-
公开(公告)号：CN113096033B
公开(公告)日：2024-05-28
申请号：CN202110304780.9
申请日：2021-03-22
Applicant: 北京工业大学
Abstract: 本发明公开了基于Retinex模型自适应结构的低光照图像增强方法，并且根据低光照条件进行了改进，包括以下步骤：提出了对输入图像光照结构和反射纹理提取的TSRI算法。根据低照度图像的特点，引入了反射图L0稀疏，解决了Retinex算法中反射图不够平滑的问题；针对Retinex低照度图像增强算法。将TSRI算法在HSV空间下对亮度分量进行处理。
-
公开(公告)号：CN106097278A
公开(公告)日：2016-11-09
申请号：CN201610474921.0
申请日：2016-06-24
Applicant: 北京工业大学
CPC classification number: G06T5/002 , G06T7/00 , G06T2207/20081
Abstract: 本发明公开一种多维信号的稀疏模型，其能够保证不需要采用Kronecker乘积，从而保证在算法复杂度和存储空间上都有明显的改进。这种多维信号的稀疏模型，其为公式其中，张量表示成一个N维稀疏张量与一系列稀疏字典的张量乘积，In≤Mn，Dn定义为第n个方向的字典，K是稀疏度，用来刻画稀疏系数中的非零元素的个数。还提供了重建方法和字典训练方法。
-
公开(公告)号：CN102722865B
公开(公告)日：2015-05-13
申请号：CN201210159943.X
申请日：2012-05-22
Applicant: 北京工业大学
Abstract: 在没有外界的高分辨率图像库的前提下得到高分辨率图像的超分辨率稀疏重建方法，包括步骤：（1）对给定的低分辨率彩色图像进行空间转化，得到其YCbCr空间图像，对Cb、Cr分量利用插值方法进行重建；（2）构造用于训练的数据库，即高分辨率图像块Xh和低分辨率图像块Xl，并组合成数据库X；（3）对数据库X利用稀疏编码方法生成字典D，并分解为高分辨率图像的字典Dh和低分辨率图像的字典Dl；（4）利用Dl和低分辨率图像2倍上采样的图像对应的特征图像来求解稀疏系数；（5）通过稀疏系数和Dh，求解原始低分辨率图像3倍上采样的图像；（6）将Y、Cb、Cr组合得到YCbCr图像，并转化为RGB图像进行存储，就得到最终超分辨率重建图像。
-
公开(公告)号：CN113034560B
公开(公告)日：2024-07-02
申请号：CN202110224145.X
申请日：2021-02-22
Applicant: 北京工业大学
IPC: G06T7/40 , G06T11/00 , G06T5/40 , G06V10/762
Abstract: 非均匀纹理迁移方法及装置，提高纹理迁移的合成质量，尤其是纹理的颜色丰富程度以及分布特性与样本纹理保持一致；处理更为复杂的纹理图像，使得纹理迁移适应性更加广泛，使用户更加直观控制合成过程，实现自由地控制纹理迁移的结果。通过输入样本及一组语义标注图，经过以下步骤生成目标纹理图：(1)纹理结构提取:通过用户监督的方式提取纹理特征，从输入纹理样本中提取颜色和分布特征；(2)多尺度迭代纹理合成:将纹理的颜色和分布特征集成到基于优化的纹理合成方法中，基于优化的纹理合成方法利用这些特征来约束纹理迁移目标函数，目标函数通过迭代搜索相似图像块，利用投票步骤合成纹理，最终生成满足用户需求的高质量非均匀纹理。
-
公开(公告)号：CN118071862A
公开(公告)日：2024-05-24
申请号：CN202410244259.4
申请日：2024-03-04
Applicant: 北京工业大学
Abstract: 基于联合时空域亮度感知的脉冲序列图像重建方法及装置，具有很好的客观结果，边界纹理更加清晰且几乎没有伪影存在，有效的压制噪声，具有最清晰的纹理而且几乎没有锯齿状的边界。方法包括：通过粗粒度划分模块得到脉冲序列的初步动静态区域划分；对初步划分动静态的脉冲序列进行重建；通过细粒度划分模块得到脉冲序列更精细的动静态区域划分；将划分后的静态区域脉冲序列输入重建，充分采集亮度信息；将采集到的亮度信息和静态脉冲序列一起进行亮度感知空间划分；进行自适应时间偏移窗口重建；动态区域脉冲序列执行基于来自脉冲间隔纹理的动态脉冲序列重建方法；重建动态区域脉冲序列进行块匹配；动静态区域的重建结果进行融合；输出重建结果。
