CN103037217B - 检测内插图像中的图像损坏 - Google Patents
检测内插图像中的图像损坏 Download PDFInfo
- Publication number
- CN103037217B CN103037217B CN201210378001.0A CN201210378001A CN103037217B CN 103037217 B CN103037217 B CN 103037217B CN 201210378001 A CN201210378001 A CN 201210378001A CN 103037217 B CN103037217 B CN 103037217B
- Authority
- CN
- China
- Prior art keywords
- image
- conversion
- interpolated
- value
- adjacent
- 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
- 238000006243 chemical reaction Methods 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000001228 spectrum Methods 0.000 claims description 55
- 230000000052 comparative effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 46
- 238000005259 measurement Methods 0.000 description 45
- 230000006870 function Effects 0.000 description 18
- 230000003595 spectral effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000009977 dual effect Effects 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
- H04N7/014—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes involving the use of motion vectors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Television Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种用于检测因从两个或更多个输入图像进行内插的输出图像中因内插引起的图像损坏的方法和设备。该方法包括将基本上移位不变的变换应用于内插图像和输入或邻近图像中的至少一个输入或邻近图像以获得针对每个图像的变换后的图像表示。内插图像和所述至少一个邻近图像的变换后的图像表示之后被比较,且基于比较结果来确定指示由内插引起的输出图像中的图像损坏的变换后的图像表示之间的差异。
Description
本发明涉及用于识别图像损坏的方法和系统,尤其涉及用于识别从两个或更多个邻近图像插入其中的图像中因内插引起的图像损坏的方法和系统。
背景技术
在图像序列中的邻近图像之间进行内插以生成中间图像表示的过程是一种完善的技术,其通常被用于现代电视显示中的广播标准转换和帧率上转换(up-conversion)中。
存在着用于精确内插方法的各种方式,但是这些方法通常落入两个宽泛的类别中:运动补偿和非运动补偿。这些类别具有各自的优点和缺点,因此有必要在输出的被感知视觉质量与内插算法的复杂性之间做出不同的折中(trade-off)。虽然存在着各种性能特征,但是被广泛意识到的是,运动补偿转换通常提供比非运动补偿转换好的内插质量。
还被广泛意识到的是,两种类别的内插算法能够引入内插伪像(artefact),诸如存在于输出序列中而没有存在于输入序列中的图像失真,而且这些损坏了输出的感知质量。
例如,非运动补偿转换通常有必要根据最接近或邻近的输入帧的权重组合来形成输出图像,而且这产生了“双重成像”伪像,这在图像中的任何物体运动时是明显的。运动补偿转换需要对邻近输入帧之间的运动矢量进行估计的步骤,并之后使用这些来在适当的中间位置处如实地内插运动对象,而且在校正矢量的识别中的任何误差都会在对象或对象的一部分的不正确运动描绘中清楚显示。这能够在输出图像中产生明显损坏感知质量的可视的分散注意力的裂缝和裂口。
图1示出了在两个在时间上顺序的输入图像或帧101和102之间进行非运动补偿内插以在这两个图像或帧之间的某个点处形成输出图像103的示例。输入图像包含运动对象,该运动对象在输入图像101中被标识为104,该运动对象向着输入帧102中的新图像位置105运动。内插输出图像103通过两个输入图像101和102的正常化混合而形成,其中混合的比例线性依赖于两个输入图像101和102的时间距离。输出图像103中输入对象104的表示被标记为106,而且输出图像103中输入对象105的表示被标记为107。表示106和107因对象的运动而不对准,从而产生同一对象的两个部分重叠的视图,或者是“双重图像”。
