CN111327790B - 一种视频处理芯片 - Google Patents
一种视频处理芯片 Download PDFInfo
- Publication number
- CN111327790B CN111327790B CN202010232271.5A CN202010232271A CN111327790B CN 111327790 B CN111327790 B CN 111327790B CN 202010232271 A CN202010232271 A CN 202010232271A CN 111327790 B CN111327790 B CN 111327790B
- Authority
- CN
- China
- Prior art keywords
- video
- processing
- module
- chip
- processing core
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 155
- 238000012549 training Methods 0.000 claims abstract description 27
- 230000002708 enhancing effect Effects 0.000 claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 230000008439 repair process Effects 0.000 claims description 17
- 238000007499 fusion processing Methods 0.000 claims description 13
- 230000000149 penetrating effect Effects 0.000 claims description 9
- 238000002955 isolation Methods 0.000 claims description 4
- 239000000428 dust Substances 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract 2
- 230000006872 improvement Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000011840 criminal investigation Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种视频处理芯片，视频处理芯片为异构多核多切片流水线架构；包括：主控CPU模块，主控CPU模块采用基于ARM的嵌入式系统架构，用于对片内其他模块的综合管理和配置；视频学习与训练模块，视频学习与训练模块采用基于GPU的AI处理器，用于判断当前的环境模型，产生和优化视频修复增强模块中各个处理核的算法参数；视频修复增强模块，视频修复增强模块采用多切片堆叠方式集成多条流水线，用于对视频图像的实时/非实时修复和增强处理；片上总线模块，用于主控CPU模块与片内其他模块的数据交换；接口数据处理模块，用于视频数据在片内片外的交互传输以及视频数据在片内各切片间的切换。
Description
技术领域
本发明涉及视频处理技术领域，具体涉及一种视频处理芯片。
背景技术
在监控、刑侦、安防、侦查、遥感等多领域的应用中，视频质量受到天气变化的影响很严重。一般采用的如下的技术方案进行增强处理，其包括：
(a)对视频流进行基于软件算法的图像修复增强处理；
(b)对视频流进行基于芯片的图像修复增强处理。
上述技术方案存在的缺点为：
方案(a)的缺点为：处理速度慢，无法满足实时性要求；
方案(b)的缺点为：一块芯片能够实现的算法单一，如果需要多种算法联合处理时需要设计生产复杂的电子电路系统。
方案(a)和方案(b)还存在的共同缺点是系统设备庞大，不利于集成。
发明内容
针对现有技术存在的上述缺点，本发明提供一种视频处理芯片，该视频处理芯片能够在单一芯片中实现对全息视频的融合、去雾、去霾、去雨、透云等联合处理，在单一芯片上支持全天候(云、雨、雾、霾、黑等)应用场景，满足监控、刑侦、安防、侦查、遥感等多领域的应用需求。
本发明公开了一种视频处理芯片，所述视频处理芯片为异构多核多切片流水线架构；包括：
主控CPU模块，所述主控CPU模块采用基于ARM的嵌入式系统架构，用于对片内其他模块的综合管理和配置；