-
Patent Agency Ranking
公开(公告)号：CN114612297A
公开(公告)日：2022-06-10
申请号：CN202210079410.4
申请日：2022-01-24
Applicant: 北京工业大学
Abstract: 高光谱图像超分辨率重建方法及装置，针对高光谱图像，建立基于迭代阈值收缩方法及非局部自回归的融合模型，针对模型进行优化，然后进行网络设计、网络训练、网络测试，因此本发明利用非局部自相似性有效地恢复了缺失的高频信息，同时利用ISTA‑Net对变换域的信息加以利用，使网络具有很好的可解释性，提升了重建效果。
-
公开(公告)号：CN106097278B
公开(公告)日：2021-11-30
申请号：CN201610474921.0
申请日：2016-06-24
Applicant: 北京工业大学
Abstract: 本发明公开一种多维信号的稀疏模型，其能够保证不需要采用Kronecker乘积，从而保证在算法复杂度和存储空间上都有明显的改进。这种多维信号的稀疏模型，其为公式其中，张量X表示成一个N维稀疏张量与一系列稀疏字典的张量乘积，In≤Mn，Dn定义为第n个方向的字典，K是稀疏度，用来刻画稀疏系数中的非零元素的个数。还提供了重建方法和字典训练方法。
-
公开(公告)号：CN112819930A
公开(公告)日：2021-05-18
申请号：CN202110194168.0
申请日：2021-02-21
Applicant: 北京工业大学
IPC: G06T13/40 , A63F13/537 , A63F13/60 , A63F13/79
Abstract: 一种基于前馈神经网络的实时角色服装布料动画模拟方法涉及计算机科学技术学科的两个领域：它一方面属于计算机图形学‑计算机动画‑布料模拟问题，另一方面属于人工智能‑机器学习‑深度学习。本发明对于给定角色与服装，在游戏等实时交互应用中，用户输入当前时刻角色动画，本方法可以实时输出当前时刻布料顶点。本发明包括两部分，一部分是一个由服装特征提取和动画推断两部分组成的模型(Neural Cloth Simulation,简称NCS)，另一部分是数据集生成管线。通过构建一个完整实例，证明本发明的可行性，它取得了可实时交互的运行速率以及较低且稳定的误差。在实际应用中，开发者可以根据需求调整模型的超参数，达到所期望的效率与结果的平衡。
-
公开(公告)号：CN111277839A
公开(公告)日：2020-06-12
申请号：CN202010154990.X
申请日：2020-03-06
Applicant: 北京工业大学
IPC: H04N19/593 , H04N19/124 , H04N19/182 , H04N13/122
Abstract: 本发明涉及一种编码立方体投影格式的自适应QP调整方法，属于计算机编解码领域。本发明在传统编解码技术的基础上，针对立方体投影的像素分布特点，进行有针对性的改进。通过自适应QP调整，对同一帧内的不同区域采取适宜的方案，来实现对于立方体投影格式的优化。与传统编码方法统一QP相比，可以更加适配立方体投影格式，既提高了编码效率又节约了码率。
-
公开(公告)号：CN103279932A
公开(公告)日：2013-09-04
申请号：CN201310222046.3
申请日：2013-06-05
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 本发明公开一种充分利用图像的相关性、分别刻画图像不同维度的特性、大量节省字典的存储空间、去噪效果好的二维合成稀疏模型，以及基于该模型的字典训练方法，包括步骤：（1）构造训练样本集I；（2）初始化两个字典D1,D2；（3）稀疏编码；（4）字典更新；（5）判断是否达到迭代停止条件：如果满足迭代条件回到步骤（3），否则执行步骤（6）；（6）输出字典D1,D2，完成字典的训练。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
