一种基于分解运动补偿的数字视频稳像方法

    公开(公告)号:CN117714623A

    公开(公告)日:2024-03-15

    申请号:CN202311405693.8

    申请日:2023-10-27

    IPC分类号: H04N5/262 H04N21/44 H04N23/68

    摘要: 本发明公开了一种基于分解运动补偿的数字视频稳像方法,首先计算抖动视频的运动路径、稳定性,结合视频深度将抖动视频划进行类别划分;然后利用网格流预测自适应路径优化、相似时空路径优化、平均滤波优化以及L1最优相机路径优化法对抖动的运动路径进行平滑优化,然后将对应的路径优化信息分别存储到四个翘曲变换的矩阵当中;在四个翘曲变换的矩阵中分别引入对应的权重系数然后进行融合,分别得到最终的变换矩阵;最后将各最终的变换矩阵通过翘曲操作应用到抖动视频序列中的每一帧当中,生成稳定的视频。本发明根据不同的视频类型采用不同的权重系数,在保证处理速度的同时减少画面失真,在扩大应用范围的同时有效提升了视频稳定的质量。

    一种基于双分辨率上下文网络的可变比特率图像压缩方法和系统

    公开(公告)号:CN117812265A

    公开(公告)日:2024-04-02

    申请号:CN202311846204.2

    申请日:2023-12-28

    摘要: 本发明公开了一种基于双分辨率上下文网络的可变比特率图像压缩方法和系统,所述方法将特征图通过双分辨率网络分为高、低分辨率两个部分,分别结合空间上下文和通道上下文后进行熵编码,得到压缩后的比特流,实现压缩。在重建阶段,将比特流通过熵解码和上下文网络,得到高/低分辨率部分的特征图,再通过双分辨率网络对两部分进行融合,融合后经过解码器得到重建后的图像。本发明解决了压缩图像时空间冗余导致比特浪费的问题,通过空间和通道上下文的利用,实现并行解码,加快解码速度;利用双分辨率网络,实现对高分辨率部分进行精细编码,提高了图像压缩的细节保留程度;引入ROI网络生成权重图,指导比特分配,可以根据下游任务实现压缩。

    一种基于光流引导的特征空间上下文视频压缩方法和系统

    公开(公告)号:CN116684622A

    公开(公告)日:2023-09-01

    申请号:CN202310489789.0

    申请日:2023-05-04

    摘要: 本发明公开一种基于光流引导的特征空间上下文视频压缩方法和系统,方法包括如下步骤:选取给定视频序列中的当前帧和参考帧并依次进行预处理、光流引导处理、上下文压缩处理和帧重建处理,得到当前帧的重建帧;再构建损失函数,并在PSNR度量标准和MS‑SSIM度量标准下,分别对评价指标模型进行训练,得到训练完毕的模型;对待压缩的当前帧和参考帧进行上述的操作处理,并输入训练完毕的模型进行P帧压缩,输出得到压缩重建后的当前帧。本发明的特征空间上下文视频压缩方法解决了特征空间中偏移图溢出的问题,提高了重建帧的图像质量;利用上下文压缩模块提取时间先验和分层先验,进一步提高了视频帧的压缩比。

    一种基于自适应运动补偿的帧率转换方法

    公开(公告)号:CN109756778A

    公开(公告)日:2019-05-14

    申请号:CN201811485019.4

    申请日:2018-12-06

    IPC分类号: H04N21/4402 G06T7/20 G06T3/40

    摘要: 本发明提供一种基于自适应运动补偿的帧率转换方法包括如下步骤:双向运动估计步骤:用于获得前向和后向运动矢量场,并将前向和后向运动矢量场投影到内插帧中来生成双向运动矢量场;基于距离的运动矢量投影步骤:在投影过程中,采用基于距离的运动矢量投影,所述距离是指投影块中心点到各重叠的内插块的中心点的距离;自适应运动补偿插值步骤:在运动矢量投影完毕之后,采用自适应运动补偿的方式进行插值。本发明提供的基于自适应运动补偿的帧率转换方法可以减弱单向运动估计带来的重叠和空洞问题,使后续的运动补偿插值更精确,插值效果更好。