图2示出了在两个在时间上顺序的输入图像201和202之间进行运动补偿内插以在这两个图像之间的点处形成输出图像203的示例。运动补偿内插的目的是检测输入帧之间的运动,形成运动矢量场并之后在期望的时间输出点处向恰当的图像位置中内插对象。在所示的示例中,输入图像包含运动对象,该运动对象在输入图像201中被标识为204,该运动对象向着输入帧202中的新图像位置205运动。该运动对象在输入帧201和202之间的期望路径由虚线206和207指示。表示208描绘了中间时间点处运动对象的期望位置。运动补偿内插通常是有瑕疵和误差的,因为矢量的确定能够引起所产生的输出图像的误差。图像元素209指示在一些矢量不正确时出现的伪像,从而导致运动对象的一部分被渲染(render)到错误的位置中。相应地,图像元素210指示因丢失图像元素209产生的输出图像中对象的伪像。
已经被内插的图像中转换伪像的出现显然是不期望的。虽然这些损坏的可视展现即使对于非专业人士而言也通常是非常明显的,但是众所周知的是通过自动度量对这些图像损坏进行识别是非平凡(non-trivial)的问题。一些公知的质量测量(例如,均方根误差)能够在存在与内插输出进行比较的期望输出——“基准(ground truth)”——的情况下被使用。然而,基准通常不存在。在没有相符的参考输出或基准可用的情况下,不能进行直接比较,而且图像内插技术领域中的技术人员的公共实践是简单地操纵内插算法参数并使用人对输出的视觉观察来最小化这种伪像的主观可视性。显然,使用人的视觉观察来检测图像内插损坏或伪像是费时的,且需要大量的人力资源。
图像质量的测量通常是被很好开发的主题领域,其已经被研究了几十年且在学术文献中被广泛讨论。存在着两个主要的测量类别:“双端”测量(在该测量中,将损坏的图像与相应的未被损坏的图像进行比较)和“单端”测量(该测量试图仅根据损坏图像估计损坏程度)。双端类别被进一步划分成两个子类别:“全参考(reference)”测量(在该测量中,在损坏图像和未损坏图像的全分辨率版本之间进行比较)和“简化参考”测量(在该测量中,在损坏图像和未损坏图像之间进行比较,但涉及比较降低的分辨率或比较图像的测量属性而非图像自身的直接比较)。简化参考质量度量有时在没有足够带宽来传递整个未损坏图像至损坏图像测量发生于其中的点、但是有足够的辅助或侧信道带宽来传递关于未损坏图像的一些元数据的应用中使用。
质量测量技术能够适于(pertain to)单独图像,或者适于单独图像对的比较,或者适于两个图像序列中相应图像对(例如,在压缩编码和解码之后具有相同材料的视频源视频序列的比较)。
单端质量度量的优点在于其不需要访问参考图像或图像序列,但是它们通常专用于特定类型的损坏或特定的环境,诸如压缩块的测量。
双端全参考度量和简化参考质量度量的约束在于在对未损坏图像进行测量的点处需要关于未损坏源的一些或所有图像信息,但一般而言它们在范围上更广且能够被更广泛地采用。
在图像质量评估领域中,最经常遇到的度量是基于损坏和未损坏图片之间的像素差(误差)的测量的双端技术。这些通常涉及图像亮度分量的差,虽然也使用其他分量。示例包括:绝对误差的测量、均方误差(MSE)的测量、均方根误差(RMS)的测量、以及由下式定义的峰值信号与噪声比(PSNR)的测量:
PSNR测量在图像处理工业和科学文献中被广泛使用,而且形成关于图像质量测量的几乎所有教科书的引言(starting place)(例如,Taylor&Francis出版的编者为H.R.Wu和K.R Rao的“Digital Video Image Quality andPerceptual Coding”,ISBN 0-8247-2777-0,第5-6页)。
基于像素差异的PSNR和相关图像失真测量的关键特征是需要参考和测试图像被对准,因为任何的不对准或者在它们之间呈现运动的任何内容都将导致破坏PSNR评分及使得对其进行渲染变得无意义的像素差异。将对准或运动相关的像素差异与图像损坏像素差异进行区分变得不可能。因此,这些方法不适用于在非内插或邻近图像与内插图像之间存在运动且不存在基准参考的情况下检测内插图像中的内插伪像。在一些情况中(诸如压缩编码),处理后的图像能够与原始图像之间偏移固定的量,而且失真测量之前必须进行图像配准(registration)步骤,以将处理后的图像与原始图像进行再对准。这种方式的对准处理与处理测试和参考图像之间的运动差异的任务是十分不同的,而且在通常情况下在运动存在时不能被用于将时间或空间上内插的图像与原始非内插图像进行比较。
在现有技术中存在着对像素差异的基本思想的大量扩展,其涉及用预处理步骤进行误差的空间或时间频率加权以将测试和参考图像划分成频率子带、计算分离的相应子带之间的误差并之后使用不同的权重来组合结果。频率子带加权通常以意欲反映人类视觉系统对特定空间或时间频率特征的敏感性的方式进行布置。其示例是Chou和Li的“仅引起注意失真”方法(C.H.Chou和Y.C.Li,“A perceptually tuned sub band image coder based on themeasure Of just-noticeable-distortion profile”,IEEE Trans.Circuits and Systemsfor Video Tech.,卷5,第467-476页,1995年12月)以及Juffs的多分辨率方法(Beggs和Deravi Juffs,E.Beggs,F.Deravi,“A Multiresolution DistanceMeasure for Images”,IEEE SP Letters,卷5第6期,1998年6月)。
这种情况中频域技术的应用被用作估计测试和参考图像的特定图像属性中的差异的主观意义,其中测试和参考图像以它们之间没有内容运动的形式被对准。基本假设是测试和参考图像之间的任何差异仅是因图像失真而非因帧之间的运动引起。
