-
公开(公告)号：CN108924434A
公开(公告)日：2018-11-30
申请号：CN201810693101.X
申请日：2018-06-29
Applicant: 宁波大学
Abstract: 本发明涉及一种基于曝光变换的立体高动态范围图像合成方法，在合成过程中有效地利用了曝光变换图像的信息。首先，采用d-buffer策略，将具有低/高曝光度的辅助视点图像绘制到正常曝光的主视点上，并提出基于曝光变换的可靠性检测方法去除绘制不准确的像素；接着，为了得到高质量多曝光图像，提出基于曝光变换的信息恢复方法，主要利用曝光变换图像对绘制图像进行像素填充、边缘修复、图像平滑；再根据恢复的多曝光图像，合成主视点HDR图像。并对左右视点都运用上述方法，合成左右视点HDR图像，从而实现立体HDR成像。
-
Patent Agency Ranking
公开(公告)号：CN110796635B
公开(公告)日：2023-04-14
申请号：CN201910863607.5
申请日：2019-09-12
Applicant: 宁波大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于剪切波变换的光场图像质量评价方法，其为了同时考虑光场的空间域和角度域失真，分别在光场视图和极平面图上提取特征，首先，对参考和失真光场视图分块后进行剪切波变换，分别提取局部相似性特征和全局统计特征以反映光场的空间域失真；其次，对参考和失真光场变换得到极平面图像集，对极平面图分块后进行剪切波变换，分别提取局部相似性特征和全局方向统计特征以反映光场的角度域失真；最后，采用随机森林对以上特征进行池化得到最终质量预测值，从而实现光场图像的客观质量评价，与人类视觉感知具有较好的一致性。
-
公开(公告)号：CN108924434B
公开(公告)日：2020-08-18
申请号：CN201810693101.X
申请日：2018-06-29
Applicant: 宁波大学
Abstract: 本发明涉及一种基于曝光变换的立体高动态范围图像合成方法，在合成过程中有效地利用了曝光变换图像的信息。首先，采用d‑buffer策略，将具有低/高曝光度的辅助视点图像绘制到正常曝光的主视点上，并提出基于曝光变换的可靠性检测方法去除绘制不准确的像素；接着，为了得到高质量多曝光图像，提出基于曝光变换的信息恢复方法，主要利用曝光变换图像对绘制图像进行像素填充、边缘修复、图像平滑；再根据恢复的多曝光图像，合成主视点HDR图像。并对左右视点都运用上述方法，合成左右视点HDR图像，从而实现立体HDR成像。
-
公开(公告)号：CN110796635A
公开(公告)日：2020-02-14
申请号：CN201910863607.5
申请日：2019-09-12
Applicant: 宁波大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于剪切波变换的光场图像质量评价方法，其为了同时考虑光场的空间域和角度域失真，分别在光场视图和极平面图上提取特征，首先，对参考和失真光场视图分块后进行剪切波变换，分别提取局部相似性特征和全局统计特征以反映光场的空间域失真；其次，对参考和失真光场变换得到极平面图像集，对极平面图分块后进行剪切波变换，分别提取局部相似性特征和全局方向统计特征以反映光场的角度域失真；最后，采用随机森林对以上特征进行池化得到最终质量预测值，从而实现光场图像的客观质量评价，与人类视觉感知具有较好的一致性。
-
公开(公告)号：CN108830790B
公开(公告)日：2022-09-13
申请号：CN201810467095.6
申请日：2018-05-16
Applicant: 宁波大学
IPC: G06T3/40
Abstract: 本发明涉及一种基于精简卷积神经网络的快速视频超分辨率重建方法，其既能利用视频帧之间的邻域信息，又保证重建速度。首先，考虑到输入的尺寸大小会直接影响网络的运算速度，本发明网络省去传统方法的预插值过程，直接对多个低分辨率输入视频帧提取特征，并进行多维特征通道融合；接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，并采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频。同时，本发明还采用网络迁移策略快速实现了不同缩放因子下的重建模型，重建的视频图像中能够保留更多高频细节信息，同时重建速度更快。
-
公开(公告)号：CN108830790A
公开(公告)日：2018-11-16
申请号：CN201810467095.6
申请日：2018-05-16
Applicant: 宁波大学
IPC: G06T3/40
Abstract: 本发明涉及一种基于精简卷积神经网络的快速视频超分辨率重建方法，其既能利用视频帧之间的邻域信息，又保证重建速度。首先，考虑到输入的尺寸大小会直接影响网络的运算速度，本发明网络省去传统方法的预插值过程，直接对多个低分辨率输入视频帧提取特征，并进行多维特征通道融合；接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，并采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频。同时，本发明还采用网络迁移策略快速实现了不同缩放因子下的重建模型，重建的视频图像中能够保留更多高频细节信息，同时重建速度更快。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
