专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果1494901个,建议您升级VIP下载更多相关专利
  • [发明专利]全局运动估计-CN200680004749.7有效
  • 迈克尔·埃尔林·尼尔森 - 英国电讯有限公司
  • 2006-02-03 - 2008-02-06 - H04N7/26
  • 本发明提供了一种全局运动估计。第一视频帧的全局运动向量标识了一偏移,当该偏移被应用于电视图像的另一帧时增加了这两帧之间的相似性。为了估计该偏移,该方法包括:从所述第一帧中选择多个图像元素;将所选择的图像元素与另一帧的对应位置处的图像元素进行比较,以产生相对于零偏移的相似性的量度;对于多个试验偏移中的每一个,将所选择的图像元素与另一帧的具有相同相互位置但偏移了相应偏移的图像元素进行比较
  • 全局运动估计
  • [发明专利]基于深度学习的端到端全局和局部运动估计方法-CN202310029285.0在审
  • 毋立芳;郑祎豪;李尊;相叶 - 北京工业大学
  • 2023-01-09 - 2023-05-09 - G06T7/269
  • 基于深度学习的端到端全局和局部运动估计方法属于图像处理领域。从原始视频中估计全局和局部运动是很有必要的。现有的全局和局部运动估计方法都不能以端到端的形式同时对视频帧中的两种运动进行估计。本发明提出了一种分别进行全局和局部运动估计的三模块运动估计网络,提出了基于特征维度变换和全局运动基的全局运动估计器,来约束全局运动估计模块关注全局低秩信息,并排除非全局信息的干扰。利用混合重构损失、全局重构损失和局部重构损失三个损失函数对网络进行无监督深度学习。在单应性估计数据集DHE和行为识别数据集NCAA上验证了本发明的有效性。
  • 基于深度学习端到端全局局部运动估计方法
  • [发明专利]一种面向全景视频编码的快速全局运动估计方法-CN201010183380.9有效
  • 覃团发;郑嘉利 - 广西大学
  • 2010-05-26 - 2010-11-03 - H04N7/26
  • 本发明公开了一种面向全景视频编码的快速全局运动估计方法。该方法分为两步:第一步,用一个基于统计特性与阈值均值相结合的亮度残差阈值模型来大致划分局部运动区域与全局运动区域,得到全局运动估计区域的近似集合;第二步,使用一种运动矢量残差分级阈值技术在能量残差函数最小化迭代过程中逐步细化全局运动像素点集合,最后分离出完整的全局运动区域,从而实现快速运动估计的目的。本发明的优点是:兼顾了全局运动估计的准确性和鲁棒性,在保证重构图象质量不下降,而且还有略微提升的前提下,大大节省运动估计计算开销。对全景视频序列的全局运动估计具有算法复杂度低,运动参数估计精确的效果。
  • 一种面向全景视频编码快速全局运动估计方法
  • [发明专利]基于编码-解码网络的深度运动分离方法-CN202111076361.0在审
  • 毋立芳;杨雨辰;简萌;相叶;石戈;赵博煊 - 北京工业大学
  • 2021-09-15 - 2022-01-11 - G06T7/207
  • 基于编码‑解码网络的深度运动分离方法属于图像处理领域。从原始混合运动估计全局运动和局部运动是有必要的。现有的全局运动估计算法无法表达复杂场景下的全部全局运动。同时,体育比赛转播视频等存在静止的记分牌等区域,对局部运动估计造成了影响。本发明提出了一种端到端的全局与局部运动估计网络,利用自动编码器将原始运动编码为代表全部全局运动的低维向量后解码为全局运动场。网络通过混合运动场中全局运动区域的运动值进行弱监督学习。进一步,Attention U‑net将粗糙局部运动中的记分牌等噪声区域的运动值去除,得到纯净的局部运动。在行为识别数据集NCAA,UCF‑101和单应性估计数据集DHE上的实验表明,该方法的全局运动和局部运动估计结果好于现有方法。
  • 基于编码解码网络深度运动分离方法
  • [发明专利]一种面向全景视频的全局运动估计方法-CN200710130318.1无效
  • 张晨 - 北京华辰广正科技发展有限公司
  • 2007-07-17 - 2009-01-21 - H04N7/26
