CN114419171A - 基于香农编码的字典编码方法、图像处理方法及处理设备 - Google Patents
基于香农编码的字典编码方法、图像处理方法及处理设备 Download PDFInfo
- Publication number
- CN114419171A CN114419171A CN202210051671.5A CN202210051671A CN114419171A CN 114419171 A CN114419171 A CN 114419171A CN 202210051671 A CN202210051671 A CN 202210051671A CN 114419171 A CN114419171 A CN 114419171A
- Authority
- CN
- China
- Prior art keywords
- resolution
- dictionary
- super
- coding
- shannon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000001186 cumulative effect Effects 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012804 iterative process Methods 0.000 claims description 4
- 238000003475 lamination Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 abstract description 3
- 230000006835 compression Effects 0.000 abstract 1
- 238000007906 compression Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于香农编码的字典编码方法、图像处理方法及处理设备,涉及超分辨率图像技术领域,解决了现有技术中稀疏表示的字典通常词汇量大,占用大量存储空间,增加了预加载时间的技术问题。该编码方法包括将稀疏表示字典中的q个数值符号按照出现概率递减的顺序进行排序;通过‑logP(Si)≤li<1‑logP(Si)不等式,计算出每个数值符号的整数码长li;根据数值符号的排序,计算第i个数值符号的累加概率Gi;取累加概率Gi对应二进制数的小数点后li位,构成第i个数值符号的二进制码字;计算出全部的数值符号的二进制码字,得到超分辨率字典。本发明使超分辨率字典实现了压缩,减少了存储空间,缩短了其读入内存的时间,提高了图像超分辨处理的效率。
Description
技术领域
本发明涉及超分辨率图像技术领域,尤其涉及一种基于香农编码的字典编码方法、图像处理方法及处理设备。
背景技术
为普通稠密表达的样本找到合适的字典,将样本转化为合适的稀疏表达形式,从而使学习任务得以简化,模型复杂度得以降低,通常称为“字典学习”(dictionarylearning),亦称“稀疏编码”(sparse coding)。
目前,现有的图像超分辨率技术中基于稀疏表示的字典学习通常为:
其中矩阵B(d*k阶矩阵)为字典矩阵,k称为字典的词汇量,通常由用户指定,αi是样本Xi的稀疏表示。式中第一项是希望αi能很好地重构Xi,第二项则是希望αi尽量稀疏。其中样本为d维,稀疏表示为k维。并通过L1范式正则化以更容易获得稀疏解。
图像超分辨率技术中,部分基于稀疏表示的字典通常由于字典的词汇量巨大,因此字典的词汇量占据的硬盘存储空间巨大,导致其读入内存的时间过长,因此其增加了嵌入式***的超分辨率字典模型的预加载时间,而且要占用较大的Flash存储空间。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
基于稀疏表示的字典通常词汇量大,占用大量存储空间,导致其读入内存的时间过长,增加了嵌入式***中超分辨率字典模型的预加载时间。
发明内容
本发明的目的在于提供一种基于香农编码的超分辨率字典编码方法及图像处理方法,以解决现有技术中存在的基于稀疏表示的字典通常词汇量大,占用大量存储空间,导致其读入内存的时间过长,增加了嵌入式***中超分辨率字典模型预加载时间的技术问题。本发明提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。
为实现上述目的,本发明提供了以下技术方案:
本发明提供的一种基于香农编码的字典编码方法,所述字典编码方法采用香农编码,包括以下步骤:S10:将稀疏表示字典中的q个数值符号按照出现概率递减的顺序进行排序;S20:通过-logP(Si)≤li<1-logP(Si)不等式,计算出每个所述数值符号的整数码长li,其中i=1,2,……q,P(Si)为第i个所述数值符号出现的概率,logP(Si)的底数为2;S30:根据所述数值符号的排序,计算第i个所述数值符号的累加概率Gi;S40:取所述累加概率Gi对应二进制数的小数点后li位,构成第i个所述数值符号的二进制码字;S50:计算出全部的所述数值符号的二进制码字,得到超分辨率字典。
