-
公开(公告)号：CN106060564B
公开(公告)日：2019-02-12
申请号：CN201610430071.4
申请日：2016-06-16
Applicant: 北京大学深圳研究生院
IPC: H04N19/593 , H04N19/80
Abstract: 一种帧内预测参考像素点滤波控制方法、装置及编码器，属于视频/图像编解码技术领域。对帧内待预测块的参考像素组中各参考像素点进行滤波处理时，当前待滤波的目标参考像素点若不是为参考像素组中的边缘参考像素点时(S202)，获取该目标参考像素点与其相邻n个参考像素点之间的像素差异值(S203)，选择与该像素差异值对应滤波等级的滤波器对目标参考像素点进行滤波(S204)。也即对参考像素组中未处于边缘的各参考像素点，根据这些参考像素点的局部差异特性灵活配置对应滤波等级的滤波器，滤波处理的灵活性、自适应性以及滤波效果更好。
-
公开(公告)号：CN106412582B
公开(公告)日：2019-01-29
申请号：CN201610945845.7
申请日：2016-10-26
Applicant: 北京大学深圳研究生院
IPC: H04N19/146 , H04N19/167
Abstract: 本发明公布了一种基于球面多层圆周的全景视频感兴趣区域的描述方法和编码方法，对全景视频多层感兴趣区域进行描述，首先设定为全景视频感兴趣区域的中心；再设定感兴趣区域的层数为N；通过半径或夹角获得当前层感兴趣区域的大小Rn；全部获取N层感兴趣区域的大小，将感兴趣区域的中心、层数、每一层的大小等信息写入码流的序列头。编码方法通过使用QP调整值对初始QP进行调整或进行滤波，再对图像进行编码。本发明技术方案可对全景视频多层感兴趣区域进行灵活的码率分配；在保证感兴趣区域具有较高的图像质量的同时，本发明技术方案能够大幅度降低编码和传输所需的码率。
-
公开(公告)号：CN105574823B
公开(公告)日：2018-10-09
申请号：CN201510926438.7
申请日：2015-12-14
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 一种失焦模糊图像的去模糊方法和装置，先采用预设模糊核对输入的原始图像进行模糊处理，得到再模糊图像；根据模糊处理过程中图像边缘信息的变化对原始图像的边缘区域像素的模糊量进行估计，得到稀疏模糊量图；根据稀疏模糊量图对原始图像的非边缘区域像素的模糊量进行估计，得到完整模糊量图；根据所述完整模糊量图进行去模糊处理，得到去模糊图像。本申请提供的方法和装置中，由于使用了图像模糊后的边缘信息的变化来得到模糊量图，可以使得到的模糊量图更加准确，从而提高去模糊图像的质量。
-
公开(公告)号：CN106899840B
公开(公告)日：2018-06-05
申请号：CN201710116888.9
申请日：2017-03-01
Applicant: 北京大学深圳研究生院
IPC: H04N13/00 , H04N19/182 , G06T3/00
Abstract: 本发明公布了一种全景图像映射方法及反映射方法。其中，映射过程将全景图像或视频A对应的球面映射为二维平面图像或视频B，首先根据球面的纬度，将球面分成三个区域：分别记为区域I，区域II和区域III；将所述三个区域分别映射为方形平面I′、矩形平面II′和方形平面III′；再将平面I′、II′、III′拼成一个平面；所得的平面即为二维平面图像或视频B。相比于现有常用映射方法，本发明方法有效地改善了在高纬度区域的过采样，能够有效降低编码所需的码率以及解码的复杂度。涉及虚拟现实领域，可应用于全景图像和视频。
-
公开(公告)号：CN105554506B
公开(公告)日：2018-05-29
申请号：CN201610035874.X
申请日：2016-01-19
Applicant: 北京大学深圳研究生院
IPC: H04N19/503 , H04N19/176 , H04N19/137 , H04N19/13
Abstract: 一种基于多方式边界填充的全景视频编码、解码方法和装置，在通过帧间预测得到当前图像块的预测图像块时，帧间预测包括边界填充步骤，边界填充步骤为：当前图像块中像素的参考样本在相应的参考图像的边界之外时，根据参考样本的坐标自适应选择边界填充方式，以求得参考样本的样本值。本申请提供的基于多方式边界填充的全景视频编码、解码方法和装置中，充分利用了全景视频中，水平方向图像内容是循环相连的这一特性，优化图像边界填充方法，使得在编码端能够根据参考样本的坐标自适应选择更合理的边界填充方式，以达到提升压缩效率的目的。
-
Patent Agency Ranking
公开(公告)号：CN105224288B
公开(公告)日：2018-01-23
申请号：CN201410302221.4