    一种基于自适应运动补偿的帧率转换方法

    公开(公告)号:CN109756778B

    公开(公告)日:2021-09-14

    申请号:CN201811485019.4

    申请日:2018-12-06

    IPC分类号: H04N21/4402 G06T7/20 G06T3/40

    摘要: 本发明提供一种基于自适应运动补偿的帧率转换方法包括如下步骤:双向运动估计步骤:用于获得前向和后向运动矢量场,并将前向和后向运动矢量场投影到内插帧中来生成双向运动矢量场;基于距离的运动矢量投影步骤:在投影过程中,采用基于距离的运动矢量投影,所述距离是指投影块中心点到各重叠的内插块的中心点的距离;自适应运动补偿插值步骤:在运动矢量投影完毕之后,采用自适应运动补偿的方式进行插值。本发明提供的基于自适应运动补偿的帧率转换方法可以减弱单向运动估计带来的重叠和空洞问题,使后续的运动补偿插值更精确,插值效果更好。

    一种基于深度学习的数字视频稳像方法

    公开(公告)号:CN109862253B

    公开(公告)日:2020-12-25

    申请号:CN201811485029.8

    申请日:2018-12-06

    IPC分类号: H04N5/232 G06N3/04 G06N3/08

    摘要: 本发明提供一种基于深度学习的数字视频稳像方法包括如下步骤:步骤1:获取稳定视频帧,并利用计算机在稳定视频中加入随机抖动,构建一个用于训练视频稳像网络的数据集,所述数据集中包含成对的抖动和稳定的视频帧;步骤2:构建一个深度卷积神经网络,所述网络可以实现将抖动的视频转换为稳定视频;步骤3:构造一个损失函数,所述损失函数包括视频帧的稳定损失和SSIM损失,利用该损失函数训练深度卷积神经网络,获得深度视频稳像网络模型参数。本发明提供的基于深度学习的数字视频稳像方法采用深度学习的方法构造深度卷积神经网络,算法的复杂度降低使得本发明的平均运行时间会得到缩短。

    一种基于深度学习的数字视频稳像方法

    公开(公告)号:CN109862253A

    公开(公告)日:2019-06-07

    申请号:CN201811485029.8

    申请日:2018-12-06

    IPC分类号: H04N5/232 G06N3/04 G06N3/08

    摘要: 本发明提供一种基于深度学习的数字视频稳像方法包括如下步骤:步骤1:获取稳定视频帧,并利用计算机在稳定视频中加入随机抖动,构建一个用于训练视频稳像网络的数据集,所述数据集中包含成对的抖动和稳定的视频帧;步骤2:构建一个深度卷积神经网络,所述网络可以实现将抖动的视频转换为稳定视频;步骤3:构造一个损失函数,所述损失函数包括视频帧的稳定损失和SSIM损失,利用该损失函数训练深度卷积神经网络,获得深度视频稳像网络模型参数。本发明提供的基于深度学习的数字视频稳像方法采用深度学习的方法构造深度卷积神经网络,算法的复杂度降低使得本发明的平均运行时间会得到缩短。

    一种基于传统视频的高速公路智能分析方法

    公开(公告)号:CN107895492A

    公开(公告)日:2018-04-10

    申请号:CN201711000741.X

    申请日:2017-10-24

    申请人: 河海大学

    摘要: 本发明公开了一种基于传统视频的高速公路智能分析方法,包括步骤:(1)背景建模:提取视频的前X帧,确定像素的波动范围;(2)图像增强:读取图像,进行直方图变换,再对图像灰度进行值域拉伸;(3)车道线检测:对图像进行变换处理,然后进行加法运算,遍历空白影像,计算出车道线的位置与角度;(4)视频测速:划分车辆检测的2道感应区,提取车辆特征,通过虚拟线圈测速算法获得车辆的实时速度;(5)车流量统计及车型区分分析:根据车辆在灰度图中的像素面积判断车型大小,并统计车流量;(6)车牌号识别:如果车辆超速,对超速的车牌号进行识别,并将车牌号输出到文本。本发明提高了车道线识别准确度,可同时实现多车道场景下目标车辆的测速,实施成本低。

    一种单相并网逆变器的全数字软开关控制电路

    公开(公告)号:CN113852266B

    公开(公告)日:2023-10-13

    申请号:CN202111103146.5

    申请日:2021-09-18

    申请人: 河海大学

    IPC分类号: H02M1/088 H02M7/5387

    摘要: 本发明公开了一种单相并网逆变器的全数字软开关控制电路,属于电力电子变换器的控制技术领域。每个开关周期内,逆变器开关管的导通时间、关断时间和高频开关死区时间均通过该控制电路得到,无需添加额外硬件辅助谐振电路,即可在整个电网周期内实现逆变器开关管的零电压开通。该控制电路由低成本数字控制器实现,具有硬件成本低、控制实现简单的优点,在电力电子变换器领域具有广阔的应用前景。