一种基于香农编码的图像处理方法,所述图像处理方法通过以上所述的超分辨率字典进行超分辨率处理,包括以下步骤:S100:输入待处理的低分辨率图像,并进行块分割,得到多个低分辨率分割块;S200:对所有的所述低分辨率分割块进行特征提取,得到每个所述低分辨率分割块的特征块;S300:在所述超分辨率字典中查找到与所述特征块最接近的一次原子,将所述特征块、原子进行相减,得到一次残差;S400:将所述一次残差进行反复迭代,得到多个所述原子构成的原子阵列,通过所述原子阵列得到稀疏矩阵A;S500:将高分辨率字典与所述稀疏矩阵A相乘,得到高分辨率图像块;S600:通过所述高分辨率图像块计算得到高分辨率图像。
优选的,其特征在于,所述S400步骤具体包括:S410:在所述超分辨率字典中查找到与所述一次残差最接近的二次原子,将所述一次残差、二次原子相减得到二次残差;S420:在所述超分辨率字典中查找到与所述二次残差最接近的三次原子,将所述二次残差、二次原子相减得到三次残差;S430:将所述三次残差代入进行反复迭代,最终得到结果残差,迭代过程中的全部所述原子构成原子阵列;S440:将所述原子阵列中所有原子的位置存入矩阵中,得到稀疏矩阵A。
优选的,所述S430步骤中,迭代过程中,当残差达到设置阀值时结束迭代,得到所述结果残差。
优选的,所述S430步骤中,迭代过程中,当循环迭代次数达到设定值时,得到所述结果残差。
优选的,所述S600步骤包括:S610:对所述图像分割块进行循环计算,直到所有低分辨率块都得到对应的高分辨率图像块;S620:对所有的所述高分辨率图像块,根据对应的所述低分辨率分割块的分割坐标进行反向贴合,得到所述高分辨率图像。
优选的,所述S620步骤中,在反向贴合时,如果所述低分辨率分割块之间出现重合区域,对所述重合区域进行直接平均。
一种处理设备,包括:一个或多个处理器;存储器,用于存储一个或多个计算机程序,一个或多个所述处理器用于执行所述存储器存储的一个或多个计算机程序,以使一个或多个所述处理器执行如以上所述的基于香农编码的字典编码方法,和/或以上任一项所述的基于香农编码的图像处理方法。
实施本发明上述技术方案中的一个技术方案,具有如下优点或有益效果:
本发明的超分辨率字典中,每个数值符号都有相对应的唯一二进制码字,通过香农编码,使出现概率越高的数值符号二进制码字越短,出现概率越低的数值符号二进制码字越长,使超分辨率字典实现了压缩,减少了存储空间,缩短了其读入内存的时间,从而减少了嵌入式***中超分辨率字典模型的预加载时间,提高了图像超分辨处理的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,显而易见,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,附图中:
图1是本发明中基于香农编码的字典编码方法实施例的流程图;
图2是本发明中基于香农编码的图像处理方法实施例的流程图;
图3是本发明中残差迭代得到稀疏矩阵A的流程图;
图4是本发明中高分辨率图像块计算得到高分辨率图像的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下文将要描述的各种示例性实施例将要参考相应的附图,这些附图构成了示例性实施例的一部分,其中描述了实现本发明可能采用的各种示例性实施例。除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。应明白,它们仅是与如所附权利要求书中所详述的、本发明公开的一些方面相一致的流程、方法和装置等的例子,还可使用其他的实施例,或者对本文列举的实施例进行结构和功能上的修改,而不会脱离本发明的范围和实质。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”等指示的是基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的元件必须具有的特定的方位、以特定的方位构造和操作。术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。术语“多个”的含义是两个或两个以上。术语“相连”、“连接”应做广义理解,例如,可以是固定连接、可拆卸连接、一体连接、机械连接、电连接、通信连接、直接相连、通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明,仅示出了与本发明实施例相关的部分。
实施例一:
如图1所示,本发明提供了一种基于香农编码的字典编码方法,字典编码方法采用香农编码,包括以下步骤。S10:将稀疏表示字典中的q个数值符号按照出现概率递减的顺序进行排序,字典中所有数值符号出现的概率之和为1,但每个数值符号出现的概率不同,排序后第1个数值符号的出现概率最大,第2个数值符号的出现概率次之,以此类推,第q个数值符号出现的概率最低。S20:通过-logP(Si)≤li<1-logP(Si)不等式,计算出每个数值符号的整数码长li,即对li得到的数值范围进行取整操作,其中i=1,2,……q,P(Si)为第i个数值符号出现的概率,logP(Si)的底数为2,根据对数公式可知-logP(Si)=log(1/P(Si)),由于P(Si)小于1,因此log(1/P(Si))的最小值大于0,即li最小值为1。S30:根据数值符号的排序,计算第i个数值符号的累加概率Gi,即排在第i个数值符号之前的数值符号出现的概率之和,Gi=P(S1)+P(S2)+……+P(Si-1)。S40:取累加概率Gi对应二进制数的小数点后li位,构成第i个数值符号的二进制码字,从而第i个数值符号的二进制码字长度与li在数值上相等。S50:计算出全部的数值符号的二进制码字,得到超分辨率字典,从而超分辨率字典中,每个数值符号都有相对应的唯一二进制码字,通过香农编码,使出现概率越高的数值符号二进制码字越短,出现概率越低的数值符号二进制码字越长,使超分辨率字典实现了压缩,减少了存储空间,缩短了其读入内存的时间,从而减少了嵌入式***中超分辨率字典模型的预加载时间,提高了图像超分辨处理的效率。
实施例仅是一个特例,并不表明本发明就这样一种实现方式。
实施例二:
一种基于香农编码的图像处理方法,图像处理方法通过实施例一中提供的超分辨率字典进行超分辨率处理,如图2所示,包括以下步骤:S100:输入待处理的低分辨率图像,并进行块分割,得到多个低分辨率分割块,块分割的尺寸根据低分辨率图像的尺寸及所需要的高分辨率图像确定。S200:对所有的低分辨率分割块进行特征提取,得到每个低分辨率分割块的特征块,特征主要包括低分辨率分割块的亮度、边缘、纹理和色彩等信息。S300:在超分辨率字典中查找到与特征块最接近的一次原子,将特征块、原子进行相减,得到一次残差。原子为超分辨率字典中词条,一般用列向量表示,特征块也为列向量且元素个数与原子相同,与特征块最接近的一次原子,即所选择的一次原子中,与特征块中元素的相同个数最多的。S400:将一次残差进行反复迭代,得到多个原子构成的原子阵列,通过原子阵列得到稀疏矩阵A,稀疏矩阵A的列数为原子阵列中的原子个数,行数为单个原子中的元素个数。S500:将高分辨率字典与稀疏矩阵A相乘,得到高分辨率图像块,高分辨率字典为预先已有的字典,与稀疏矩阵A相乘的是全部高分辨率字典。S600:通过高分辨率图像块计算得到高分辨率图像,将多个高分辨率图像块拼合在一起并计算即可得到低分率图像所对应的高分辨率图像。本超分辨率图像处理方法通过香农编码提供的超分辨率字典,使出现概率越高的数值符号二进制码字越短,出现概率越低的数值符号二进制码字越长,使超分辨率字典实现了压缩,减少了存储空间,缩短了其读入内存的时间,从而减少了嵌入式***中超分辨率字典模型的预加载时间,提高了图像超分辨处理的效率。
作为可选地实施方式,如图3所示,S400步骤具体包括以下步骤。S410:在超分辨率字典中查找到与一次残差最接近的二次原子,将一次残差、二次原子相减得到二次残差,即第二次计算得到的残差值。S420:在超分辨率字典中查找到与二次残差最接近的三次原子,将二次残差、二次原子相减得到三次残差,即第三次就算得到的残差值。S430:将三次残差代入进行反复迭代,计算方式与前两个步骤相同,最终得到结果残差,迭代过程中的全部原子构成原子阵列,原子阵列按照出现的顺序排序。S440:将原子阵列中所有原子的位置存入矩阵中,得到稀疏矩阵A。
作为可选地实施方式,S430步骤中,迭代过程中,当残差达到设置阀值时结束迭代,得到结果残差。这种方式提前设定残差阈值,残差阈值优选为50-60,便于提前预判最后高分辨率图像的效果。当循环迭代次数达到设定值时,迭代次数设定值优选为100,得到结果残差,这种方式不易预判最后高分辨率图像的效果,但控制了循环迭代次数就便于控制超分辨率图像的处理时间。两种迭代方式可根据实际应用场景进行选择,提高了适用性。
作为可选地实施方式,如图4所示,S600步骤包括:S610:对图像分割块进行循环计算,直到所有低分辨率块都得到对应的高分辨率图像块,所有低分辨率块都得到对应的高分辨率图像块后,低分辨率图像中每一块都有对应的高分辨率图像块。S620:对所有的高分辨率图像块,根据对应的低分辨率分割块的分割坐标进行反向贴合,反向贴合即将图片翻转,对应像素相乘,得到高分辨率图像。
作为可选地实施方式,S620步骤中,在反向贴合时,如果低分辨率分割块之间出现重合区域,对重合区域进行直接平均,直接平均即为对两个低分辨率分割块重合区域像素的RGB值求平均值,得到重合区域像素的RGB值,从而得到重合区域。
实施例三:
一种处理设备,包括:一个或多个处理器;存储器,用于存储一个或多个计算机程序,一个或多个处理器用于执行存储器存储的一个或多个计算机程序,以使一个或多个处理器执行实施例一的基于香农编码的字典编码方法,和/或实施例二的基于香农编码的图像处理方法。本处理设备使超分辨率字典实现了压缩,减少了存储空间,缩短了其读入内存的时间,从而减少了嵌入式***中超分辨率字典模型的预加载时间,提高了图像超分辨处理的效率。