众所周知,图像之间的空间转换或运动清楚表示为各个图像频谱之间的固定相位差。这是初始被应用于电视图像序列并在美国专利4,890,160中公开的相位相关运动估计技术的基础。该方法提供了一种用于识别运动矢量候选的有效且简洁的方式,其能够被用作帧率转换算法的一部分。但是其没有提供输出图片质量的测量,或者确实指示在输出中产生视觉损坏的误差已经出现。
用于根据图像的功率频谱(power spectrum)来估计图像质量的技术由Nill和Bouzas在以下文献中公开:N.B Nill和B.H.Bouzas,“Objective imagequality measure derived from digital image power spectra”,Opt.Eng.,31(4),813-825(1992)。该技术是单端技术且基于“典型”自然视频的功率频谱的假设。
大部分的图像压缩“块”或“块伪像”质量估计算法依赖于测量空间像素差异而非基于频域。但是由Wang、Bovik和Evans所公开的算法(Z.Wang,A.C.Bovik和B.L.Evans,“Blind measurement of blocking artefacts inimages”,Proc.IEEE Int.Conf.Image Proc.,卷3,第981-984页,2000年9月)使用功率频谱方法来检测块。他们的方法是单端的且涉及测量特定谐波频率处功率频谱与具有相同功率频谱的中值滤波版本之间的绝对能量分量差,所述特定谐波频率指示整个图像的周期性失真——从而有效地识别谐波频率处的能量峰值。这依赖于具有周期性结构的伪像,在通常遇到的内插误差中情况不是如此。
US 2011/0205369提供一种用于检测由从两个或更多个邻近图像向其进行内插的图像中因内插引起的图像损坏或内插误差的方法和系统。该方法包括获得针对内插的或输出图像以及邻近的或输入图像中的每个图像的图像细节的测量,例如通过对各个图像中水平邻近的像素之间的像素值差异的幅度进行求和的方式。内插图像的图像细节测量之后与邻近图像的图像细节测量的内插进行比较,所述内插例如可以是由内插的或输出图像相对于邻近的或输入图像的时间相位所确定的邻近图像细节测量的加权平均。它们判定如果与邻近的或输入图像中的图像细节测量的内插相比在内插的或输出图像中检测到过多图像细节,则这可以指示内插伪像的存在。
通过将绝对像素值差异的基于块的和用作图像细节测量,如US2011/0205369中的示例所执行的那样,能够降低对运动的敏感度。也就是说,每个图像中运动的影响被融合了。然而,本领域技术人员将意识到,因运动图像内容进入或离开一个或多个块而造成的差异、跨越块边缘的内插误差、以及因运动而导致的堵塞或揭露区域能够各自具有对用于检测单独有助于内插误差的细节改变的测量的可靠性的不利影响。由于这些效应的影响,现有技术在比较之前采用对细节测量进行内插的额外步骤来使输入和输出细节测量的时间同步并缓解对在对应于邻近帧的所述细节测量中的运动相关的差异的影响。还包括进一步的步骤,藉此细节测量比较的变化通过时间滤波来评估,以将比运动相关的差异更易于指示内插误差的特定时间频率隔离。本领域技术人员将意识到,在US 2011/0205369的方法中的在运动相关的细节差异与图像内插误差相关的差异之间进行区分的困难被在本申请的优选实施方式中所描述的这些附加步骤所证实。
申请人已经意识到,将期望提供用于识别由内插误差引起的图像损坏的更精确的方法。
发明内容
本发明在对其进行直接参考的独立权利要求中定义。优选特征在从属权利要求中阐述。
本发明提供一种用于检测由从两个或更多个邻近图像向其进行内插的图像中因内插引起的图像损坏的计算机实施的方法,每个图像包括多个像素,该方法包括:将基本上移位不变的变换应用于内插图像并应用于邻近图像中的至少一个邻近图像以获得针对每个图像的变换后的图像表示,每个变换后的图像表示包括多个值,所述多个值基本上与图像中的像素的空间位置无关;将内插图像和邻近图像中的至少一个邻近图像的变换后的图像表示中的相应的值进行比较;对比较结果进行求和;以及根据比较结果的和检测指示由内插引起的内插图像中的图像损坏的变换后的图像表示之间的差异。可以从时间上邻近或空间上邻近的图像对图像进行内插。其位于在时间上顺序的图像之间或者在给定时间处在空间上顺序的图像之间。
申请人已经意识到,通过将图像变换操作应用于属于呈现数学移位不变的的域的内插的或输出、以及邻近的或输入图像中的至少一个邻近或输入图像中的每个图像,并形成移位不变的域中图像表示之间的信号比较,本发明的实施方式与现有技术相比能够提供改进的运动独立性,并因此能够实现内插图像损坏的更精确检测。有利地,因此在本发明中,不需要出于时间对准的目的而在输入或输出信号测量之间进行内插,虽然本发明并不排除这种内插步骤。
在US 2011/0205369中,应当意识到,运动不敏感性与图像块大小大致成比例。这暗示了合理的大图像块的使用。然而,虽然因内插误差引起的像素差异(诸如伪像)通常是大的的,但是它们仅针对块中的一小部分像素而出现。另外,典型视频中的本征像素差异在形式上是互幂律(reciprocalpower-law),这意味着存在着向着小的值的强偏置。这意味着像素差异的平均受到许多小的值的严重影响,而且典型情况是图像块越大偏置越大。
因此,在US 2011/0205369中当像素差异值在整个图像块上被求和或平均以产生图像细节测量时,因伪像导致的小部分高差异被小的本征差异值完全(very)“稀释”。换言之,当伪像存在时,平均值仅被增加小的量。
