-
公开(公告)号:CN109819251A
公开(公告)日:2019-05-28
申请号:CN201910021870.X
申请日:2019-01-10
申请人: 北京大学
IPC分类号: H04N19/124 , H04N19/147 , H04N19/15 , H04N19/91 , H04N19/85
摘要: 本发明提供了一种脉冲阵列信号的编解码方法,其中编码方法包括:将脉冲阵列信号划分成独立的脉冲编码立方体;对当前脉冲编码立方体进行前处理;选取匹配模式对脉冲编码立方体进行匹配操作;将匹配后的数据进行映射;将映射后的结果进行逆映射并用于其他脉冲编码立方体的匹配;再将映射后的数据进行熵编码得到码流。本发明提供了一套针对脉冲阵列信号的完整编解码体系,可实现脉冲数据的无损及有损压缩,为后续编解码的算法优化及压缩效率提升奠定了基础,是进行脉冲阵列信号传输、存储和分析等应用任务的前提。
-
公开(公告)号:CN109803096A
公开(公告)日:2019-05-24
申请号:CN201910027914.X
申请日:2019-01-11
申请人: 北京大学
IPC分类号: H04N5/262
摘要: 本申请公开了一种基于脉冲信号的显示方法和系统,包括:分析单个像素位置对应的脉冲序列,脉冲发放信息;获取单个脉冲发放时间之前的多个脉冲发放时间所对应的各像素值,将其累加作为第一累加像素值;与所述像素位置的所述单个脉冲发放时间相对应地设定第一特定量,叠加第一特定量与第一累加像素值,得到所述像素位置的第一像素值;比较第一像素值与像素阈值范围的关系,调整第一特定量得到第二特定量;叠加第一累加像素值与第二特定量得到所述像素位置的第二像素值,使用各第二像素值生成图像。通过利用脉冲信号的时域特性计算像素值,构成高质量的图像并输出任意连续时刻的图像;根据像素阈值范围调整像素值,提高生成图像的质量。
-
公开(公告)号:CN106658027B
公开(公告)日:2019-05-24
申请号:CN201611066195.5
申请日:2016-11-28
IPC分类号: H04N19/61 , H04N19/96 , H04N19/19 , H04N19/172
摘要: 本发明实施例提供了一种背景帧的码率控制方法和装置。所述方法包括:判定待编码背景帧的不同区域的预测参考价值,所述预测参考价值为预测的在进行帧间预测时待编码背景帧的不同区域对待编码普通帧的参考价值;根据所述预测参考价值,设定所述待编码背景帧的不同区域的重要性级别;根据所述不同区域的重要性级别,调整所述待编码背景帧的不同区域的编码质量。根据所述预测参考价值,设定所述待编码背景帧的不同区域的重要性级别;根据所述不同区域的重要性级别,调整所述待编码背景帧的不同区域的编码质量。本发明通过改变背景帧不同参考价值区域的编码质量,有效解决了视频传输过程中瞬时码率突增问题,并且尽可能保证了背景帧的参考价值。
-
公开(公告)号:CN109101884A
公开(公告)日:2018-12-28
申请号:CN201810750230.8
申请日:2018-07-10
申请人: 北京大学
IPC分类号: G06K9/00
摘要: 本发明公开了一种脉冲阵列的预测方法,包括如下步骤:对检测区域内的各个空间位置的信号进行采集,同时对每个空间位置的信号进行累积,得到信号累积强度值;当信号累积强度值超过发放阈值时,输出一个脉冲信号;将每个空间位置对应的脉冲信号按照时间先后排列成二值序列,所有空间位置对应的二值序列构成脉冲阵列;针对所述脉冲阵列,分析不同位置、不同时间段的脉冲序列之间的相似性,利用其他位置、时刻或时间段的脉冲序列来预测当前位置、时刻或时间段的脉冲序列。该方法可用于脉冲数据编码与运动分析,是仿生视网膜传感器应用在计算机视觉分析的重要技术支撑,具有良好的应用前景。
-
公开(公告)号:CN108965873A
公开(公告)日:2018-12-07
申请号:CN201810821231.7
申请日:2018-07-24
申请人: 北京大学
IPC分类号: H04N19/117 , H04N19/147 , H04N19/96 , H04N19/30
摘要: 本发明提供了一种脉冲阵列编码的自适应划分方法,包括步骤:通过时空信号传感器采集时空脉冲信息,形成脉冲阵列;将脉冲阵列划分为多个编码树立方体;将每个编码树立方体多级划分为编码立方体,直至划分至最大深度;将每次划分前后编码立方体结构的性能进行比较,决策是否进行划分编码立方体;确定编码树立方体及所述编码立方体的划分结构,输出划分结果。本发明依据传统视频编码中编码结构的划分思路,提出了对于同时具有时间和空间的时空脉冲阵列信号的自适应划分方式。通过在空域上和时域上的划分,为后续的压缩过程提供了所要操作的区域范围。