视频学习与训练模块，所述视频学习与训练模块采用基于GPU的AI处理器，用于通过AI算法对视频流进行自动学习，判断当前的环境模型，产生和优化视频修复增强模块中各个处理核的算法参数；
视频修复增强模块，所述视频修复增强模块采用多切片堆叠方式集成多条流水线，用于对视频图像的实时/非实时修复和增强处理，所述视频图像的处理包括融合处理、去雾处理、去黑处理、增强处理、透云处理和去霾处理；
片上总线模块，所述片上总线模块采用AXI片上总线架构，用于所述主控CPU模块与片内其他模块的数据交换；
接口数据处理模块，用于视频数据在片内片外的交互传输以及视频数据在片内各切片间的切换；
电源管理模块和时钟管理模块，用于为整个芯片提供基础工作环境。
作为本发明的进一步改进，所述接口数据处理模块与片外的数据传输支持包括HDMI、USB1.0-3.0接口标准中的一种或多种，所述接口数据处理模块与片内切片的数据传输通过所述片上总线模块实现。
作为本发明的进一步改进，所述主控CPU模块对片内其他模块的综合管理和配置，包括：
根据所述视频学习与训练模块报告的环境模型选择组合式修复增强方案，并配置所述视频修复增强模块中各个处理核之间的数据流向；
根据所述视频学习与训练模块产生的优化调节系数配置所述视频修复增强模块中各个处理核的算法参数。
作为本发明的进一步改进，所述视频修复增强模块中各个切片之间的处理过程与数据流相互独立；
每个切片采用多个处理核与可配置全互联总线架构对视频图像的实时/非实时修复和增强处理，多个所述处理核的组合方案由所述主控CPU模块决策；所述处理核的优化参数由视频学习与训练模块产生，并通过主控CPU模块实现配置。
作为本发明的进一步改进，每个切片中包括融合处理核、去雾处理核、去黑处理核、增强处理核、透云处理核和去霾处理核，多个处理核之间通过所述可配置全互联总线进行数据交互；其中，
所述融合处理核，用于多谱视频流的融合处理；
所述去雾处理核，用于雾天视频的修复和增强处理；
所述去黑处理核，用于低亮度视频的修复和增强处理；
所述增强处理核，用于视频的视觉效果增强处理；
所述透云处理核，用于卫星视频或高空拍摄视频的修复和增强处理；
所述去霾处理核，用于对受浮尘浓度影响的视频的修复和增强处理。
作为本发明的进一步改进，所述可配置全互联总线采用分布式的总线式多路开关阵列实现视频数据在各个处理核之间的交换；
通过对分布式的总线式多路开关阵列的控制，配置数据流流经各个处理核的顺序，实现不同场景下修复和增强处理的算法组合。
作为本发明的进一步改进，所述总线式多路开关阵列的实现方式采用阵列式排布的多个可配置开关，多个可配置开关的控制逻辑并联在一起，构成可配置总线开关；
通过对多个可配置开关的编程连通或编程断开，实现多条信号线之间的连通或隔离，构造具有不同拓扑形式的信号流。
作为本发明的进一步改进，所述视频处理芯片的处理方法包括：
步骤1、主控CPU模块初始化；
步骤2、主控CPU模块控制各处理核的参数初始化；
步骤3、视频学习与训练模块对输入视频流进行学习，识别当前天气场景；
步骤4、视频学习与训练模块根据输入视频流进行训练，生成最优的算法组合方案，确定各个算法的参数；
步骤5、主控CPU模块配置片上总线模块，实现各处理核的调用与动态互联；
步骤6、主控CPU模块配置各处理核的算法参数；
步骤7、视频数据流入切片，经过各处理核处理后再经过接口数据模块输出片外。
与现有技术相比，本发明的有益效果为：
本发明能在单一芯片上能够支持全天候(云、雨、雾、霾、黑等)应用场景，满足监控、刑侦、安防、侦查、遥感等多领域的应用需求；
本发明能够自适应实现对应用场景的AI学习和判断；
本发明可为不同场景提供组合式修复增强方案；
本发明能够通过AI学习自适应调整各处理算法的参数；
本发明利用硬核实现的算法处理能够提供对高清视频的(实时/非实时)修复增强。
附图说明
图1为本发明一种实施例公开的视频处理芯片的架构图；
图2为本发明一种实施例公开的视频修复增强模块的架构图；
图3为本发明一种实施例公开的可配置全互联总线示意图；
图4为本发明一种实施例公开的总线式多路开关阵列分布示意图；
图5为本发明一种实施例公开的可配置开关示意图；
图6为本发明一种实施例公开的视频处理芯片的处理方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述：
如图1所示，本发明提供一种视频处理芯片，视频处理芯片为异构多核多切片流水线架构；包括：主控CPU模块、视频学习与训练模块、视频修复增强模块、片上总线模块、接口数据处理模块、电源管理模块和时钟管理模块；其中，
