-
公开(公告)号：CN113205445B
公开(公告)日：2023-10-17
申请号：CN202110412171.5
申请日：2021-04-16
Applicant: 北京大学
Abstract: 本发明涉及一种基于数据压缩的可逆明水印方法和装置。本发明方法引入了利用重构数据包来辅助可视水印去除的思想，即在可视水印嵌入后创建用于描述水印图像与原始宿主图像之间关系模型的数据包，并作为辅助信息嵌入至水印图像中；在可视水印去除时，事先从水印图像中提取辅助信息并重构模型数据包，用于可视水印图像的去除和原始宿主图像的恢复，从而构造了通用的可逆映射关系。本发明具有较强的通用性，不需要关心具体的可视水印嵌入算法，并且在可视水印图案去除和宿主图像恢复过程中也不需要原始可视水印图像的参与，适用性更强；本发明方法采用高效的数据压缩技术，需要嵌入非明水印区域的数据量较少，水印图像失真较小。
-
公开(公告)号：CN112785523B
公开(公告)日：2023-10-17
申请号：CN202110088761.7
申请日：2021-01-22
Applicant: 北京大学
IPC: G06T5/00 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种子带网络桥接的半监督图像去雨方法及装置，通过深度学习来进行雨天图像的半监督学习，提出了一种递归频带表示来连接无监督和全监督框架。本文提取出一系列由粗到精的频带表示，并通过递归的端到端学习进行增强，进行雨痕去除和细节修正。在感知质量引导的对抗学习下，使用深度频带表示进行重构，生成最终的复原结果。本发明提取出一系列由粗到精的频带表示，并通过递归的端到端学习进行增强，进行雨痕去除和细节修正，提出了一种递归频带表示来连接无监督和全监督框架。
-
公开(公告)号：CN116467685A
公开(公告)日：2023-07-21
申请号：CN202310439029.9
申请日：2023-04-23
Applicant: 北京大学
Abstract: 本发明公开了一种可逆数据库水印的嵌入和提取方法，属于数字水印的领域，嵌入方法，包括：S1：对数据库数据进行预处理，并对数据库元组进行行置乱，并将行置乱后的元组均匀分组；S2：在每个分组中将数据库分为空白集合和阴影集合，对阴影集合的属性值执行菱形预测器以获取预测误差值；S3：对阴影集合的预测误差值绝对值的频数进行统计，构建阴影集合的预测误差直方图；S4：对于阴影集合的预测误差直方图，确定嵌入载体及其嵌入的水印信息；S5：通过直方图平移的方法进行水印嵌入和属性值修改；S6：对第二层嵌入中的空白集合重复上述步骤S1‑S5。能够更好地利用了数据库属性值分布的离散性，实现了良好的数据失真和水印嵌入容量。
-
公开(公告)号：CN113259676B
公开(公告)日：2023-01-17
申请号：CN202010084834.0
申请日：2020-02-10
Applicant: 北京大学
IPC: H04N19/182 , H04N19/124 , H04N19/42 , G06T9/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的图像压缩方法和装置，主要用于图像的编码压缩，即将原始图像信号，利用其冗余性，压缩编码成二进制码流，并且尽可能地使得原本的图像信号在解码时得以还原重建。本发明基于卷积神经网络，使用多尺度超先验结构，充分利用超先验表示信息进行重建，实现了全可并行网络结构，可以有效地提高图像压缩性能，尤其是针对高分辨率图像有明显优化。
-
公开(公告)号：CN115345918A
公开(公告)日：2022-11-15
申请号：CN202110528861.7
申请日：2021-05-14
Applicant: 北京大学 , 广州市百果园信息技术有限公司
Abstract: 本发明涉及一种基于对比学习的任意风格迁移方法及系统。该方法首先利用训练数据集训练任意风格迁移网络模型；训练完成后，将目标内容图像输入到内容编码器中，处理得到内容编码；将参考艺术作品输入到风格编码器中，首个卷积层和含有最大池化的卷积层分别输出风格编码；将内容编码和最深层的风格编码输入到可替换的风格转换器；将可替换的风格转换器输出的内容输入到解码器中，并在解码器中的各个特征适应单样本规范化层输入其它各层的风格编码的均值和方差，处理得到最终的风格迁移结果图像或视频帧。本发明能将任意指定的参考艺术作品的风格表征迁移至任意目标内容图像，实现对目标内容图像的任意风格化，提升了主观视觉质量与艺术效果。
-
Patent Agency Ranking
公开(公告)号：CN109101858B
公开(公告)日：2022-02-18
申请号：CN201710470470.8
申请日：2017-06-20
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供的动作识别方法及装置确定接收视频数据中的目标帧和目标帧之前的连续若干帧，并在视频数据中提取该目标帧的数据信息和该目标帧之前的连续若干帧的数据信息。对预设个数的增益参数、目标帧的数据信息和目标帧之前的连续若干帧的数据信息进行预设次数的卷积处理，获得高阶特征数据，将该高阶特征数据添加至视频数据中，形成待提取数据，对待提取数据进行时序特征提取，获得特征向量，最后根据特征向量获取动作识别结果，从而可以提取到视频数据的高阶特征，进而提高动作识别的准确度。
-
公开(公告)号：CN108305235B
公开(公告)日：2022-02-18
申请号：CN201710021329.X
申请日：2017-01-11
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
Abstract: 本发明提供一种多张图片融合的方法及装置，方法包括：确定包含有人物图像的第一图片和至少一张包含有第一图片中的至少部分背景图像的第二图片的光照属性，根据光照属性从第一图片和至少一张第二图片中确定一张目标图片，将非目标图片的光照属性转换为与目标图片相一致，并对第一图片和至少一张第二图片中相同的特征点的位置进行标记，基于相同的特征点的位置，将第一图片和至少一张第二图片进行重合，对重合区域的像素点进行选取，形成融合后的图片。本发明解决了现有技术获得的自拍图片中人像占的比例远大于背景所占的比例，导致图片中的背景图像显示不出自拍者所处的完整场景的问题。
-
公开(公告)号：CN113132755A
公开(公告)日：2021-07-16
申请号：CN201911415561.7
申请日：2019-12-31
Applicant: 北京大学
IPC: H04N21/2343 , H04N21/4402 , H04N19/132 , H04N19/13
Abstract: 本发明公开了一种可扩展人机协同图像编码方法及编码系统。本方法为：提取各样本图片的边缘图并矢量化，作为驱动机器视觉任务的紧凑表示；在矢量化后的边缘图中进行关键点提取作为辅助信息；对紧凑表示和辅助信息分别进行熵编码无损压缩，获得两路码流；对两路码流进行初步解码，获得边缘图以及辅助信息；将解码得到的边缘图以及辅助信息输入生成神经网络中，进行网络的前向计算；根据得到的计算结果与对应原始图片进行损失函数计算，并将计算的损失反向传播到神经网络进行网络权值更新直到神经网络收敛，得到双路码流解码器；获取待处理图像的边缘图和辅助信息并编码压缩后得到两路码流；双路码流解码器对收到的码流解码，重建图像。
-
公开(公告)号：CN112700363A
公开(公告)日：2021-04-23
申请号：CN202110023665.4
申请日：2021-01-08
Applicant: 北京大学
Abstract: 本发明涉及一种基于区域选择的自适应可视水印嵌入方法和装置，属于数字水印和信息隐藏技术领域。该方法的步骤包括：在宿主图像中进行显著性区域检测，得到关键内容区域集合；将非关键内容区域按照可视水印图案大小进行均匀分块，并从中选择平坦区域作为可视水印图案的待嵌入区域；通过提取宿主图像中待嵌入区域的背景特征来自适应计算水印嵌入强度；结合水印图嵌入强度和宿主图像的最小可觉差误差遮掩矩阵，进行可视水印图案的嵌入。本发明能够取得较优的可视水印嵌入效果，达到了鲁棒性、可见性和透明度三个因素之间的平衡。
-
公开(公告)号：CN108133459B
公开(公告)日：2021-04-09
申请号：CN201611093936.9
申请日：2016-12-01
Applicant: 北京大学 , 北大方正集团有限公司 , 北京北大方正电子有限公司
IPC: G06T5/00
Abstract: 本发明提供了一种深度图增强方法和一种深度图增强装置，其中，深度图增强方法包括：对训练集图像的多个图像特征信息进行提取，得到多个图像特征信息的第一联合特征；对测试集图像的多个图像特征信息进行提取，得到多个图像特征信息的第二联合特征；基于第一联合特征与第二联合特征的相似性，查找测试集图像在训练集图像的对应部分的最近邻；根据查找到的最近邻，对测试集图像进行邻域嵌入，用以重建测试集图像的高频信息、低频信息和梯度信息；利用全局优化方程结合高频信息、低频信息和梯度信息，得到增强后的测试集图像。通过本发明的技术方案，可以有效地增强深度图的结构和细节，提升深度图的视觉质量。
-
-
-
-
-
-
-
-
-
Search Results
423
records
(took 0.029 seconds)
