-
Patent Agency Ranking
公开(公告)号：CN105741844A
公开(公告)日：2016-07-06
申请号：CN201610191502.6
申请日：2016-03-30
Applicant: 杭州电子科技大学
IPC: G10L19/018
CPC classification number: G10L19/018
Abstract: 本发明公开了一种基于DWT?SVD?ICA的数字音频水印算法，按如下步骤进行：第一步：对原始音频进行预处理，选择合适片段用水印嵌入；第二步：嵌入水印时，对原始音频进行三级小波变换，并对小波变换的近似分量进行奇异值分解，然后利用随机混合法完成水印嵌入；第三步：提取水印时，对嵌有水印的音频信号进行小波变换和奇异值分解，然后利用负熵最大化的固定点算法实现水印盲检测。本发明与传统基于ICA的音频水印算法相比，具有如下优点：水印鲁棒性得到了一定的提高即水印鲁棒性强劲，既可保证水印的不可感知性，又能保证水印的盲提取。
-
公开(公告)号：CN105741844B
公开(公告)日：2019-03-22
申请号：CN201610191502.6
申请日：2016-03-30
Applicant: 杭州电子科技大学
IPC: G10L19/018
Abstract: 本发明公开了一种基于DWT‑SVD‑ICA的数字音频水印算法，按如下步骤进行：第一步：对原始音频进行预处理，选择合适片段用水印嵌入；第二步：嵌入水印时，对原始音频进行三级小波变换，并对小波变换的近似分量进行奇异值分解，然后利用随机混合法完成水印嵌入；第三步：提取水印时，对嵌有水印的音频信号进行小波变换和奇异值分解，然后利用负熵最大化的固定点算法实现水印盲检测。本发明与传统基于ICA的音频水印算法相比，具有如下优点：水印鲁棒性得到了一定的提高即水印鲁棒性强劲，既可保证水印的不可感知性，又能保证水印的盲提取。
-
公开(公告)号：CN106991652A
公开(公告)日：2017-07-28
申请号：CN201710123229.8
申请日：2017-03-03
Applicant: 杭州电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/005 , G06T2207/10024
Abstract: 本发明公开了一种稀疏度约束和字典原子大小自适应的彩色图像修复方法。针对传统稀疏表示的图像修复算法中采用字典原子大小固定不变以及仅用块结构稀疏度来判别修复块的优先级的不足，本发明采用待修复块的结构稀疏性与边缘判别因子来决定修复优先级，以确定边缘修复要优先于纹理区域的修复；通过分析修复块位于纹理、边缘、平滑等不同区域的结构信息，从考虑字典原子大小的自适应性的角度，采用结构稀疏性大小和边缘判别因子自适应地确定字典原子大小，以提高字典的自适应性。本发明修复的图像质量高，既可较好地修复图像的边缘结构，又能保持结构的整体平滑性。
-
公开(公告)号：CN107240073B
公开(公告)日：2020-04-24
申请号：CN201710333522.7
申请日：2017-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于梯度融合与聚类的三维视频图像修复方法，其按如下步骤进行：步骤1、构建梯度图像；步骤2、利用K均值聚类获得前景标记；步骤3、提取前景及修复填充空洞。在传统的分水岭算法中，由于伪局部极小值对分割的影响，容易产生严重的过分割现象。本发明基于分水岭算法，标记提取、梯度图构建、前/背景提取等角度，提供一种基于梯度融合与聚类的三维视频图像空洞填充方法。结合彩色图和深度图的梯度信息能较好地考虑彩色图像的颜色特性和融合深度图像的几何特征，能够有效地表达图像的梯度；采用K均值聚类对深度图进行前景标记，以抑制分水岭过分割现象。
-
公开(公告)号：CN107240073A
公开(公告)日：2017-10-10
申请号：CN201710333522.7
申请日：2017-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于梯度融合与聚类的三维视频图像修复方法，其按如下步骤进行：步骤1、构建梯度图像；步骤2、利用K均值聚类获得前景标记；步骤3、提取前景及修复填充空洞。在传统的分水岭算法中，由于伪局部极小值对分割的影响，容易产生严重的过分割现象。本发明基于分水岭算法，标记提取、梯度图构建、前/背景提取等角度，提供一种基于梯度融合与聚类的三维视频图像空洞填充方法。结合彩色图和深度图的梯度信息能较好地考虑彩色图像的颜色特性和融合深度图像的几何特征，能够有效地表达图像的梯度；采用K均值聚类对深度图进行前景标记，以抑制分水岭过分割现象。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
