-
公开(公告)号：CN114449241B
公开(公告)日：2024-04-02
申请号：CN202210153278.7
申请日：2022-02-18
Applicant: 复旦大学
IPC: H04N9/73 , H04N9/808 , H04N19/184
Abstract: 本发明属于视频编码技术领域，具体为一种适用于图像压缩的色彩空间转化算法。本发明方法包括：对于在RGB域上待编码的图片，通过对编码器得到其预测值和原始像素值之间的残差进行主成分分析，得到可以有效去除残差相关性的线性变换矩阵；通过此变换矩阵对图形进行变换后再进行压缩和编码。相比于使用标准BT.601直接进行变换，本发明具有更高效地去相关能力，从而可以有效地提升图像编码器对图像的压缩能力。
-
公开(公告)号：CN116962695A
公开(公告)日：2023-10-27
申请号：CN202310743906.1
申请日：2023-06-24
Applicant: 复旦大学 , 中国电子科技南湖研究院
IPC: H04N19/13 , H04N19/124 , H04N19/132 , H04N19/139 , H04N19/154 , H04N19/159 , H04N19/436 , H04N19/52 , H04N19/597 , H04N19/593 , H04N19/70
Abstract: 本发明属于图像处理技术领域，具体为一种HEVC帧内编码压缩域的目标检测方法。本发明方法首先构建HEVC帧内编码压缩域的目标检测系统，所构建系统包括HEVC解码模块、预处理模块和检测模块，通过HEVC解码模块获得三种帧内编码语法元素，即PU划分深度、帧内预测模式和帧内预测残差，预处理模块对划分深度图像和预测模式图像进行上采样，对原始残差图像迭代地进行图像增强，检测模块对压缩域图像拼接后送入基于深度卷积网络的目标检测器进行目标检测。采用本方法能够直接在帧内压缩域图像上进行目标检测，在低成本、低延时的前提下提高目标检测精度。
-
公开(公告)号：CN111126599B
公开(公告)日：2023-09-05
申请号：CN201911321102.2
申请日：2019-12-20
Applicant: 复旦大学
Abstract: 本发明属于神经网络模型技术领域，具体为一种基于迁移学习的神经网络权重初始化方法。本发明方法中，对于指定目标任务，设计复杂度较高的神经网络模型即老师模型，并对老师模型进行训练，训练完成后，利用产生的特征图指导学生模型的权重初始化；通过计算特征图之间的差异，或者将特征图映射到再生核希尔伯特空间中，计算其在再生核希尔伯特空间中的差异，采用核函数的方法简化计算；使简单的学生模型达到更好的权重初始化的效果，在权重初始化完成后，再对学生模型进行一般的训练，使得学生模型达到更好的全局收敛点，使其性能更加优异。本发明在不增加学生模型复杂度的前提下可有效提升学生模型的性能。
-
公开(公告)号：CN110189262B
公开(公告)日：2023-03-24
申请号：CN201910357531.9
申请日：2019-04-29
Applicant: 复旦大学
Abstract: 本发明属于图像增强技术领域，具体为一种基于神经网络以及直方图匹配的图像去雾方法。本发明方法包括：先对输入有雾图像进行分割，然后对分割后的每一小块图像采用神经网络预测有雾图像到无雾图像的直方图变化，并以模型输出的预测直方图指导该小块有雾图像进行像素的重新排布；每小块图像去雾完成后，通过导向滤波器去除区块之间的不自然过渡。本发明在拥有良好的去雾结果的同时，计算速度也更快，并且计算量不随着图像大小增加而增加，非常适合高分辨率图像去雾。
-
公开(公告)号：CN115334259A
公开(公告)日：2022-11-11
申请号：CN202210788720.3
申请日：2022-07-05
Applicant: 复旦大学
IPC: H04N5/355
Abstract: 本发明属于阵列相机体系技术领域，具体为一种适用于阵列相机的多芯片分布式自动曝光装置。本发明的分布式自动曝光装置，由N×N颗芯片二维阵列排布组成，每颗芯片结构包括独立的4核图像处理器、一个多芯片控制器、一个中央处理器、独立的4路图像传感器主控器、IIC控制器、3路输入MIPI和3路输出MIPI；本发明利用阵列分布式MCU，进行自动曝光的统计，利用各个芯片自己的并行能力控制图像传感器实现自动曝光调整，以保障超高分辨率亮度拼接的可靠性和实时性；并减少整个自动曝光闭环的系统延迟，大幅提高性能。T同时可以扩展应用到色温拼接、对焦拼接等。