  • 本发明公开了一种面向全景视频的全局运动估计方法,包括以下步骤:(1)把每一帧全景视频分割成互不重叠的16×16块;(2)使用一种快速运动估计方法对全景视频帧里的16×16宏块分别做局部运动估计,得到面向宏块的运动矢量;(3)建立全局运动估计参数模型;(4)使用高斯牛顿迭代方法得到全局运动估计运动参数;(5)传输当前帧的全局运动参数,在解码端对当前帧做全局运动补偿。本发明的优点在于:针对全景视频的特点,设计了一种适合全景视频编码的全局运动估计参数模型,比传统的平移运动模型节省更多的码率,同时主观编码质量更好。
  • 一种面向全景视频全局运动估计方法
  • [发明专利]用于图像处理的装置和方法、以及计算机程序-CN200810212814.6无效
  • 名云武文;市桥英之 - 索尼株式会社
  • 2008-09-05 - 2009-03-11 - H04N7/26
  • 局部运动矢量估计单元估计与每个块相关联的运动矢量作为局部运动矢量,各块用作构成运动图像的图像帧的各段。块权重计算单元计算块权重作为每块的局部运动矢量的可靠性的指标。全局运动矢量估计单元接收各局部运动矢量和各权重,以便估计作为包括在帧中的各块公用的运动矢量的全局运动矢量。全局运动矢量估计单元计算与各个块相关联的各局部运动矢量与全局运动矢量之间的差、与分配给经历差计算的各个块的块权重的乘积的和作为成本,并且计算最小化该成本的全局运动矢量的各配置参数。
  • 用于图像处理装置方法以及计算机程序
  • [发明专利]运动错误补偿器以及检测和补偿运动错误的方法-CN200610093175.7无效
  • 成和锡;孙永旭;闵钟述;姜政佑;金命哉 - 三星电子株式会社
  • 2006-06-23 - 2006-12-27 - H04N7/24
  • 本发明涉及一种运动错误检测器,包括:运动估计器,将当前帧划分成预定大小的多个块,并通过将所述多个块中的当前块与设置在先前帧中的预定搜索区域进行比较来估计当前块的运动矢量;全局运动估计器,基于当前块的相邻块的运动矢量计算全局运动矢量;和错误检测器,分别将当前块的运动矢量和估计运动的相应的运动估计误差与全局运动矢量和相应的全局运动估计误差进行比较,并确定当前块的运动矢量是否错误。因而,提供了一种运动错误检测器、包括运动错误检测器的运动错误补偿器以及一种使用该运动错误补偿器检测和补偿运动错误的方法,在该方法中,基于全局运动检测当前块的运动错误,通过根据检测的错误的数量改变补偿模式来减少运动错误
  • 运动错误补偿以及检测方法
  • [发明专利]一种基于运动矢量对消和差分原理的快速全局运动估计方法-CN200810163575.X有效
  • 田翔;周凡;袁龙涛 - 浙江大学
  • 2008-12-30 - 2009-06-10 - H04N5/14
  • 本发明公开了一种基于运动矢量对消和差分原理的快速全局运动估计方法,包括输入视频图像的当前帧和参考帧,并通过光流法获得视频图像的每个像素点的运动矢量形成一个运动矢量场;在运动矢量场上构建视频图像的全局运动模型;利用运动矢量场上的对角对称位置的运动矢量对除平移运动分量外其他运动运动分量可以对消的特性,估计全局运动的平移参数T;利用运动矢量场上的同一行上的运动矢量对和同一列上的运动矢量对的差分原理,估计全局运动的变换参数A;将平移参数T和变换参数A代入到全局运动模型中,完成视频图像的全局运动估计五个步骤。本发明在保证估计精度的情况下,大大缩短计算时间,可以在实时性要求较高的视频处理系统中得到应用。
  • 一种基于运动矢量对消原理快速全局估计方法
  • [发明专利]图像处理装置、图像处理方法、成像装置和程序-CN201110100539.0无效
  • 松浦俊;葛谷直规 - 索尼公司
  • 2011-04-21 - 2011-11-09 - H04N5/232
  • 所述图像处理装置包括:全局运动估计装置,其对当前图像和基准图像执行全局运动估计,然后输出运动矢量,其中所述全局运动估计装置包括运动估计处理单元,其具有跨越整个屏幕执行LK方法两次或更多次以便执行当前图像与基准图像之间的全局运动估计的功能;并且所述运动估计处理单元在第一运动估计中至少基于关于像素值变化的信息和其中跨越整个屏幕添加任意计算表达式的计算结果的信息来获得一组运动矢量,并且在第二运动估计中,当获得所述至少的信息时,根据设置的条件确定是否对每一个像素执行相加,并且当满足条件时,获得并输出新的一组运动矢量作为第二LK方法的结果。
  • 图像处理装置方法成像程序

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top