[发明专利]图像补偿方法和装置、存储介质及电子装置在审
申请号: | 201910945812.6 | 申请日: | 2019-09-30 |
公开(公告)号: | CN110599525A | 公开(公告)日: | 2019-12-20 |
发明(设计)人: | 邓朔 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06T7/32 | 分类号: | G06T7/32;G06T7/33;G06T7/11;G06F16/182 |
代理公司: | 11240 北京康信知识产权代理有限责任公司 | 代理人: | 张学渊 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种图像补偿方法和装置、存储介质及电子装置。其中,该方法包括:获取待处理视频中包括内嵌字幕的第一帧图像以及该内嵌字幕在该第一帧图像中所在的第一区域;查找该待处理视频中与该第一帧图像的像素距离符合目标条件的无内嵌字幕的第二帧图像;使用该第二帧图像中与该第一区域对应的第二区域上的像素点对该第一区域上的像素点进行图像补偿。采用上述方案,在保证字幕清除效果的前提下,与相关技术中采用机器学习的字幕清除方案相比节省了大量计算资源,大幅提升了图像补偿速度,避免了在视频播放过程由于消除字幕造成的卡顿,进而解决了相关技术中的内嵌清除字幕方案需要耗费大量计算资源的技术问题。 | ||
搜索关键词: | 字幕 帧图像 内嵌 第一区域 图像补偿 计算资源 像素点 视频 方法和装置 存储介质 第二区域 电子装置 机器学习 目标条件 视频播放 像素距离 查找 保证 | ||
【主权项】:
1.一种图像补偿方法,其特征在于,包括:/n获取待处理视频中包括内嵌字幕的第一帧图像以及所述内嵌字幕在所述第一帧图像中所在的第一区域;/n查找所述待处理视频中与所述第一帧图像的像素距离符合目标条件的无内嵌字幕的第二帧图像;/n在查找到所述第二帧图像的情况下,使用所述第二帧图像中与所述第一区域对应的第二区域上的像素点对所述第一区域上的像素点进行图像补偿,以消除所述第一区域上的所述内嵌字幕。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910945812.6/,转载请声明来源钻瓜专利网。
- 同类专利
- 图像补偿方法和装置、存储介质及电子装置-201910945812.6
- 邓朔 - 腾讯科技(深圳)有限公司
- 2019-09-30 - 2019-12-20 - G06T7/32
- 本发明公开了一种图像补偿方法和装置、存储介质及电子装置。其中,该方法包括:获取待处理视频中包括内嵌字幕的第一帧图像以及该内嵌字幕在该第一帧图像中所在的第一区域;查找该待处理视频中与该第一帧图像的像素距离符合目标条件的无内嵌字幕的第二帧图像;使用该第二帧图像中与该第一区域对应的第二区域上的像素点对该第一区域上的像素点进行图像补偿。采用上述方案,在保证字幕清除效果的前提下,与相关技术中采用机器学习的字幕清除方案相比节省了大量计算资源,大幅提升了图像补偿速度,避免了在视频播放过程由于消除字幕造成的卡顿,进而解决了相关技术中的内嵌清除字幕方案需要耗费大量计算资源的技术问题。
- 一种无人机检测图像配准方法-201810467967.9
- 邵曦 - 邵曦
- 2018-05-16 - 2019-11-26 - G06T7/32
- 本发明公开了一种无人机检测图像配准方法,涉及无人机检测图像配准方法,包括Harris角点算法以及图像配准流程,还包括以下步骤:S1,获取无人机获取的视频信息,设置源图像集合配准图像集;S2,将源图像与配准图像进行相同的预处理,利用基本统计特征,进行初步的图像旋转、平移、尺度变换,去除多余的噪声;S3,利用Harris角点算法将源图像与配准图像进行Harris角点检测,记录角点坐标;S4,设定配准区域;S5,计算源图像与配准图像配准区域的相关系数;S6,利用相关系数判断源图像与配准图像的匹配程度;S7,进入图像配准流程。本发明能够有效解决无人机视频帧图像配准问题,获得理想配准图像集;具有良好的特征不变性、唯一性、稳定性、独立性。
- 寄生虫虫卵图像配准方法-201810469104.5
- 邵曦 - 邵曦
- 2018-05-16 - 2019-11-26 - G06T7/32
- 本发明公开了寄生虫虫卵图像配准方法,涉及寄生虫虫卵图像配准,包括Harris角点算法以及图像配准流程,还包括以下步骤:S1,对寄生虫虫卵进行多次采样,具体为设置源图像集合配准图像集;S2,将源图像与配准图像进行相同的预处理,利用基本统计特征,进行初步的图像旋转、平移、尺度变换,去除多余的噪声;S3,利用Harris角点算法将源图像与配准图像进行Harris角点检测,记录角点坐标;S4,设定配准区域;S5,计算源图像与配准图像配准区域的相关系数;S6,利用相关系数判断源图像与配准图像的匹配程度;S7,进入图像配准流程。本发明利用图像配准方法提高寄生虫虫卵的识别准确率;具有良好的特征不变性、唯一性、稳定性、独立性。
- 智能驾驶中激光雷达点云数据与车辆信息融合的方法-201710248914.3
- 苏晓聪;朱敦尧;陈波 - 武汉光庭科技有限公司
- 2017-04-17 - 2019-11-22 - G06T7/32
- 本发明提供智能驾驶中激光雷达点云数据与车辆信息融合的方法,首先将采集到的雷达点云数据转化成二维图像数据,通过定义参考帧索引图像,结合航向角,对参考帧索引图像与当前图像进行配准,并进行热核扩散处理,减少配准误差并去掉雷达数据中不稳定的噪点,最后根据处理后的参考帧索引图像还原生成二值化的雷达点云数据图像。本发明能够有效去除车辆在运行的过程中,激光雷达点云中包含的地面、尘埃等信息对自动驾驶的障碍物判断造成的影响。
- 模型与全景图的配准方法、系统、设备和介质以及地图-201910749983.1
- 张小虎 - 上海霁目信息科技有限公司
- 2019-08-14 - 2019-11-15 - G06T7/32
- 本发明涉及数据采集领域,特别涉及模型与全景图的配准方法、系统、设备和介质以及地图。本发明的三维模型与实景全景图的配准方法,包括:对三维模型进行光栅化,生成虚拟全景视点处的虚拟全景图;从虚拟全景图中提取第一轮廓线,并且从实景全景图中提取第二轮廓线;根据第一轮廓线和第二轮廓线,对虚拟全景图和实景全景图进行配准。本发明在三维模型质量较低、实景全景图存在遮挡、实景全景图和三维模型时空不匹配等不利情况下,仍可以自动化地达到较高的配置精度。本发明提出了在大规模采集数据之后的处理中自动地进行三维模型与实景全景图的配准的新方法,规避了异源图像之间特征点自动匹配失效的弊端,可以有效降低数据处理的时间与人力成本。
- 专利分类