以上所述仅为本发明的较佳实施例而已,本领域技术人员知悉,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等同替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。
Claims (8)
1.一种基于香农编码的字典编码方法,其特征在于,所述字典编码方法采用香农编码,包括以下步骤:
S10:将稀疏表示字典中的q个数值符号按照出现概率递减的顺序进行排序;
S20:通过-logP(Si)≤li<1-logP(Si)不等式,计算出每个所述数值符号的整数码长li,其中i=1,2,……q,P(Si)为第i个所述数值符号出现的概率,logP(Si)的底数为2;
S30:根据所述数值符号的排序,计算第i个所述数值符号的累加概率Gi;
S40:取所述累加概率Gi对应二进制数的小数点后li位,构成第i个所述数值符号的二进制码字;
S50:计算出全部的所述数值符号的二进制码字,得到超分辨率字典。
2.一种基于香农编码的图像处理方法,其特征在于,所述图像处理方法通过权利要求1所述的超分辨率字典进行超分辨率处理,包括以下步骤:
S100:输入待处理的低分辨率图像,并进行块分割,得到多个低分辨率分割块;
S200:对所有的所述低分辨率分割块进行特征提取,得到每个所述低分辨率分割块的特征块;
S300:在所述超分辨率字典中查找到与所述特征块最接近的一次原子,将所述特征块、原子进行相减,得到一次残差;
S400:将所述一次残差进行反复迭代,得到多个所述原子构成的原子阵列,通过所述原子阵列得到稀疏矩阵A;
S500:将高分辨率字典与所述稀疏矩阵A相乘,得到高分辨率图像块;
S600:通过所述高分辨率图像块计算得到高分辨率图像。
3.根据权利要求2所述的基于香农编码的图像超分辨率图像处理方法,其特征在于,所述S400步骤具体包括:
S410:在所述超分辨率字典中查找到与所述一次残差最接近的二次原子,将所述一次残差、二次原子相减得到二次残差;
S420:在所述超分辨率字典中查找到与所述二次残差最接近的三次原子,将所述二次残差、二次原子相减得到三次残差;
S430:将所述三次残差代入进行反复迭代,最终得到结果残差,迭代过程中的全部所述原子构成原子阵列;
S440:将所述原子阵列中所有原子的位置存入矩阵中,得到稀疏矩阵A。
4.根据权利要求3所述的基于香农编码的图像处理方法,其特征在于,所述S430步骤中,迭代过程中,当残差达到设置阀值时结束迭代,得到所述结果残差。
5.根据权利要求3所述的基于香农编码的图像处理方法,其特征在于,所述S430步骤中,迭代过程中,当循环迭代次数达到设定值时,得到所述结果残差。
6.根据权利要求2所述的基于香农编码的图像处理方法,其特征在于,所述S600步骤包括:
S610:对所述图像分割块进行循环计算,直到所有低分辨率块都得到对应的高分辨率图像块;
S620:对所有的所述高分辨率图像块,根据对应的所述低分辨率分割块的分割坐标进行反向贴合,得到所述高分辨率图像。
7.根据权利要求6所述的基于香农编码的图像处理方法,其特征在于,所述S620步骤中,在反向贴合时,如果所述低分辨率分割块之间出现重合区域,对所述重合区域进行直接平均。
8.一种处理设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个计算机程序,一个或多个所述处理器用于执行所述存储器存储的一个或多个计算机程序,以使一个或多个所述处理器执行如权利要求1所述的基于香农编码的字典编码方法,和/或权利要求2-7任一项所述的基于香农编码的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210051671.5A CN114419171A (zh) | 2022-01-17 | 2022-01-17 | 基于香农编码的字典编码方法、图像处理方法及处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210051671.5A CN114419171A (zh) | 2022-01-17 | 2022-01-17 | 基于香农编码的字典编码方法、图像处理方法及处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114419171A true CN114419171A (zh) | 2022-04-29 |
Family