由于邻近(之前和接下来)输入图像具有稍微不同的互幂律形式,所以由于运动,这些差异中的一些差异在内插图像细节测量中仍然存在(通过内插或平均之前和接下来的图像的图像细节测量而获得)。因此,US2011/0205369依赖于这样的假设,即因伪像的存在引起的内插的/输出图像的像素差异值的平均值的小的“稀释”移位能够与(之前或接下来的图像的)内插图像细节值中的剩余运动差异进行区别。
相比之下,申请人已经意识到,通过将图像变换成基本上移位不变的变换后的图像表示(各自包括基本上独立于各个图像中的像素的空间位置的多个值),能够执行图像的比较而不必首先对图像表示中的值进行求和或进行平均。在本发明的实施方式中,对每个变换后的图像表示中的相应值进行比较。那些比较的结果之后被求和。比较结果的和之后用于检测是否存在差异以用于指示图像损坏。
因此,本发明的实施方式的优点在于局部(local)差异没有被剩余图像变换所稀释。这意味着本发明的方法比US 2011/0205369中的方法更为敏感,并因此能够更精确地检测图像损坏。
虽然连续积分变换的离散表示(诸如傅里叶变换)不会保持它们的连续相当表示的严格移位不变属性,但是众所周知的是,这种图像变换的离散表示(诸如傅里叶变换幅度)呈现对移位不变的接近近似,尤其是在与数据窗函数一起使用时,在这种变换的实施中这会被非常普遍地遇到。本领域技术人员将理解,某些图像变换元素或图像变换表示(诸如傅里叶变换幅度)以及相关联的功率频谱呈现非常好的移位不变性,但是就位于其中的单独频率的能量而言,仍然包含图像的高度描述性表示。
因此,本发明的实施方式的优点在于可以检测图像内插误差,而不需要内插图像与其比较但通常不存在的参考图像或基准。另外,本发明的实施方式能够比公知技术更为精确地检测由内插引起的图像损坏。
一种这样变换的图像表示是图像的功率频谱。然而,本领域技术人员将意识到,存在着能够移除空间变换依赖可变性的其他集成变换。例如,复合小波变换家族包括移位不变形式,诸如双树离散小波变换(DT-DWT)。另外,一些基于特征的变换(诸如霍夫变换)也具有移位不变属性。霍夫变换将图像映射成包含关于该图像中的特定特征(通常为直线)的存在而非这些特征的空间位置的信息的表示。上面的示例变换都以不同的数学术语来表示图像,但是形成与空间位置基本无关的描述,从而不依赖于运动,这类似于功率频谱。向功率频谱的可替换移位不变变换可以在相同的基本前提下被使用;移位不变表示中输入和内插的图像之间的差异能够用于识别运动存在时的内插损坏,其中原始图像域中的差异将以其他方式受到运动的影响。
优选的是,在内插图像的变换后的图像表示与每个邻近图像的变换后的图像表示之间执行比较。然而,已经发现,如果在内插图像的变换后的图像表示与邻近图像中的仅其中一个邻近图像的变换后的图像表示之间执行比较,则对于检测由内插引起的图像损坏而言是足够的。
由本发明优选实施方式所提供的测量是双端测量,其中内插输出中图像伪像的出现是由对输出图像的频域特征与输入图像的频域特征进行比较引起的,其中在输入图像之间生成内插输出。变换后的图像表示可以包括傅里叶变换的对数幅度。
由本发明的实施方式所提供的方法的优点在于其不需要在同时存在或同时发生的帧之间执行比较,因为其能够调节典型运动图像序列的帧间运动差异,以便能够在内插帧与最接近的邻近输入帧之间执行测量。如本领域技术人员将意识到的,在图像内插技术中,这是具有显著意义的,而且本发明的实施方式具有许多应用,包括能够实现内插算法的潜在实时校正。例如,帧率内插算法使用多运动补偿图像(诸如分离的前向和后向内插)、以及从不止一种内插模式的组合中形成输出是普遍的。通过使用本发明的实施方式来单独测量这种被单独内插的图像的内插损坏,能够做出选择以促进具有更低损坏评分的投影。
关于本发明的优选实施方式,申请人已经意识到,内插误差改变了图像的频谱属性,从而它们通常引入或抑制内插(输出)图像的二维空间功率频谱的频率分量,该频率分量能够与内插位置两侧的源(输入)图像的功率频谱中存在的频率分量进行区分。也就是说,申请人已经意识到,内插误差可以引入或抑制整个频率频谱的频率分量,包括高频分量和低频分量。
在本发明的优选实施方式中,在图像变换表示之间检测到的差异与阈值进行比较以确定这些差异是否指示由内插误差引起的图像损坏。
优选地,该方法还包括输出图像损坏是否存在于图像中的指示。
如之前提到的,典型运动图像序列中的图像的功率频谱不是严格静态的。然而,由内插伪像引入的差异通常因来自严格移位不变的稍微偏离而非常大于源序列中的连续图像之间的典型本征差异。该特征被本发明的优选实施方式所利用,从而有利地,在本发明的优选实施方式中,由内插误差引起的图像损坏或内插伪像可以通--过对输入和内插图像的功率频谱进行比较来识别,而不需要与内插图像同时发生的参考输出或基准。另外,在本发明的优选实施方式中,可以检测和识别不同类型的内插误差。
申请人已经意识到,通常,存在着裂缝和裂口类型的内插伪像引入在原始图像中不存在的频谱能量分量的趋势,从而增加了在由误差引入的特定频率处的频谱能量。相反地,存在着混合类型内插伪像减小一些频谱能量分量的趋势。这些是经验法则,且依赖于图像的精确内容。存在着反例,其中混合能够增加频谱能量,或者裂缝和裂口伪像能够减小频谱能量。然而,申请人已经意识到,图像裂缝和裂口伪像通常引入增加的频谱能量并混合或双图像损坏,或者伪像通常引入减小的频率能量,而且这些属性可以被用于帮助不同类型的图像损坏的自动识别。在许多应用中这是期望的。例如,如果确定图像包含许多裂缝和裂口伪像(与双成像伪像相比其通常更容易引起观察者的注意),则可以决定切换内插技术并使用非运动补偿内插技术。