本发明的主控CPU模块采用基于ARM的嵌入式系统架构，用于对片内其他模块的综合管理和配置；具体的，主控CPU模块对片内其他模块的综合管理和配置包括：根据视频学习与训练模块报告的环境模型选择组合式修复增强方案，并配置视频修复增强模块中各个处理核之间的数据流向；根据视频学习与训练模块产生的优化调节系数配置视频修复增强模块中各个处理核的算法参数。
本发明的视频学习与训练模块采用基于GPU的AI处理器，用于通过AI算法对视频流进行自动学习，判断当前的环境模型，产生和优化视频修复增强模块中各个处理核的算法参数；其中，区别于现有对环境和天气模型的判断主要根据是天气预报或只针对单一天气类型，本发明引入AI处理模块进行协处理，实现对各种环境和天气模型的支持。
本发明的视频修复增强模块采用多切片堆叠方式集成多条流水线，各个切片之间的处理过程与数据流相互独立，多切片堆叠的设计模式使本芯片能够方便的实现处理能力的提升和扩容，面向不同应用市场提供多样的解决方案；本发明的视频修复增强模块用于对视频图像的实时/非实时修复和增强处理，视频图像的处理包括融合处理、去雾处理、去黑处理、增强处理、透云处理和去霾处理。具体的：每个切片采用多个处理核与可配置全互联总线架构对视频图像的实时/非实时修复和增强处理，多个处理核的组合方案由主控CPU模块决策；处理核的优化参数由视频学习与训练模块产生，并通过主控CPU模块实现配置。
本发明的片上总线模块采用AXI片上总线架构，用于主控CPU模块与片内其他模块的数据交换。
本发明的接口数据处理模块，用于视频数据在片内片外的交互传输以及视频数据在片内各切片间的切换；其中，接口数据处理模块与片外的数据传输支持包括HDMI、USB1.0-3.0接口标准中的一种或多种，接口数据处理模块与片内切片的数据传输通过片上总线模块实现。
本发明的电源管理模块和时钟管理模块，用于为整个芯片提供基础工作环境。
针对上述视频修复增强模块的功能，本发明对视频修复增强模块的框架结构做具体阐述。
如图2所示，本发明视频修复增强模块中每一个切片中包含多个处理核，均采用硬核实现；处理核包括融合处理核、去雾处理核、去黑处理核、增强处理核、透云处理核和去霾处理核等，多个处理核之间通过可配置全互联总线进行数据交互，且各个处理核对视频图像的处理顺序可通过主控CPU模块根据组合式处理方案实现灵活配置。
本发明的融合处理核，用于多谱视频流的融合处理；融合处理核中的相关参数由视频学习与训练模块根据当前视频场景提供；
本发明的去雾处理核，用于雾天视频的修复和增强处理；去雾处理核中的相关参数由视频学习与训练模块根据当前视频场景提供；
本发明的去黑处理核，用于低亮度视频的修复和增强处理；去黑处理核中的相关参数由视频学习与训练模块根据当前视频场景提供；
本发明的增强处理核，用于视频的视觉效果增强处理；增强处理核中的相关参数由视频学习与训练模块根据当前视频场景提供；
本发明的透云处理核，用于卫星视频或高空拍摄视频的修复和增强处理；透云处理核中的相关参数由视频学习与训练模块根据当前视频场景提供；
本发明的去霾处理核，用于对受浮尘浓度影响的视频的修复和增强处理，去霾处理核中的相关参数由视频学习与训练模块根据当前视频场景提供；
如图3所示，本发明的可配置全互联总线采用分布式的总线式多路开关阵列实现视频数据在各个处理核之间的交换；通过对分布式的总线式多路开关阵列的控制，配置数据流流经各个处理核的顺序，实现不同场景下修复和增强处理的算法组合，达到最优的处理效果。
在图3中，圆圈表示各个处理核的IO端口，其一端与处理核内部的缓冲区相连，另一端通过总线式多路开关阵列连接分布式全互联总线资源，双向箭头表示个各处理核之间可实现的逻辑连接关系。
本发明的总线式多路开关阵列在芯片架构中呈分布式排布，其功能是实现处理核与全互连总线资源的受控连通，同时也可以实现分布式互联总线资源之间的级联。总线式多路开关阵列的实现方式采用阵列式排布的多个可配置开关，多个可配置开关的控制逻辑并联在一起，构成可配置总线开关；一个可配置开关的实现电路如图5所示。本发明通过对多个可配置开关的编程连通或编程断开，实现多条信号线之间的连通或隔离，构造具有不同拓扑形式的信号流；即如图4所示，通过对4个可配置开关的编程连通或编程断开，可实现4条信号线之间的连通或隔离，从而构造具有不同拓扑形式的信号流。
如图6所示，本发明视频处理芯片的处理方法，包括：
步骤1、主控CPU模块初始化；
步骤2、主控CPU模块控制各处理核的参数初始化；
步骤3、视频学习与训练模块对输入视频流进行学习，识别当前天气场景；
步骤4、视频学习与训练模块根据输入视频流进行训练，生成最优的算法组合方案，确定各个算法的参数；
步骤5、主控CPU模块配置片上总线模块，实现各处理核的调用与动态互联；