ID=81273912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210051671.5A Pending CN114419171A (zh) | 2022-01-17 | 2022-01-17 | 基于香农编码的字典编码方法、图像处理方法及处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419171A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5153591A (en) * | 1988-07-05 | 1992-10-06 | British Telecommunications Public Limited Company | Method and apparatus for encoding, decoding and transmitting data in compressed form |
US7499492B1 (en) * | 2004-06-28 | 2009-03-03 | On2 Technologies, Inc. | Video compression and encoding method |
US20130272444A1 (en) * | 2010-05-07 | 2013-10-17 | Yale University | Sparse superposition encoder and decoder for communications system |
US20160147878A1 (en) * | 2014-11-21 | 2016-05-26 | Inbenta Professional Services, L.C. | Semantic search engine |
CN106506007A (zh) * | 2015-09-08 | 2017-03-15 | 联发科技(新加坡)私人有限公司 | 一种无损数据压缩和解压缩装置及其方法 |
US10187081B1 (en) * | 2017-06-26 | 2019-01-22 | Amazon Technologies, Inc. | Dictionary preload for data compression |
US10701394B1 (en) * | 2016-11-10 | 2020-06-30 | Twitter, Inc. | Real-time video super-resolution with spatio-temporal networks and motion compensation |
CN112734635A (zh) * | 2019-10-28 | 2021-04-30 | 浙江师范大学 | 一种带约束条件的图像超分辨率的方法 |
-
2022
- 2022-01-17 CN CN202210051671.5A patent/CN114419171A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5153591A (en) * | 1988-07-05 | 1992-10-06 | British Telecommunications Public Limited Company | Method and apparatus for encoding, decoding and transmitting data in compressed form |
US7499492B1 (en) * | 2004-06-28 | 2009-03-03 | On2 Technologies, Inc. | Video compression and encoding method |
US20130272444A1 (en) * | 2010-05-07 | 2013-10-17 | Yale University | Sparse superposition encoder and decoder for communications system |
US20160147878A1 (en) * | 2014-11-21 | 2016-05-26 | Inbenta Professional Services, L.C. | Semantic search engine |
CN106506007A (zh) * | 2015-09-08 | 2017-03-15 | 联发科技(新加坡)私人有限公司 | 一种无损数据压缩和解压缩装置及其方法 |
US10701394B1 (en) * | 2016-11-10 | 2020-06-30 | Twitter, Inc. | Real-time video super-resolution with spatio-temporal networks and motion compensation |
US10187081B1 (en) * | 2017-06-26 | 2019-01-22 | Amazon Technologies, Inc. | Dictionary preload for data compression |
CN112734635A (zh) * | 2019-10-28 | 2021-04-30 | 浙江师范大学 | 一种带约束条件的图像超分辨率的方法 |
