图像，通过构建并生成卷积神经网络模型，能够快速、高效的提高全景图像的分辨率，且确保全景图像的分辨率的质量，还能节省计算资源。
-
Patent Agency Ranking
公开(公告)号：CN112184550A
公开(公告)日：2021-01-05
申请号：CN202010986245.1
申请日：2020-09-18
Abstract: 本公开涉及图像处理技术领域，公开了一种神经网络训练方法、图像融合方法、装置、设备和介质。该方法包括：通过设计包括网络结构相同的第一子网络和第二子网络，任一子网络包含初级特征提取模块、高层特征提取模块和耦合反馈模块的神经网络；初级特征模块用于提取欠曝低分辨率图像和过曝低分辨率图像的低层次特征；高层特征提取模块用于从欠曝低分辨率图像和过曝低分辨率图像各自对应的低层次特征中进一步提取其高层次特征；耦合反馈模块来交叉式地融合欠曝低分辨率图像和过曝低分辨率图像对应的低层次特征和高层次特征。通过上述技术方案，实现了利用一个神经网络同时进行图像的多曝光融合处理和超分辨处理，提高了图像处理速度和处理精确度。
-
公开(公告)号：CN112015955A
公开(公告)日：2020-12-01
申请号：CN202010903165.5
申请日：2020-09-01
IPC: G06F16/901 , G06N3/04 , G06K9/62
Abstract: 本发明提供了一种多模态数据关联方法和装置，涉及数据处理的技术领域，包括：获取待处理数据，其中，待处理数据的类型包括：视频数据，图片数据和文本数据；构建待处理数据的语义图；利用图卷积网络计算语义图的表示向量；基于表示向量，确定待处理数据的数据关联结果，解决了现有数据关联方法的普适性较差，无法确定不同模态数据的数据关联的技术问题。
-
公开(公告)号：CN110365966A
公开(公告)日：2019-10-22
申请号：CN201910500485.3
申请日：2019-06-11
Applicant: 北京航空航天大学
Abstract: 本发明实施例涉及一种视窗的视频质量评价方法及装置，其中基于视窗的视频质量评价方法包括：获取受损视频和参考视频；所述受损视频包括多个受损视频帧，且所述参考视频包括多个参考视频帧；基于每个受损视频帧及对应的参考视频帧，预先训练的视窗提取网络及视窗质量网络，确定每个受损视频帧的质量分数；基于每个受损视频帧的质量分数，确定所述受损视频的质量分数。更加准确地提取受关注的视窗，本发明实施例中，更能综合视窗画面的质量分数，即可作为整个视频的质量分数。
-
公开(公告)号：CN106993188B
公开(公告)日：2019-09-27
申请号：CN201710131188.7
申请日：2017-03-07
Applicant: 北京航空航天大学
IPC: H04N19/147 , H04N19/19 , G06K9/00 , G06K9/62
Abstract: 本发明提供了一种基于多人脸视频显著性的HEVC压缩编码方法，属于计算机视觉领域。本发明首先建立包含视觉关注点分布的多人脸视频数据库，检测数据库中视频中的人脸并提取脸部特征，然后建立并训练多隐马尔科夫模型，用人脸在每一帧落入的关注点百分比的变化衡量人脸的显著性变化，作为隐藏状态，将所提取的脸部特征分别作为观测特征，从而实现多人脸显著性检测。更进一步地，以预测得到的显著性图谱指导视频编码过程中的码率分配，将每权重比特bpw代替每像素比特bpp来计算编码需要的量化参数，实现HEVC编码。采用本发明方法，显著性检测结果性能好，在资源有限的情况下有效提升了压缩后视频的主观质量。
-
公开(公告)号：CN108307193A
公开(公告)日：2018-07-20
申请号：CN201810125244.0
申请日：2018-02-08
Applicant: 北京航空航天大学
IPC: H04N19/154 , H04N19/159 , H04N19/172 , H04N19/48 , H04N19/51 , G06K9/62 , G06N3/04
CPC classification number: H04N19/172 , G06K9/6269 , G06N3/0454 , H04N19/154 , H04N19/159 , H04N19/48 , H04N19/51
Abstract: 本发明提供一种有损压缩视频的多帧质量增强方法及装置，方法包括：针对解压缩的视频流的第i帧，采用所述第i帧关联的m个帧对所述第i帧进行质量增强，以播放质量增强后的第i帧；所述m个帧属于所述视频流中的帧，且所述m个帧中每一帧与所述第i帧分别具有相同或相应的像素数量大于预设阈值；m为大于1的自然数。在具体应用中，可利用峰值质量帧增强两个峰值质量帧之间的非非峰值质量帧。上述方法减轻了视频流播放过程中多帧之间的质量波动，同时使得有损压缩后视频中的各帧质量得到增强。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.051 seconds)