本发明的优选实施方式提供两种分离的频谱比较度量或获取,其优点在于它们通常识别单独种类的损坏。第一度量基于与所述损坏相关联的增加的频谱能量,在图像裂缝和裂口伪像中的任意一者存在的情况下,则给出所述图像裂缝和裂口伪像的级别的指示。第二度量基于降低的频谱能量给出任意混合或双图像损坏的指示。
优选地,内插图像和邻近图像中的每个图像被划分成多个块,每个块包括多个像素,并对内插和非内插或邻近图像中空间上对应的图像块的变换后的图像表示进行比较以检测图像损坏。这是有利的,因为其能够实现将为内插图像中的每个块确定的图像损坏是否存在、并因此其中存在图像损坏的图像区域将被检测到的指示。在整个图像中存在图像损坏的指示也可以从存在于内插图像的每个图像块中的图像损坏的测量中获得。这是有利的,因为其能够实现从一系列帧中快速地识别具有本质图像损坏的那些帧以及观察者不可接受的那些帧。每个块的指示之后可以用于在需要时识别不正确的内插算法。
在实施方式中,比较步骤包括为内插图像的变换后的图像表示中的每个值确定内插图像的变换后的图像表示中的值与至少一个邻近图像的变换后的图像表示中的相应值的比率;以及对所述比率求和。
内插图像的变换后的图像表示中的每个值可以与邻近图像的变换后的图像表示中的对应值的平均值进行比较。
在可替换的实施方式中,比较步骤包括为内插图像的变换后的图像表示的每个值确定内插图像的变换后的图像表示中的值与邻近图像的变换后的图像表示中的每个变换后的图像表示中的对应值之间的差异幅度的和与邻近图像的变换后的图像表示中的对应值之间的差异的幅度的比率;以及对所述比率求和。
该方法提供了检测图像损坏的更精确方式。通过确定邻近图像的变换后的图像表示中的值之间的差异,任意剩余信号或者是因为残余运动依赖性或者是因为场景中的对象阻塞本征。将该差异与内插和邻近变换后的图像表示中的值之间的差异进行比较能够对内插图像中哪些是因为残余运动/阻塞能量以及哪些不是因为残余运动/阻塞能量并因此可能是因为伪像的存在进行区分。
本发明还提供一种被配置成在在计算机上运行时执行上面描述的方法的计算机程序。计算机程序产品可以包括所述计算机程序。
本发明还提供一种用于检测由从两个或更多个邻近图像向其进行内插的图像中因内插引起的图像损坏的设备,每个图像包括多个像素,该设备包括:用于将基本上移位不变的图像变换应用于内插图像并应用于邻近图像中的至少一个邻近图像以获得针对每个图像的变换后的图像表示的装置,每个变换后的图像表示包括多个值,所述多个值基本上与图像中像素的空间位置无关;用于将内插图像和邻近图像中的至少一个邻近图像的变换后的图像表示中的相应值进行比较的装置;用于对比较结果进行求和的装置;以及用于根据比较结果的和检测指示由内插引起的内插图像中的图像损坏的变换后的图像表示之间的差异的装置。
附图说明
现在将仅通过示例的方式并参考附图描述本发明的优选实施方式,其中:
图1示出了由非运动补偿加权混合执行的运动对象的时间内插;
图2示出了由运动补偿执行的运动对象的时间内插,其包括一些矢量误差;
图3示出了本发明优选实施方式的总体框图;
图4示出了根据本发明优选实施方式的块管理器的功能操作;
图5示出了根据本发明优选实施方式的频谱处理器的框图;以及
图6示出了根据本发明优选实施方式的比例度量(ratiometric)处理器的框图。
具体实施方式
在下面描述的本发明的优选实施方式中,变换后的图像表示是图像的功率频谱。然而,如上面解释的,可以使用其他基本上移位不变的图像变换。
在下面描述的本发明的优选实施方式中,所有的测量都是基于图像的亮度分量。然而,应当意识到,所描述的方法能够等价地应用于替换的颜色分量,应用于多个分量或应用于不同颜色空间表示。
参照图3,首先,帧管理器301从原始图像序列和关联的内插图像序列中选择图像,从而对于内插序列中的每个图像,内插图像前面和后面(“之前”和“接下来”)的原始图像序列中的相应邻近原始图像可用于分析。如现在参照图4描述的,之前、内插和之后的图像被分别传递给块管理器302、303和304,其中块管理器302、303和304具有相同的算法功能。
图4示出了块管理器302、303和304的处理。图像401被提供给块管理器402的输入,该输入分离出或将图像划分成重叠块403,以用于随后的处理。每个图像块可由水平和垂直索引n和m唯一识别,其中水平和垂直索引n和m指定图像中块的位置。对于高清(HD)1920x1080分辨率视频序列,适当的块大小是128x128,以64重叠,虽然可以采用块大小或重叠的可替换选择,包括矩形(非正方形)块。
返回参照图3,对于每个块位置(n,m),三个块管理器302、303和304分别传递来自之前、内插和之后图像的空间上同时发生的图像亮度块 和其中x是块中的相对水平位置,y是块中的相对垂直位置。图像亮度块被分别传递给频谱处理器305、306和307,其中频谱处理器305、306和307是算法相同的功能,且参照图5进行解释。
图5示出了频谱处理器305、306和307的操作。频谱处理器获取图像块中的每个图像块,应用数据加窗操作501并之后对数据执行二维离散傅里叶变换502。傅里叶变换502之后用于计算每个图像块的对数功率频谱503,频谱平滑滤波器504被应用于该对数功率频谱503。
在数学术语中,图5所示的操作序列如下。来自输入图像Q的亮度块在501处与窗函数w(x,y)相乘,以生成加窗后的数据本领域技术人员将意识到,数据加窗是用于降低不期望的变换边缘效应的方式,而且数据加窗函数的精确形式可以采取各种形式。在502处,在离散频率j和k处定义的加窗后的数据的二维傅里叶变换根据下述定义计算:
傅里叶变换结果在503处被用于计算块的二维功率频谱。存在着“功率频谱”的若干种定义。虽然可以使用其他定义,但是这里我们使用的是简单地为傅里叶变换的对数幅度的定义。