步骤6、主控CPU模块配置各处理核的算法参数；
步骤7、视频数据流入切片，经过各处理核处理后再经过接口数据模块输出片外。
本发明的优点为：
本发明能在单一芯片上能够支持全天候(云、雨、雾、霾、黑等)应用场景，满足监控、刑侦、安防、侦查、遥感等多领域的应用需求；
本发明能够自适应实现对应用场景的AI学习和判断；
本发明可为不同场景提供组合式修复增强方案；
本发明能够通过AI学习自适应调整各处理算法的参数；
本发明利用硬核实现的算法处理能够提供对高清视频的(实时/非实时)修复增强。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种视频处理芯片，其特征在于，所述视频处理芯片为异构多核多切片流水线架构；包括：主控CPU模块、视频学习与训练模块、视频修复增强模块、片上总线模块、接口数据处理模块、电源管理模块和时钟管理模块；
所述主控CPU模块，用于对片内其他模块的综合管理和配置；其中，所述综合管理和配置包括：根据所述视频学习与训练模块报告的环境模型选择组合式修复增强方案，并配置所述视频修复增强模块中各个处理核之间的数据流向；根据所述视频学习与训练模块产生的优化调节系数配置所述视频修复增强模块中各个处理核的算法参数；
视频学习与训练模块，用于通过AI算法对视频流进行自动学习，判断当前的环境模型，产生和优化视频修复增强模块中各个处理核的算法参数；
视频修复增强模块，所述视频修复增强模块采用多切片堆叠方式集成多条流水线，每个切片中包括融合处理核、去雾处理核、去黑处理核、增强处理核、透云处理核和去霾处理核，用于对视频图像的实时/非实时修复和增强处理，所述视频图像的实时/非实时修复和增强处理包括融合处理、去雾处理、去黑处理、增强处理、透云处理和去霾处理；多个处理核之间通过可配置全互联总线进行数据交互且各个切片之间的处理过程与数据流相互独立，多个所述处理核的组合方案由所述主控CPU模块决策；所述处理核的优化参数由视频学习与训练模块产生，并通过主控CPU模块实现配置；
片上总线模块，用于所述主控CPU模块与片内其他模块的数据交换；
接口数据处理模块，用于视频数据在片内片外的交互传输以及视频数据在片内各切片间的切换；
电源管理模块和时钟管理模块，用于为整个芯片提供基础工作环境。
2.如权利要求1所述的视频处理芯片，其特征在于，所述接口数据处理模块与片外的数据传输支持包括HDMI、USB1.0-3.0接口标准中的一种或多种，所述接口数据处理模块与片内切片的数据传输通过所述片上总线模块实现。
3.如权利要求1所述的视频处理芯片，其特征在于，
所述融合处理核，用于多谱视频流的融合处理；
所述去雾处理核，用于雾天视频的修复和增强处理；
所述去黑处理核，用于低亮度视频的修复和增强处理；
所述增强处理核，用于视频的视觉效果增强处理；
所述透云处理核，用于卫星视频或高空拍摄视频的修复和增强处理；
所述去霾处理核，用于对受浮尘浓度影响的视频的修复和增强处理。
4.如权利要求3所述的视频处理芯片，其特征在于，所述可配置全互联总线采用分布式的总线式多路开关阵列实现视频数据在各个处理核之间的交换；
通过对分布式的总线式多路开关阵列的控制，配置数据流流经各个处理核的顺序，实现不同场景下修复和增强处理的算法组合。
5.如权利要求4所述的视频处理芯片，其特征在于，所述总线式多路开关阵列的实现方式采用阵列式排布的多个可配置开关，多个可配置开关的控制逻辑并联在一起，构成可配置总线开关；
通过对多个可配置开关的编程连通或编程断开，实现多条信号线之间的连通或隔离，构造具有不同拓扑形式的信号流。
6.一种如权利要求5所述的视频处理芯片的处理方法，其特征在于，包括：
步骤1、主控CPU模块初始化；
步骤2、主控CPU模块控制各处理核的参数初始化；
步骤3、视频学习与训练模块对输入视频流进行学习，识别当前天气场景；
步骤4、视频学习与训练模块根据输入视频流进行训练，生成最优的算法组合方案，确定各个算法的参数；
步骤5、主控CPU模块配置片上总线模块，实现各处理核的调用与动态互联；
步骤6、主控CPU模块配置各处理核的算法参数；
步骤7：视频数据流入切片，经过各处理核处理后再经过接口数据模块输出片外。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010232271.5A CN111327790B (zh) | 2020-03-27 | 2020-03-27 | 一种视频处理芯片 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010232271.5A CN111327790B (zh) | 2020-03-27 | 2020-03-27 | 一种视频处理芯片 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111327790A CN111327790A (zh) | 2020-06-23 |