-
公开(公告)号:CN108537119A
公开(公告)日:2018-09-14
申请号:CN201810184700.9
申请日:2018-03-06
申请人: 北京大学
摘要: 一种小样本视频识别方法,基于深度神经网络与层级实时记忆,使用每类有多个训练样本的可见类与每类只有少量训练样本的不可见类,对不可见类的测试样本进行分类。首先,在可见类视频上进行深度网络预训练;随后,使用预训练得到的模型与可见类的视频对层级实时记忆网络进行训练,使网络可以在不可见类上进行重要程度的预测;同时,使用预训练得到的模型,在不可见类上对小样本进行距离学习,增大样本的类间距离,缩小样本的类内距离;最后,使用训练得到的层级实时记忆网络对测试视频选帧,使用距离学习得到的模型在选出来的帧上做分类任务。由此,本方法可以实现小样本下的视频识别,更贴近真实识别场景下的应用。
-
公开(公告)号:CN104253996B
公开(公告)日:2018-02-09
申请号:CN201410478748.2
申请日:2014-09-18
摘要: 本发明公开了一种视频数据的发送、接收方法及其装置以及传输系统,该发送方法包括:根据用于表示当前帧为背景帧和/或非背景帧的标识信息,确定视频图像的原始编码码流中的背景帧;将确定的每一背景帧分割为至少两个数据包,分别加入辅码流标识后进行封装,形成辅码流;将原始编码码流中每一非背景帧加入主码流标识后进行封装,形成主码流;发送所述辅码流和主码流。由于将背景帧分割为至少两个数据包,分别加入辅码流标识后进行封装形成辅码流,后续发送辅码流和主码流,避免了直接传输背景帧,减少因码流传输中图像瞬时码率过高造成后续非背景帧的延时或丢失,同时也没有降低作为背景帧的高质量背景图像的质量,兼顾了传输带宽和图像质量。
-
公开(公告)号:CN103796028B
公开(公告)日:2017-09-29
申请号:CN201410067035.7
申请日:2014-02-26
申请人: 北京大学
摘要: 本发明涉及一种视频编码中基于图像信息的运动搜索方法和装置,属于数字媒体处理技术领域中的视频编码技术,包括图像前背景性质划分模块、背景区域搜索模块、前景区域搜索模块;对当前待编码图像进行前、背景性质划分,得到该图像的前、背景信息;对于前景区域和背景区域,分别采用高复杂度搜索方法及低复杂度搜索方法;本发明的益处在于:利用背景建模所生成的背景,可以将编码图像中划分为前景区域和背景区域。对当前图像某区域进行编码时,可以利用其前背景信息设计运动搜索方法,在保证编码质量不显著下降的前提下减小运动搜索的复杂度。
-
公开(公告)号:CN106534871A
公开(公告)日:2017-03-22
申请号:CN201611108487.0
申请日:2016-12-06
申请人: 北京大学
IPC分类号: H04N19/573 , H04N19/57 , H04N19/13
CPC分类号: H04N19/573 , H04N19/13 , H04N19/57
摘要: 本发明实施例提供了一种视频编解码器的编码方法和解码方法。所述视频编解码器的编码方法,包括:获取当前待编码图像以及所述当前待编码图像的前一帧的已编码图像对应的前一帧已编码图像对应的构建参考帧;根据所述已编码图像更新所述前一帧已编码图像对应的构建参考帧,将更新后的所述前一帧已编码图像对应的构建参考帧作为所述当前待编码图像对应的当前待编码图像对应的构建参考帧;将所述当前待编码图像对应的当前待编码图像对应的构建参考帧作为参考图像,对所述当前待编码图像进行编码。本发明能够提高编解码性能。
-
公开(公告)号:CN103745454B
公开(公告)日:2017-01-11
申请号:CN201310692533.6
申请日:2013-12-17
申请人: 北京大学
摘要: 本发明涉及图像质量评价领域,具体涉及一种基于排序学习的图像处理算法或系统的评价方法,输入若干组不同的图像处理算法或系统的输出结果图像,在完成标注的数据集上进行排序学习,得到排名函数,通过所述排名函数得到每一组待评价图像的相对质量高低,评价对应的图像处理算法或系统的相对质量,本发明的益处在于:适用性广,可面向图像压缩处理、图像清晰化处理等多种图像处理类型,尤其适用于图像清晰化处理等目前没有公认评价指标的情况,仅在人工标注阶段需要少量的参考图像信息,因此可以很好的解决一类很难得到参考图像的质量评价问题,利用本发明提供的基于排序学习的图像处理算法或系统的评价方法,可以评价多种图像处
-
-
-
-
-
-
-
-
-