这里,符号和分别表示傅里叶变换的实部和虚部。
在504处,将平滑滤波器应用于功率频谱。使用该频谱平滑功能的原因是真实世界功率频谱的离散本质以及它们不是绝对移位不变的。平滑有助于阻碍小的残余运动依赖性、离散采样的影响后果以及变换边缘效应。如之前提到的,空间变换下的绝对不变是在存在单个通用移位的情况下具有无限信号的连续傅里叶变换的幅度分量的属性。实际上,通过使用具有有限变换限制的离散变换、应用数据加窗以缓解变换边缘效应以及典型视频内容中面临多个运动的一般情况,如本领域技术人员将意识到的,功率频谱并不是严格对运动不敏感的。但是该滤波阶段仅是提醒注意的额外测量,其被包括以用于增强性能。
滤波器可以采取各种形式,但是合适的选择是矩形运动平均或孔径大小为(2M+1)×(2M+1)的箱式滤波器。
对于128×128大小的图像块和频谱,M的适当选择是2,虽然在类似的总体效应的情况下,可以采用其他值。
滤波后的功率频谱之后被呈现给频谱处理器505的输出。
返回参照图3,分别由频谱处理器305、306和307产生的、来自之前(P)、内插(I)和之后(N)图像的位于同一位置的图像块的修改后的功率频谱 和各自被传递给两个独立的比例度量测量功能308和312,这两个比例度量测量功能308和312针对每个块n,m的频率分量产生一个结果并将该结果分别传递给比例度量测量处理器309和313。
比例度量测量功能308执行下述操作:
其中,μ是避免除数为零的小的常量。功能308在内插图像块的修改后的功率频谱分量类似于同一频率处的之前和之后图像块的平均修改后的功率频谱时返回处于或接近零的值,否则在内插图像块的功率频谱分量超过同一频率处的之前和之后图像块的平均功率频谱分量时返回具有增加的幅度的值。这意味着在附加功率频谱分量出现时其产生高的值。这种增加通常是内插图像块中边缘伪像的结果。虽然在该示例中,内插图像块的修改后的功率频谱与之前和之后图像的平均修改后的功率频谱进行比较,但是已经发现,可替换地,内插图像块的修改后的功率频谱可以与之前和之后图像的修改后的功率频谱中的仅一者进行比较。
比例度量测量功能312执行下述操作:
其中,μ是避免除数为零的小的常量,以及τ是芯函数(coring function)阈值,该芯函数阈值存在的原因是其有助于减小伪小信号“噪声”。
功能312将绝对功率频谱分量差异进行比较。该功能在内插图像块与每个邻近输入图像块之间的差异等于或接近零时返回等于或接近零的值,否则在内插图像块与每个邻近输入图像块之间的差异超过邻近输入图像块自身之间的差异时返回具有增加幅度的值。这意味着在功率频谱分量减小时其产生高的值,这通常在存在加权混合时发生。
对于被处理的每个块n,m,分别由功能308和312生成多个分数和该多个分数被传递给图3中的比例度量测量处理器309和313。
图6示出了比例度量测量处理器的操作(对应于图3所示的309和313)。对于每个块n,m,由累加器602对离散频率j和k处的多个比例度量分数进行求和以产生与内插块n,m相关联的结果,而且这些结果形成比例度量测量处理器的输出606的一个方面,其表示内插图像的逐块(block-wise)区域损坏评分。这些块评分独立地指示内插图像中已经出现内插误差的块,且形成关于图像损坏是否存在于每个块中的输出指示。这些评分可以与阈值进行比较或者是预定的评分,以确定这些评分是否指示图像块中的图像损坏。
由加法器602针对图像中的所有块生成的评分集被附加地分发给空间内插器603,该空间内插器603将每个块评分看作是与块中心位置相关的伪像水平的点样本估计,且在空间上将这些上转换到输入图像分辨率,以获得针对每个像素的与该像素周围的区域相关联的值并在整个图像区域中平滑地改变。存在着能够被使用以实现该目的的内插算法范围,而且适当的选择是众所周知的双线性内插器。
空间内插器603因此处理由加法器602生成的块评分集,从而对于内插输入图像中的每个像素位置x,y,确定结果Ibi(x,y)。之后,根据每个像素位置处的评分将这些结果存储(bin),如在柱状图中。
所存储的像素评分之后被传递给百分位数计算器605,该百分位数计算器605对柱状图的累积占用达到95%所在的存储位置进行识别。即:
C95=max(m×Wbin-T,0)其中m由定义
其中,n是柱状图存储索引,Wbin是柱状图存储带宽,符号≈指示m是最近似于95%全占用的存储索引,以及T是与max()函数组合来消除通常不可靠的小的不期望的读数的小的阈值。
在本发明的该优选实施方式中,百分位数评分形成输出607的第二方面,其表示针对整个内插图像的单一数字(single number)评分。
返回参照图3,比例度量测量处理器的第一实例309传递输出310(对应于图6所示的项606),该输出包括从比例度量评分获得的内插图像的逐块区域损坏评分,并且其反映了存在于图像块中的裂缝和裂口类型伪像的评分。实例309传递第二输出311(对应于图6所示的项607),该第二输出包括从比例度量评分获得的内插图像的单一数字评分,其反映了存在于整个图像中的裂缝和裂口类型伪像的评分。
比例度量测量处理器的第二实例313传递输出314(对应于图6所示的项606),该输出包括从比例度量评分获得的内插图像的逐块区域损坏评分,并且其反映了存在于图像块中的混合类型伪像的评分。实例313传递第二输出315(对应于图6所示的项607),该第二输出包括从比例度量评分获得的内插图像的单一数字评分,其反映了存在于整个图像中的混合伪像的评分。
这些评分指示不同类型的伪像可能存在于内插图像中的每个图像块中和整个内插图像中的几率和程度。这些评分与阈值进行比较或者是预定评分,以确定这些评分是否指示图像中存在图像损坏而非仅由图像之间内容的改变而引起的差异。
