-
公开(公告)号：CN113837938B
公开(公告)日：2022-09-09
申请号：CN202110859525.0
申请日：2021-07-28
Abstract: 基于动态视觉传感器重建潜在图像的超分辨率方法，涉及事件相机应用技术领域，解决现有技术的重建结中存在灰度图的边缘细节不够锐利，同一像素值灰度不够稳定，以及容易损失动态范围等问题，本发明通过神经网络结构实现，包括潜在灰度图重建和多图像融合两个步骤实现，通过神经网络架构重建高质量的高分辨率灰度图，同时考虑事件信号和灰度图信号，以灰度图为基础重建一系列潜在灰度图，融合出的高分辨率灰度图的像素值稳定且连续。重建多张潜在灰度帧，采用多图超分辨率的方法实现APS灰度图的超分辨率，使得超分辨率重建的质量大大超越之前相关方法的重建效果。本发明使用深度学习的方法，提高了图像超分辨率的质量。
-
公开(公告)号：CN113837938A
公开(公告)日：2021-12-24
申请号：CN202110859525.0
申请日：2021-07-28
Abstract: 基于动态视觉传感器重建潜在图像的超分辨率方法，涉及事件相机应用技术领域，解决现有技术的重建结中存在灰度图的边缘细节不够锐利，同一像素值灰度不够稳定，以及容易损失动态范围等问题，本发明通过神经网络结构实现，包括潜在灰度图重建和多图像融合两个步骤实现，通过神经网络架构重建高质量的高分辨率灰度图，同时考虑事件信号和灰度图信号，以灰度图为基础重建一系列潜在灰度图，融合出的高分辨率灰度图的像素值稳定且连续。重建多张潜在灰度帧，采用多图超分辨率的方法实现APS灰度图的超分辨率，使得超分辨率重建的质量大大超越之前相关方法的重建效果。本发明使用深度学习的方法，提高了图像超分辨率的质量。
-
公开(公告)号：CN116091337B
公开(公告)日：2024-02-02
申请号：CN202211515957.0
申请日：2022-11-29
Applicant: 北京大学
IPC: G06T5/73 , G06T9/00 , G06T5/92 , G06T3/4053 , G06T3/4046
Abstract: 本发明公开了一种基于事件信号神经编码方式的图像增强方法及装置，结合了物理成像模型和数据驱动两种方式的特性，提出了一种鲁棒的、良好编码事件信号流中运动和时序信息的编码方式——神经事件帧，通过神经事件帧，构建了低质量图像和高质量图像之间的转换关系，有效克服了事件信号中的噪声干扰等问题，实现了对于图像信号的去模糊以及超分辨率。同时，本发明设计了事件信号引导下统一的高速视频生成框架，实现了从低速视频到高速视频的恢复。
-
公开(公告)号：CN116310408B
公开(公告)日：2023-10-13
申请号：CN202211515830.9
申请日：2022-11-29
Applicant: 北京大学
IPC: G06V10/74 , G06V10/40 , G06V10/82 , G06N3/08 , G06V10/774 , G06N3/0464 , G06V20/40
Abstract: 本发明公开了一种建立事件相机与帧相机数据关联的方法及装置，基于transformer的神经网络，显式地建立事件相机与帧相机的数据关联，很好地结合了帧相机和事件相机的优势，避免了事件相机位姿估计中的初始解敏感问题，同时保证了精度，使得事件相机和帧相机的组合在不同的应用场景下都表现地更好、更加稳定，可以应用到多个应用场景中，比如深度估计、相机位姿估计等等。此外，本发明的方法和装置，在构造的仿真数据集上进行训练，并在真实数据上取得了比较好的效果。
-
公开(公告)号：CN116389912B
公开(公告)日：2023-10-10
申请号：CN202310448820.6
申请日：2023-04-24
Applicant: 北京大学
IPC: H04N23/741 , H04N23/73 , H04N23/76
Abstract: 本发明公开了一种脉冲相机融合普通相机重构高帧率高动态范围视频的方法，包括以下步骤：S1、脉冲信号处理：对脉冲相机在时域内累积的光子进行积分获得脉冲重构图像，并进行光流估计；S2、彩色图像预处理：设置彩色工业相机不同曝光时间的循环交替曝光模式，对图像进行亮度矫正，并对模糊图像进行解模糊计算得到一组潜在图像，再对潜在图像重建彩色高帧率，获得无模糊图像；S3、脉冲引导的插帧与融合：使用基于循环卷积神经网络的融合插帧模块，对步骤S1中获取的脉冲重构图像进行上色，同时对步骤S2中求解得到的无模糊图像进行插帧，逐帧输出彩色HDR视频。本发明有效提高了融合图像的质量和帧率，实现高帧率高动态范围成像。
-
Patent Agency Ranking
公开(公告)号：CN118447103B
公开(公告)日：2025-04-08
申请号：CN202410602716.2
申请日：2024-05-15
Applicant: 北京大学
IPC: G06T7/80 , G06T5/70 , G06T5/90 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06T5/60