Non-Patent Citations (4)
Title |
---|
OSTARTECH: "基于字典SR各种方法【稀疏编码多种方法】", 《HTTPS://WWW.CNBLOGS.COM/WXL845235800/P/7738953.HTML》 * |
SHENYYDNR: "香农编码,哈夫曼编码与费诺编码的比较", 《HTTPS://BLOG.CSDN.NET/SHENYYDNR/ARTICLE/DETAILS/84839070》 * |
孙广玲等: "基于多组耦合字典及交替学习的图像超分辨率重建", 《应用科学学报》 * |
陈伟业等: "多尺度压缩感知框架下的遥感图像超分辨率重建", 《南京师大学报(自然科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127346A (zh) | 基于部分到整体注意力机制的多层次图像修复方法 | |
CN102668560B (zh) | 嵌入式图形编码:用于并行解码的重排序比特流 | |
JPS60146326A (ja) | ビット・マップからラン表現へのイメージ変換方法 | |
CN113838138B (zh) | 一种优化特征提取的***标定方法、***、装置和介质 | |
CN110162290B (zh) | 一种针对OLED屏DeMURA数据的压缩方法 | |
CN112702600B (zh) | 一种图像编解码神经网络分层定点化方法 | |
CN114708436B (zh) | 语义分割模型的训练方法、语义分割方法、装置和介质 | |
CN110874591A (zh) | 一种图像定位方法、装置、设备及存储介质 | |
CN111783478A (zh) | 机器翻译质量估计方法、装置、设备及存储介质 | |
Wang et al. | Raw image reconstruction with learned compact metadata | |
CN114529793A (zh) | 一种基于门控循环特征融合的深度图像修复***及方法 | |
CN114419171A (zh) | 基于香农编码的字典编码方法、图像处理方法及处理设备 | |
CN110619392A (zh) | 一种面向嵌入式移动设备的深度神经网络压缩方法 | |
WO1999059330A2 (en) | Method and apparatus for decoding jpeg symbols | |
CN113873094A (zh) | 一种混沌压缩感知图像加密方法 | |
CN115170807A (zh) | 一种图像分割、模型训练方法、装置、设备及介质 | |
CN111881916B (zh) | 一种文字定位方法、装置及设备 | |
CN110910302B (zh) | 一种特大图像的存储与读写方法 | |
CN114007073A (zh) | 一种基于大场景画面存储***及其使用方法 | |
CN101268623A (zh) | 视频序列中的可变形状运动估计 | |
CN114241183B (zh) | 一种基于crnn网络模型的车辆vin码识别方法 | |
CN111787320B (zh) | 一种变换编码***和方法 | |
CN113326843B (zh) | 车牌识别方法、装置、电子设备和可读存储介质 | |
JP4315431B2 (ja) | 直交変換器、逆直交変換器、直交変換方法及び逆直交変換方法 | |
KR20010067778A (ko) | 영상/비디오 처리 방법 및 영상/비디오 객체 분할 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518100 2301, 501, 401, Block A, Hongdian Building, No. 100, Huabao Road, Shansha Community, Pinghu Street, Longgang District, Shenzhen, Guangdong Applicant after: SHENZHEN HONGDIAN TECHNOLOGIES Corp. Address before: 518100 floors 14, 1501, 1502, 1503 and 16, block a, building 1, zhonghaixin science and Technology Park, No. 12, Ganli Sixth Road, Ganli Industrial Park, Buji street, Longgang District, Shenzhen, Guangdong Applicant before: SHENZHEN HONGDIAN TECHNOLOGIES Corp. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220429 |