Claims (28)
1.一种用于检测由两个或更多个邻近图像对其进行内插的图像中因内插引起的图像损坏的计算机实施的方法,每个图像包括多个像素,该方法包括:
将基本上移位不变的图像变换应用于所述内插图像和应用于所述邻近图像中的至少一个邻近图像以获得针对每个图像的变换后的图像表示,每个变换后的图像表示包括基本上与所述图像中的所述像素的空间位置无关的多个值;
将所述内插图像和所述邻近图像中的至少一个邻近图像的变换后的图像表示中的对应值进行比较;
对所述比较的结果求和;以及
根据所述比较的结果的和来检测所述变换后的图像表示之间的差异,该差异指示由内插引起的所述内插图像中的图像损坏。
2.根据权利要求1所述的方法,其中,所述变换后的图像表示包括所述图像的功率频谱。
3.根据权利要求2所述的方法,其中,每个表示中的所述多个值包括高频分量和低频分量处的功率或能量值。
4.根据权利要求1至3中任一权利要求所述的方法,其中,所述基本上移位不变的图像变换被应用于每个所述邻近图像;以及所述比较步骤包括将所述内插图像和每个所述邻近图像的变换后的图像表示中的对应值进行比较。
5.根据权利要求1所述的方法,该方法还包括将所述内插图像和一个或多个邻近图像划分成多个图像块,所述图像块包括多个像素;其中所述应用步骤包括将基本上移位不变的图像变换应用于所述内插图像和所述邻近图像中的每个图像中的一个或多个图像块中的每个图像块,以获得包括多个值的变换后的图像表示,该多个值与针对所述一个或多个图像块中的每个图像块的图像中的像素的空间位置基本上无关;以及所述比较步骤包括将所述内插图像和所述邻近图像中在空间上对应的图像块的变换后的图像表示中的对应值进行比较。
6.根据权利要求5所述的方法,该方法还包括形成针对所述内插图像中的一个或多个图像块中的每个图像块而言图像损坏存在的程度的指示。
7.根据权利要求6所述的方法,该方法还包括使用针对所述内插图像的一个或多个图像块中的每个图像块而言图像损坏存在的程度的指示来获得针对整体内插图像而言图像损坏存在的程度的指示。
8.根据权利要求1所述的方法,其中,所述检测步骤包括将所述比较结果的和与阈值进行比较,以确定差异是否指示由内插误差引起的图像损坏。
9.根据权利要求2所述的方法,该方法还包括在对所述功率频谱进行比较之前,对所述功率频谱进行滤波以平滑所述功率频谱中的变化。
10.根据权利要求1所述的方法,其中,所述检测步骤包括检测在所述内插图像中的一个或多个频率分量处增加的功率或能量。
11.根据权利要求1所述的方法,其中,所述检测步骤包括检测在所述内插图像中的一个或多个频率分量处减小的功率或能量。
12.根据权利要求1至3以及权利要求5至11中任一项权利要求所述的方法,其中,所述比较步骤包括针对所述内插图像的所述变换后的图像表示中的每个值,确定所述内插图像的变换后的图像表示中的值与所述至少一个邻近图像的变换后的图像表示中的对应值的比率;以及对所述比率求和。
13.根据权利要求4所述的方法,其中,将所述内插图像的变换后的图像表示中的每个值与所述邻近图像的变换后的图像表示中的对应值的平均值进行比较。
14.根据权利要求4所述的方法,其中,所述比较步骤包括针对所述内插图像的变换后的图像表示中的每个值,确定所述内插图像的变换后的图像表示中的值与所述邻近图像的变换后的图像表示中的每个变换后的图像表示中的对应值之间的差异幅度的和与所述邻近图像的变换后的图像表示中的对应值之间的差异幅度的比率;以及对所述比率求和。
15.一种用于检测由两个或更多个邻近图像对其进行内插的图像中因内插引起的图像损坏的设备,每个图像包括多个像素,该设备包括:
用于将基本上移位不变的图像变换应用于内插图像和应用于所述邻近图像中的至少一个邻近图像以获得针对每个图像的变换后的图像表示的装置,每个变换后的图像表示包括基本上与所述图像中的所述像素的空间位置无关的多个值;
用于将所述内插图像和所述邻近图像中的至少一个邻近图像的变换后的图像表示中的对应值进行比较的装置;
用于对所述比较的结果求和的装置;以及
用于根据所述比较结果的和来检测所述变换后的图像表示之间的差异的装置,该差异指示由内插引起的所述内插图像中的图像损坏。
16.根据权利要求15所述的设备,其中,所述变换后的图像表示包括所述图像的功率频谱。
17.根据权利要求16所述的设备,其中,每个变换后的图像表示中的所述多个值包括高频分量或低频分量处的功率或能量值。
18.根据权利要求15所述的设备,其中,所述基本上移位不变的图像变换被应用于每个所述邻近图像;以及所述用于比较的装置包括用于将所述内插图像和每个所述邻近图像的变换后的图像表示中的对应值进行比较的装置。
19.根据权利要求15所述的设备,该设备还包括用于将所述内插图像和一个或多个邻近图像划分成多个图像块的装置,所述图像块包括多个像素;其中所述用于应用的装置包括用于将基本上移位不变的图像变换应用于所述内插图像和所述邻近图像中的每个图像中的一个或多个图像块中的每个图像块,以获得包括多个值的变换后的图像表示的装置,该多个值与针对所述一个或多个图像块中的每个图像块的图像中的像素的空间位置基本上无关;以及所述用于比较的装置包括用于将所述内插图像和所述邻近图像中在空间上对应的图像块的变换后的图像表示中的对应值进行比较的装置。
20.根据权利要求19所述的设备,该设备还包括用于形成针对所述内插图像中的一个或多个图像块中的每个图像块而言图像损坏存在的程度的指示的装置。
21.根据权利要求20所述的设备,该设备还包括用于使用针对所述内插图像的一个或多个图像块中的每个图像块而言图像损坏存在的程度的指示来获得针对整体内插图像而言图像损坏存在的程度的指示的装置。