Abstract: 基于事件相机引导的直接光照和间接光照分离方法，属于光照分离方法领域，包括：拍摄阴影变化触发的事件信号、灰度初始分离结果估计、灰度初始分离结果优化和光照分离结果颜色补偿。本发明只需在场景中拍摄一张照片与一段事件数据，缩短了数据拍摄时间，可应用到动态场景之中。事件相机的事件触发模型使其能离散地记录场景光照变化中的连续变化信息，在实现高时间分辨率的同时降低了数据吞吐量。本发明成功融合了事件相机和机器视觉传统相机输出的图像，能从单张图像与光照变化触发的事件信号重构出彩色高质量的直接光照和间接光照分离结果。同时使用深度学习方法，有效结合场景图像和事件信号，在高频间接光照场景下拥有更好的分离效果。
-
公开(公告)号：CN116310408A
公开(公告)日：2023-06-23
申请号：CN202211515830.9
申请日：2022-11-29
Applicant: 北京大学
IPC: G06V10/74 , G06V10/40 , G06V10/82 , G06N3/08 , G06V10/774 , G06N3/0464 , G06V20/40
Abstract: 本发明公开了一种建立事件相机与帧相机数据关联的方法及装置，基于transformer的神经网络，显式地建立事件相机与帧相机的数据关联，很好地结合了帧相机和事件相机的优势，避免了事件相机位姿估计中的初始解敏感问题，同时保证了精度，使得事件相机和帧相机的组合在不同的应用场景下都表现地更好、更加稳定，可以应用到多个应用场景中，比如深度估计、相机位姿估计等等。此外，本发明的方法和装置，在构造的仿真数据集上进行训练，并在真实数据上取得了比较好的效果。
-
公开(公告)号：CN118982479A
公开(公告)日：2024-11-19
申请号：CN202410983626.2
申请日：2024-07-22
Applicant: 北京大学
IPC: G06T5/70 , G06T5/60 , G06T5/50 , G06T3/4038 , G06T3/4046 , G06V10/52 , G06T7/30 , G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 一种基于窄带图像引导的大气扰动去除方法，属于大气扰动去除领域，包括：设计采用双扰动编码器的扰动去除网络从彩色和窄带图像对中提取多尺度空间特征的扰动线索，在扰动线索的辅助下将真实的彩色和窄带图像对逆转为扰动输入，将彩色和窄带图像的特征进行拼接并使用多头自注意力块来增强特征表示，压缩空间维度，将来自双扰动编码器的扰动线索与每个扰动编码器级别的跳跃连接合并，增强上采样阶段的特征混合性能，逐步将图像恢复到其原始分辨率，通过处理上采样阶段输出的特征将特定波长的细节与光谱数据结合，产生无扰动图像。本发明利用窄带成像抑制扰动的物理特性提供可靠的引导信息，实现更高的性能和鲁棒性，具有高效、便捷的优点。
-
公开(公告)号：CN118447103A
公开(公告)日：2024-08-06
申请号：CN202410602716.2
申请日：2024-05-15
Applicant: 北京大学
IPC: G06T7/80 , G06T5/70 , G06T5/90 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06T5/60
Abstract: 基于事件相机引导的直接光照和间接光照分离方法，属于光照分离方法领域，包括：拍摄阴影变化触发的事件信号、灰度初始分离结果估计、灰度初始分离结果优化和光照分离结果颜色补偿。本发明只需在场景中拍摄一张照片与一段事件数据，缩短了数据拍摄时间，可应用到动态场景之中。事件相机的事件触发模型使其能离散地记录场景光照变化中的连续变化信息，在实现高时间分辨率的同时降低了数据吞吐量。本发明成功融合了事件相机和机器视觉传统相机输出的图像，能从单张图像与光照变化触发的事件信号重构出彩色高质量的直接光照和间接光照分离结果。同时使用深度学习方法，有效结合场景图像和事件信号，在高频间接光照场景下拥有更好的分离效果。
-
公开(公告)号：CN116389912A
公开(公告)日：2023-07-04
申请号：CN202310448820.6
申请日：2023-04-24
Applicant: 北京大学
IPC: H04N23/741 , H04N23/73 , H04N23/76
Abstract: 本发明公开了一种脉冲相机融合普通相机重构高帧率高动态范围视频的方法，包括以下步骤：S1、脉冲信号处理：对脉冲相机在时域内累积的光子进行积分获得脉冲重构图像，并进行光流估计；S2、彩色图像预处理：设置彩色工业相机不同曝光时间的循环交替曝光模式，对图像进行亮度矫正，并对模糊图像进行解模糊计算得到一组潜在图像，再对潜在图像重建彩色高帧率，获得无模糊图像；S3、脉冲引导的插帧与融合：使用基于循环卷积神经网络的融合插帧模块，对步骤S1中获取的脉冲重构图像进行上色，同时对步骤S2中求解得到的无模糊图像进行插帧，逐帧输出彩色HDR视频。本发明有效提高了融合图像的质量和帧率，实现高帧率高动态范围成像。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.041 seconds)
