专利交易市场

一种基于深度信息与随机Dropout的无监督视频插帧方法，包括以下步骤：步骤一、通过model产生预测帧It；步骤二、对训练model的训练集进行预处理；步骤三、通过model产生预测帧；步骤四、更新model的损失值计算；步骤五、通过得出的损失值对模型进行更新；步骤六、使用测试数据对训练好的model进行测试。本发明在专家模型添加Dropout层，来减少过拟合带来的影响；本发明还提出了引入深度信息来对物体的前后关系进行判断，解决物体遮挡引起的模糊问题，进一步提升了模型的预测效果。

本申请公开了一种基于ESRGAN的视频超分辨修复技术、装置、设备及存储介质，该方法的步骤包括：获取待修复视频；提取待修复视频中的关键帧，对关键帧的图像进行修复；对待修复视频中的视频帧进行分组，生成帧分组；帧分组中包含有关键帧；对帧分组中修复后的关键帧进行采样，生成样本块；通过样本块对帧分组中的待修复帧进行修复。本方法相对降低了视频修复过程的数据处理量，进而提高了视频修复的整体效率。此外，本申请还提供一种视频修复装置、设备及存储介质，有益效果同上所述。

本发明涉及一种带宽压缩中自适应纹理渐变预测方法，包括：选取N种采样方式对当前MB进行采样，其中N的取值为大于1的自然数；对所述当前MB进行预测，获取所述当前MB的预测残差；求取所述当前MB的残差绝对值和；根据所述残差绝对值和确定所述当前MB的采样方式。本发明对当前MB采取多种采样方式，获取当前MB的预测残差和SAD，当处理纹理较为复杂的压缩图像时，对处于当前待压缩图像纹理边界处的当前MB，由于当前MB与周围MB不在相同的纹理区域，导致当前MB与周围MB的相关性较差，而本发明根据纹理的渐变原理，不依赖于当前MB周围的MB，而是通过当前MB自身的纹理特性获得预测残差，能够提高对复杂纹理区域求预测残差值的精度。

本发明涉及一种带宽压缩中自适应纹理渐变预测方法，包括：选取采样方式对当前MB进行采样；根据所述采样方式选取预测方式对所述当前MB进行预测确定所述当前MB的预测残差；处理所述预测残差以获取SAD；根据所述SAD确定所述当前MB的采样方式和预测方式的组合。本发明通过定义MB的采样方式，计算当前预测宏块的预测残差和SAD。与现有的方法相比，当待压缩图像的纹理较为复杂时，对处于当前图像的纹理边界处的MB，根据纹理的渐变原理，不依赖于当前MB的周围MB，而是通过当前MB自身的纹理特性获得预测残差，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。

本发明涉及一种带宽压缩中自适应纹理渐变预测方法，包括选取N种采样方式对当前MB中的像素分量进行采样；选取M中预测方式对所述当前MB进行预测；分别计算所述当前MB的预测残差和SAD；根据所述SAD选取所述当前MB的采样方式和预测方式。本发明通过定义MB的采样方式，计算当前预测宏块的预测残差和SAD。与现有的方法相比，当待压缩图像的纹理较为复杂时，对处于当前图像的纹理边界处的MB，根据纹理的渐变原理，不依赖于当前MB的周围的MB，而是通过当前MB自身的纹理特性获得预测残差，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。

本发明涉及一种基于压缩感知的图像亚奈奎斯特采样方法，属于图像处理技术领域。该方法包括以下步骤：1)根据图像信号中的能量大多分布在其带宽范围内的有限甚至少量子频段上的特点建立二维多频带图像信号模型；2)对图像信号频谱进行均匀划分，并为划分所得的每个频谱子块选取生成函数，从而得到能够有效表示图像信号特点的平移不变信号空间；3)建立适用于该平移不变空间下信号的空间采样方案；4)对步骤3)中的空间采样方案进行改进，建立适用于该平移不变空间下信号的亚奈奎斯特采样方案；5)建立相应的重构方案，重构原模拟信号。本发明能够有效缓解当前的图像采集设备中所面临的采样速率高、采样数据量大的挑战。

本发明涉及一种基于残差层分块DCT变换的图像伪模拟无线传输方法，属于伪模拟传输领域，首先采用上下采样将图像分为下采样层和残差层，然后，通过巧妙的将下采样因子与残差层系数的分块大小相结合，并对残差层(由分块平滑的均匀区域组成，同区域内像素之间的相关性较高，具有块内平滑特性)做大块DCT变换后再划分为系数小块做后处理，实现了在不增加传输数据量的情况下显著提升了图像无线传输的质量，进而获得更高质量的接收图像。