-
公开(公告)号：CN111986106B
公开(公告)日：2023-10-13
申请号：CN202010749859.8
申请日：2020-07-30
Applicant: 南京大学
Abstract: 本发明公开了一种基于神经网络的高动态图像重建方法。该方法的具体步骤如下：(1)将多个LDR域的图像按照亮度高低排列，并选取参考图像。(2)利用伽玛变换转换LDR域的图像得到HDR域的图像。(2)将HDR域和LDR域的图像输入到特征提取网络中提取不同尺度的HDR域和LDR域的图像特征。(3)将HDR域和LDR域的图像特征输入到金字塔对齐网络，利用HDR域特征来计算对齐所需的偏移量，用所得偏移对齐HDR域和LDR域的图像特征。(4)对齐后的HDR域和LDR域图像特征经过融合网络，得到重建的HDR图像。利用本方法可以较好地处理输入图像组中的物体运动和视差，重建高主观质量的无伪影的HDR图像。
-
Patent Agency Ranking
公开(公告)号：CN110072121A
公开(公告)日：2019-07-30
申请号：CN201810065005.0
申请日：2018-01-23
Applicant: 南京大学
IPC: H04N21/2343 , H04N21/2662 , H04L29/06 , G06F3/01
Abstract: 本发明公开了一种适应人眼感知情况的沉浸式媒体数据传输方法。包括如下步骤：S1，在用户开始浏览前，将部分低质量的全景视频数据预存至用户端；S2，当用户开始平稳浏览时，服务器端根据用户当前的视觉行为传输高质量的视场区域内容，基于用户当前的视线落点分配当前视场下非均匀分布的图像质量；S3，当用户的视觉重点从当前区域迁移至下一个区域过程中，VR头盔视场中的数据由预存的低质量全景视频数据提供，同时继续预存低质量的全景视频数据至用户端；S4，当用户恢复到平稳浏览时和视线再次迁移时，重复步骤S2和S3，直至停止观察。本发明的方法能在有效减小VR数据流大小的同时保证整个视场区域内视频内容的主观感知质量不变。
-
公开(公告)号：CN111986084B
公开(公告)日：2023-12-12
申请号：CN202010765138.6
申请日：2020-08-03
Applicant: 南京大学
Abstract: 本发明公开了一种基于多任务融合的多相机低光照图像质量增强方法。该方法利用成像系统同时获取的低光照条件下低分辨率次曝光的彩色图像和高分辨率优曝光的灰度图像对，生成高分辨率优曝光的彩色图像，具体步骤为：(1)生成训练使用的图像块对；(2)将图像质量增强任务分解为基于多相机输入的参考曝光补偿任务、参考着色任务、参考超分辨率任务，构建相应网络模型，并级联；(3)构建损失函数，使用优化器依次单独训练各网络，并基于此对整个级联网络进行端到端优化；(4)使用优化后的级联网络，对多相机在低光照下采集到的真实图像对进行质量增强，获得高分辨率优曝光的彩色图像，充分利用捕获图像信息，高效、可靠、经济地重建真实场景。
-
公开(公告)号：CN111986084A
公开(公告)日：2020-11-24
申请号：CN202010765138.6
申请日：2020-08-03
Applicant: 南京大学
Abstract: 本发明公开了一种基于多任务融合的多相机低光照图像质量增强方法。该方法利用成像系统同时获取的低光照条件下低分辨率次曝光的彩色图像和高分辨率优曝光的灰度图像对，生成高分辨率优曝光的彩色图像，具体步骤为：(1)生成训练使用的图像块对；(2)将图像质量增强任务分解为基于多相机输入的参考曝光补偿任务、参考着色任务、参考超分辨率任务，构建相应网络模型，并级联；(3)构建损失函数，使用优化器依次单独训练各网络，并基于此对整个级联网络进行端到端优化；(4)使用优化后的级联网络，对多相机在低光照下采集到的真实图像对进行质量增强，获得高分辨率优曝光的彩色图像，充分利用捕获图像信息，高效、可靠、经济地重建真实场景。
-
公开(公告)号：CN114926381A
公开(公告)日：2022-08-19
申请号：CN202210535253.3
申请日：2022-05-17
Applicant: 南京大学
Abstract: 本发明公开了一种基于图像属性融合增强的低光照多视角优质成像方法。该方法利用混合传感器成像系统在低光照条件下获取多视角的低分辨率欠曝光的彩色图像和高分辨率优曝光的灰度图像序列，通过属性(照度、色度、空间结构)融合增强机制，生成多视角高分辨率优曝光彩色图像，具体步骤为：(1)根据混合传感器成像系统性质，生成仿真多视角图像块对；(2)为增强各视角图像块质量，利用多视角图像进行属性融合增强，分别构建相应网络模型并级联；(3)根据待增强的属性特征构建损失函数，使用优化器依次单独训练各网络，然后端到端优化级联网络；(4)将优化后的网络应用于采集到的真实低光照图像序列，获得多视角高分辨率优曝光彩色图像。
-
公开(公告)号：CN111986106A
公开(公告)日：2020-11-24
申请号：CN202010749859.8
申请日：2020-07-30
Applicant: 南京大学
Abstract: 本发明公开了一种基于神经网络的高动态图像重建方法。该方法的具体步骤如下：(1)将多个LDR域的图像按照亮度高低排列，并选取参考图像。(2)利用伽玛变换转换LDR域的图像得到HDR域的图像。(2)将HDR域和LDR域的图像输入到特征提取网络中提取不同尺度的HDR域和LDR域的图像特征。(3)将HDR域和LDR域的图像特征输入到金字塔对齐网络，利用HDR域特征来计算对齐所需的偏移量，用所得偏移对齐HDR域和LDR域的图像特征。(4)对齐后的HDR域和LDR域图像特征经过融合网络，得到重建的HDR图像。利用本方法可以较好地处理输入图像组中的物体运动和视差，重建高主观质量的无伪影的HDR图像。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