| CN111327790B true CN111327790B (zh) | 2022-02-08 |
Family
ID=71171804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010232271.5A Active CN111327790B (zh) | 2020-03-27 | 2020-03-27 | 一种视频处理芯片 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111327790B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205017403U (zh) * | 2015-07-08 | 2016-02-03 | 淮阴师范学院 | 一种基于红外光和可见光的视频去雾增强系统 |
| CN108449554A (zh) * | 2018-04-02 | 2018-08-24 | 北京理工大学 | 一种基于SoC的多源图像配准融合加速系统及控制方法 |
| CN108983219A (zh) * | 2018-08-17 | 2018-12-11 | 北京航空航天大学 | 一种交通场景的图像信息和雷达信息的融合方法及系统 |
| CN110136210A (zh) * | 2018-02-07 | 2019-08-16 | 中国石油化工股份有限公司 | 一种监控装置泄露的智能预警系统 |
| CN110490118A (zh) * | 2019-08-14 | 2019-11-22 | 厦门美图之家科技有限公司 | 图像处理方法及装置 |
| CN110648273A (zh) * | 2019-09-27 | 2020-01-03 | 中国科学院长春光学精密机械与物理研究所 | 实时图像处理装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105992008B (zh) * | 2016-03-30 | 2019-08-30 | 南京邮电大学 | 一种在多核处理器平台上的多层次多任务并行解码方法 |
| US20180107510A1 (en) * | 2016-10-19 | 2018-04-19 | International Business Machines Corporation | Operation of a multi-slice processor implementing instruction fusion |
| CN108121683B (zh) * | 2017-11-08 | 2021-08-13 | 国电南瑞科技股份有限公司 | 基于多核架构高速差分总线的无缝切换快速自恢复方法 |
| JP7346401B2 (ja) * | 2017-11-10 | 2023-09-19 | エヌビディア コーポレーション | 安全で信頼できる自動運転車両のためのシステム及び方法 |
| CN110111803B (zh) * | 2019-05-09 | 2021-02-19 | 南京工程学院 | 基于自注意多核最大均值差异的迁移学习语音增强方法 |
-
2020
- 2020-03-27 CN CN202010232271.5A patent/CN111327790B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205017403U (zh) * | 2015-07-08 | 2016-02-03 | 淮阴师范学院 | 一种基于红外光和可见光的视频去雾增强系统 |
| CN110136210A (zh) * | 2018-02-07 | 2019-08-16 | 中国石油化工股份有限公司 | 一种监控装置泄露的智能预警系统 |
| CN108449554A (zh) * | 2018-04-02 | 2018-08-24 | 北京理工大学 | 一种基于SoC的多源图像配准融合加速系统及控制方法 |
| CN108983219A (zh) * | 2018-08-17 | 2018-12-11 | 北京航空航天大学 | 一种交通场景的图像信息和雷达信息的融合方法及系统 |