申请日：2014-06-27
Applicant: 北京大学深圳研究生院
CPC classification number: G06T15/04
Abstract: 本发明涉及双目三维图形渲染方法及相关系统。方法包括投影变换步骤，所述投影变换步骤包括：在近平面和远平面之间增加中平面作为投影面，将近平面与远平面之间的图元投影到中平面上。本发明通过增加的中平面，将近平面与远平面之间的图元投影到中平面上，则近平面与中平面之间的图元会有出屏的立体效果，中平面与远平面之间的图元会有入屏的立体效果；从而，使得在3D显示设备中使用现有的渲染管线时不需要特别的硬件，就可以渲染“出屏”和“入屏”效果。
-
公开(公告)号：CN107330100A
公开(公告)日：2017-11-07
申请号：CN201710545632.X
申请日：2017-07-06
Applicant: 北京大学深圳研究生院
Abstract: 本发明公布了一种基于多视图联合嵌入空间的图像-文本双向检索方法，通过结合全局层面和局部层面的语义关联关系进行检索；先从画面-句子视图和区域-短语视图下分别获得全局和局部层面的语义关联关系，在画面-句子视图中获取画面和句子全局层面子空间中的语义关联信息；在区域-短语视图中获取区域和短语局部层面子空间中的语义关联信息；两个视图中均通过双分支的神经网络处理数据得到同构特征嵌入共同空间，在训练中使用约束条件保留数据原有的语义关系；再通过多视图融合排序方法融合两种语义关联关系得到数据之间更精准的语义相似度，使得检索结果准确度更高。
-
公开(公告)号：CN104408710B
公开(公告)日：2017-05-24
申请号：CN201410604055.3
申请日：2014-10-30
Applicant: 北京大学深圳研究生院
IPC: G06T7/38
Abstract: 一种全局视差估计方法和系统，在进行匹配空间计算时，根据预设规则在图像上选取采样点，再根据约束条件进行第一匹配空间和第二匹配空间的计算。其中，采用的约束条件包括线性约束条件和基于采样点的空间线束条件，所述线性约束条件为当前像素点与搜索点之间在颜色上的欧氏距离的约束，所述空间约束条件为搜索点与采样点之间在颜色上的欧氏距离的约束，由于同时采用了上述两个约束条件，使得计算出的匹配空间更加接近图像中物体的边缘，因此，能够提高匹配空间计算的准确性，从而保证最终视差计算的准确度。
-
公开(公告)号：CN106454360A
公开(公告)日：2017-02-22
申请号：CN201610948219.3
申请日：2016-10-26
Applicant: 北京大学深圳研究生院
IPC: H04N19/176 , H04N19/11 , H04N19/91
CPC classification number: H04N19/11 , H04N19/176 , H04N19/91
Abstract: 本发明公布了一种在视频编码领域的I帧编码中率失真优化模块的快速码率估计方法，通过对预测块的残差信息进行建模，并在相应模型下根据信息熵理论估计出预测块的编码比特数，从而可以在RDO过程中跳过熵编码过程，包括：统计预测块分布信息并建模得到混合模型、根据模型估计预测模式的编码比特数、并对估计的编码比特数做出修正，用以估算RDO过程中每种预测模式的编码码率，以替代真实熵编码过程的巨大的时间复杂度，在视频质量损失较少的情况下有效地减少编码时间。本发明适用于视频编码中I帧的码率估计。
-
公开(公告)号：CN106131547A
公开(公告)日：2016-11-16
申请号：CN201610548047.0
申请日：2016-07-12
Applicant: 北京大学深圳研究生院
IPC: H04N19/11 , H04N19/593 , H04N19/147 , H04N19/136 , H04N19/176
CPC classification number: H04N19/11 , H04N19/593 , H04N19/136 , H04N19/147 , H04N19/176
Abstract: 本发明公布了一种视频编码中帧内预测模式的快速决策方法，通过判断预测方位，利用角度模式的相关性和PU尺寸构造PML，减少进行率失真优化的预测模式数目；包括：对主要预测方位集中的方位进行预测，选取率失真代价最优的前三个模式；将其相邻方向及Planar、DC模式加入PML中；计算PML中模式的率失真代价；将MPM中的模式无重复地添加入PML中；进行最后的率失真优化；将率失真代价最小的模式作为当前PU块的帧内预测的最优模式。本发明能够降低帧内预测的运算复杂度，提高视频编码速度。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.033 seconds)