-
Patent Agency Ranking
公开(公告)号：CN113055678B
公开(公告)日：2022-05-20
申请号：CN202110247518.5
申请日：2021-03-06
Applicant: 复旦大学
IPC: H04N19/176 , H04N19/159 , H04N19/42 , H04N19/91 , H04N19/96 , H04N19/147
Abstract: 本发明属于压缩感知技术领域，具体为一种基于相邻像素相关性的测量域压缩感知编码算法。本发明首先利用基于相邻像素相关性的确定性测量矩阵获取图像分块的测量值，将每个块的像素域边界信息嵌入到测量域中，再利用处于块边缘的测量值预测相邻分块的测量值；然后对测量值与预测值之间的残差进行量化处理和编码，生成编码后的比特序列用于传输。本发明可以有效降低压缩感知图像的传输比特率，有效减少数据带宽，降低硬件开销，提高图像重建质量。
-
公开(公告)号：CN113055678A
公开(公告)日：2021-06-29
申请号：CN202110247518.5
申请日：2021-03-06
Applicant: 复旦大学
IPC: H04N19/176 , H04N19/159 , H04N19/42 , H04N19/91 , H04N19/96 , H04N19/147
Abstract: 本发明属于压缩感知技术领域，具体为一种基于相邻像素相关性的测量域压缩感知编码算法。本发明首先利用基于相邻像素相关性的确定性测量矩阵获取图像分块的测量值，将每个块的像素域边界信息嵌入到测量域中，再利用处于块边缘的测量值预测相邻分块的测量值；然后对测量值与预测值之间的残差进行量化处理和编码，生成编码后的比特序列用于传输。本发明可以有效降低压缩感知图像的传输比特率，有效减少数据带宽，降低硬件开销，提高图像重建质量。
-
公开(公告)号：CN110189262A
公开(公告)日：2019-08-30
申请号：CN201910357531.9
申请日：2019-04-29
Applicant: 复旦大学
Abstract: 本发明属于图像增强技术领域，具体为一种基于神经网络以及直方图匹配的图像去雾算法。本发明方法包括：先对输入有雾图像进行分割，然后对分割后的每一小块图像采用神经网络预测有雾图像到无雾图像的直方图变化，并以模型输出的预测直方图指导该小块有雾图像进行像素的重新排布；每小块图像去雾完成后，通过导向滤波器去除区块之间的不自然过渡。本发明在拥有良好的去雾结果的同时，计算速度也更快，并且计算量不随着图像大小增加而增加，非常适合高分辨率图像去雾。
-
公开(公告)号：CN105430419B
公开(公告)日：2018-12-11
申请号：CN201510787966.9
申请日：2015-11-17
Applicant: 复旦大学
IPC: H04N19/625 , H04N19/423
Abstract: 本发明属于高清数字视频压缩编解码技术领域，具体为一种适用于HEVC标准的基于脏位的两级DCT系数存储方法。本发明将DCT系数分成三个部分：符号位、高位数据和低位数据，并将数据位的较高部分划归为高位数据，剩余比特划归为低位数据；同时采用SRAM作为存储层次中的第一级，用来存储符号位、低位数据和表征该高位是否涵盖信息的脏位；采用寄存器作为存储层次中的第二级，用来存储一些需要存储的高位数据；并且使用计数器推算高位指针并进行索引。本发明通过层次化的存储策略减少硬件代价。
-
公开(公告)号：CN103491373B
公开(公告)日：2018-04-27
申请号：CN201310402353.X
申请日：2013-09-06
Applicant: 复旦大学
IPC: H04N19/117 , H04N19/61
Abstract: 本发明属于高清数字视频压缩编解码技术领域，具体为一种适用于HEVC标准的去方块滤波器的四级流水滤波方法。设原始视频流里，每幅图像包括一个亮度分量Y，每个亮度分量对应两个色度分量Cb、Cr；在去方块滤波器模块中，对Y，Cb和Cr都行滤波处理，每次处理的最小基本单元为一个4x4像素点块的边；本发明对于亮度分量Y，及两个色度分量Cb、Cr按四级流水方式对4x4像素点块的边进行滤波处理。本发明可以有效地减小处理时间，提高性芯片的最高工作频率和芯片处理能力，从而高效的实现高清视频的实时编码。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.02 seconds)