| CN110490118A (zh) * | 2019-08-14 | 2019-11-22 | 厦门美图之家科技有限公司 | 图像处理方法及装置 |
| CN110648273A (zh) * | 2019-09-27 | 2020-01-03 | 中国科学院长春光学精密机械与物理研究所 | 实时图像处理装置 |
Non-Patent Citations (1)
| Title |
|---|
| "面向多核处理器的并行编译及优化关键技术研究";王淼;《中国优秀博硕士学位论文全文数据库(博士)-信息科技辑》;20110415;I137-6：摘要，正文第1.1-1.3节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111327790A (zh) | 2020-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109472818B (zh) | 一种基于深度神经网络的图像去雾方法 | |
| CN110691203B (zh) | 基于纹理映射的多路全景视频拼接显示方法及其系统 | |
| Ehsan et al. | A single image dehazing technique using the dual transmission maps strategy and gradient-domain guided image filtering | |
| CN208508938U (zh) | 一种内嵌坐席管理功能的主动冗余光网络备份系统 | |
| CN108616717B (zh) | 一种实时全景视频拼接显示装置及其方法 | |
| CN106530240B (zh) | 一种基于多尺度融合和全变分优化的图像去雾方法 | |
| CN109688382B (zh) | 一种水下机器人的水下图像处理系统 | |
| CN109564684B (zh) | 图像语义分割方法、可编程逻辑电路、系统及电子设备 | |
| US10861243B1 (en) | Context-sensitive augmented reality | |
| CN111476710A (zh) | 基于移动平台的视频换脸方法及系统 | |
| CN110211052A (zh) | 一种基于特征学习的单幅图像去雾方法 | |
| Sajjanar et al. | Implementation of real time moving object detection and tracking on FPGA for video surveillance applications | |
| CN103618888B (zh) | 一种基于fpga的视频图像增强方法和装置 | |
| CN111327790B (zh) | 一种视频处理芯片 | |
| CN109816610A (zh) | 一种图像去雾系统 | |
| Park et al. | Programmable multimedia platform based on reconfigurable processor for 8K UHD TV | |
| CN111813736B (zh) | 片上系统及信号处理方法 | |
| WO2023202006A1 (en) | Systems and methods for task execution | |
| CN106341662A (zh) | 一种基于计算机图像处理的可视化系统 | |
| CN205249414U (zh) | 多处理器架构的实时图像压缩平台结构 | |
| CN109714569B (zh) | 多路视频图像实时融合方法及装置 | |
| CN113902992A (zh) | 一种视频质量评估方法、装置及存储介质 | |
| Wang et al. | Semi-supervised learning: Structure, reflectance and lighting estimation from a night image pair | |
| CN112669223A (zh) | 一种基于暗通道先验的实时视频去雾方法、装置及计算机存储介质 | |
| US20050122545A1 (en) | Flexible high performance error diffusion |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |