-
公开(公告)号：CN119963422A
公开(公告)日：2025-05-09
申请号：CN202510146434.0
申请日：2025-02-10
Applicant: 北京航空航天大学 , 北京空间飞行器总体设计部
IPC: G06T5/10 , G06T5/70 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/092 , G06N3/09 , G06V10/774
Abstract: 本申请涉及一种基于DCT域的图像质量增强方法、装置、设备及介质，尤其涉及图像处理技术领域。包括：对JPEG比特流进行熵解码得到DCT系数；通过基于块的相关性增强模块和基于点的相关性增强模块，从DCT系数中提取基于块的相关性，以及基于点的相关性；对基于块的相关性和基于点的相关性进行增强得到高质量图像的DCT系数；对高质量图像的DCT系数进行编码储存在磁盘，或者，对高质量图像的DCT系数进行解码显示高质量图像。本申请解决现有DCT域方法难以处理弱相关DCT系数图像质量增强性能不理想的问题。
-
公开(公告)号：CN118840290A
公开(公告)日：2024-10-25
申请号：CN202410739061.3
申请日：2024-06-07
Applicant: 北京航空航天大学 , 北京空间飞行器总体设计部
IPC: G06T5/77 , G06T7/10 , G06V10/764 , G06V10/74 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本公开实施例涉及一种基于语义先验的压缩火星图像质量增强方法和装置，其中该方法包括：获取待处理压缩火星图像，基于语义的匹配模块对待处理压缩火星图像进行匹配，获取参考图像对；将待处理压缩火星图像和参考图像对输入已训练的火星图像质量增强模型进行处理，获取增强火星图像。采用上述技术方案，能够解决现有的质量增强技术不足以提高火星图像的质量的技术问题，通过定量与定性分析火星图像特性，并设计网络结构与模块充分利用火星图像特性先验辅助质量增强的过程，能够有效增强压缩火星图像的质量，节省地面火星间数据传输的带宽资源。
-
公开(公告)号：CN120071033A
公开(公告)日：2025-05-30
申请号：CN202510111068.5
申请日：2025-01-23
Applicant: 北京航空航天大学
IPC: G06V10/77 , G06V10/80 , G06V10/44 , G06V10/40 , G06V10/58 , G06V10/143 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本申请涉及图像处理技术领域，尤其提供一种图像压缩方法、装置、设备和存储介质，该方法包括：提取多张待压缩图像的共有特征以及各个待压缩图像的独有特征，其中，多张待压缩图像是针对同一场景在不同波段获取的图像；利用条件交叉模态熵模型对共有特征以及各个待压缩图像的独有特征进行压缩，得到压缩后的共有特征、以及各个待压缩图像的压缩后的独有特征；将压缩后的共有特征分别与各个待压缩图像的压缩后的独有特征进行融合，得到各个待压缩图像对应的压缩图像。由于共有特征仅编码一次，避免了多张图像中共有特征的重复压缩，节省编码比特率，减少存储和传输的压力。
-
公开(公告)号：CN119131169A
公开(公告)日：2024-12-13
申请号：CN202411130428.8
申请日：2024-08-16
Applicant: 北京航空航天大学
IPC: G06T11/00 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本公开涉及一种图像反演方法、装置、设备、介质及程序产品。其中，图像反演方法包括：获取待处理图像；对待处理图像进行预处理，得到预处理后的目标图像以及待处理图像对应的至少一个目标图像块；将目标图像和至少一个目标图像块分别输入至块反向生成器中，由块反向生成器对目标图像和至少一个目标图像块进行图像反演处理，得到待处理图像对应的隐变量，块反向生成器包括全局特征提取网络和块编码器，由此，能够通过块反向生成器处理待处理图像对应的目标图像块的方式以对待处理图像进行图像反演处理，进而适应不同分辨率的图像，避免了实际应用场景受限的问题。
-
公开(公告)号：CN118247622A
公开(公告)日：2024-06-25
申请号：CN202410675864.7
申请日：2024-05-29
Applicant: 北京航空航天大学
Abstract: 本公开实施例涉及一种基于图模型的多模态数据融合与处理方法和装置，涉及图像处理技术领域，包括：将第一模态图像、第二模态图像输入浅层特征提取模块，得到第一、第二底层视觉特征图，将二者输入深层特征提取模块，得到第一语义、第二语义特征图；构建第一、第二语义特征图对应的第一图、第二图表征；同时，将第一、第二模态图像输入场景感知模块得到第一、第二模型参数；将第一图表征、第二图表征、第一模型参数和第二模型参数输入图交互模块，得到第一、第二输出特征图后输入特征融合与重建模块得到融合图像。采用上述技术方案，利用超网络生成场景相关的模型参数，动态调整图模型中的模型权重，实现场景自适应的图像融合。
-
Patent Agency Ranking
公开(公告)号：CN117354428A
公开(公告)日：2024-01-05
申请号：CN202311162039.9
申请日：2023-09-08
Applicant: 北京航空航天大学
Abstract: 本公开涉及一种隐藏域图像增强方法、装置、设备及存储介质，该方法包括：获取用户上传的原始图像；基于预训练的图像隐写模型将所述原始图像嵌入预先获取的载体图像中，得到隐写图像；基于预训练的图像增强模型对所述隐写图像进行图像增强处理，得到增强图像的小波子带；基于所述图像隐写模型，从所述增强图像的小波子带中提取并重建出所述原始图像对应的增强后的目标图像，其中，所述图像隐写模型为双分支的网络结构，正向分支用于执行嵌入操作，反向分支用于执行提取操作，所述正向分支与所述反向分支采用相同的参数，所述图像隐写模型和所述图像增强模型是基于监督学习训练得到的。本公开通过对隐写后的图像进行增强处理，能够有效保护用户的隐私。
-
公开(公告)号：CN116990800A
公开(公告)日：2023-11-03
申请号：CN202310980313.7
申请日：2023-08-04
Applicant: 北京航空航天大学
IPC: G01S13/536 , G01S7/41 , G01S7/40
Abstract: 本发明公开了一种面向超宽带LFMCW毫米波雷达的目标测量系统及方法，涉及数字信号处理领域。包括：信号生成模块、无线收发模块、回波预处理模块、高精度处理模块、参数估计模块。本发明利用频谱超分辨技术，有助于实现运动目标的高精度测量，可以在不改变现有雷达体制和工作方式下对接收数据进行处理，实现即插即用式效果。
-
公开(公告)号：CN113630255B
公开(公告)日：2022-06-10
申请号：CN202111014092.5
申请日：2021-08-31
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于SRAM PUF的轻量级双向认证方法及系统，包括：注册步骤：设备基于SRAM PUF发送全部CRP空间，平台通过预设的内部信道对设备进行注册；标准认证步骤：设备部署后，和IoT节点通过公开信道进行通信，其中，IoT节点和平台在认证之前已经建立安全信道，IoT节点需要得到设备的PUF注册信息才可进行认证，并且能够缓存一部分设备的PUF注册信息，对于未缓存信息的设备的接入请求，IoT节点向平台申请该设备的数据，以进行对设备的标准认证；快速认证步骤：对于IoT节点已经缓存了注册信息的设备，进行基于注册信息的快速认证。该方法利用SRAM PUF和双向认证技术，保证了设备和节点的身份真实性，满足了设备低开销的需求，还能抵抗物理克隆攻击、重放攻击、中间人攻击和欺骗攻击，此外设备只需要集成至多两种复杂算法即可实现双向认证，实现简单，易于部署。
-
公开(公告)号：CN111556316A
公开(公告)日：2020-08-18
申请号：CN202010268700.4
申请日：2020-04-08
Applicant: 北京航空航天大学杭州创新研究院 , 浙江宇视科技有限公司
IPC: H04N19/176 , H04N19/96 , H04N19/103 , H04N19/119 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于深度神经网络加速的快速块分割编码方法和装置，在至少一种网络裁剪策略中选出一种网络裁剪策略，通过设置不同的权重参数的保留比例，得到不同复杂度的提前终止机制分层深度卷积神经网络模型；对不同的编码树单元中的编码单元分割采用不同复杂度的提前终止机制分层深度卷积神经网络模型进行预测，本发明实施例通过确定提前终止机制分层深度卷积神经网络模型各部分的计算复杂度，使其中最耗时的部分，即可训练层中的权重参数WP可以得到显著加速，并且通过联合优化时间复杂度和率-失真性能，提出一种最优的提前终止机制分层深度卷积神经网络模型裁剪方法，并由此获得多种不同的加速模型，用于预测编码树单元划分。
-
公开(公告)号：CN106682613B
公开(公告)日：2020-01-03
申请号：CN201611225706.3
申请日：2016-12-27
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于学习混合高斯模型和不同人脸大小的权重的显著性检测方法，包括步骤一、建立数据库。步骤二、根据所建立的数据库以及对数据的分析，建立并训练显著度检测模型。步骤三、基于本发明提出的显著性检测方法设计一种图像压缩方法。本发明建立了一个庞大的视觉显著性数据库，为后续研究提供帮助。本发明可以根据显著性改变比特率，有效地减小压缩图像的比特率，同时提高压缩图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.048 seconds)