22.根据权利要求15所述的设备,其中,所述用于检测的装置包括用于将所述比较结果的和与阈值进行比较以确定所述差异是否指示由内插误差引起的图像损坏的装置。
23.根据权利要求16所述的设备,该设备还包括用于在对所述功率频谱进行比较之前对所述功率频谱进行滤波以平滑所述功率频谱中的变化的滤波器。
24.根据权利要求15所述的设备,其中,所述用于检测的装置包括用于检测在所述内插图像中的一个或多个频率分量处增加的功率或能量的装置。
25.根据权利要求15所述的设备,其中,所述用于检测的装置包括用于检测在所述内插图像中的一个或多个频率分量处减小的功率或能量的装置。
26.根据权利要求15所述的设备,其中,所述用于比较的装置还包括用于针对所述内插图像的所述变换后的图像表示中的每个值,确定所述内插图像的变换后的图像表示中的每个值与所述至少一个邻近图像的变换后的图像表示中的对应值的比率的装置;以及用于对所述比率求和的装置。
27.根据权利要求18所述的设备,其中,将所述内插图像的变换后的图像表示中的每个值与所述邻近图像中的对应值的平均值进行比较。
28.根据权利要求18所述的设备,其中,所述用于比较的装置还包括用于针对所述内插图像的变换后的图像表示的每个值,确定所述内插图像的变换后的图像表示中的值与所述邻近图像的变换后的图像表示中的每个变换后的图像表示中的对应值之间的差异幅度的和与所述邻近图像的变换后的图像表示中的对应值之间的差异幅度的比率的装置;以及用于对所述比率求和的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1117191.5 | 2011-10-04 | ||
GBGB1117191.5A GB201117191D0 (en) | 2011-10-04 | 2011-10-04 | +Detecting image impairments in an interpolated image |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103037217A CN103037217A (zh) | 2013-04-10 |
CN103037217B true CN103037217B (zh) | 2015-08-19 |
Family
ID=45035199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210378001.0A Active CN103037217B (zh) | 2011-10-04 | 2012-10-08 | 检测内插图像中的图像损坏 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8818129B2 (zh) |
EP (1) | EP2579212B1 (zh) |
CN (1) | CN103037217B (zh) |
GB (2) | GB201117191D0 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8891906B2 (en) * | 2012-07-05 | 2014-11-18 | Intel Corporation | Pixel-adaptive interpolation algorithm for image upscaling |
TWI606418B (zh) * | 2012-09-28 | 2017-11-21 | 輝達公司 | 圖形處理單元驅動程式產生內插的圖框之電腦系統及方法 |
US9338392B1 (en) | 2014-03-28 | 2016-05-10 | Altera Corporation | Hough transformation deinterlacing circuitry |
US9948859B2 (en) * | 2015-08-19 | 2018-04-17 | Optimum Semiconductor Technologies, Inc. | Video image alignment for video stabilization |
CN106412592B (zh) * | 2016-11-29 | 2018-07-06 | 广东欧珀移动通信有限公司 | 图像处理方法、图像处理装置、成像装置及电子装置 |
CN106507068B (zh) | 2016-11-29 | 2018-05-04 | 广东欧珀移动通信有限公司 | 图像处理方法及装置、控制方法及装置、成像及电子装置 |
US10268913B2 (en) * | 2017-04-03 | 2019-04-23 | General Electric Company | Equipment damage prediction system using neural networks |
US11176649B1 (en) * | 2017-06-03 | 2021-11-16 | Interra Systems, Inc. | System and method of identifying presence of digital ghosting artifacts in videos |
CN111277815A (zh) * | 2018-12-04 | 2020-06-12 | 阿里巴巴集团控股有限公司 | 一种插帧质量评估方法和装置 |
CN113436078B (zh) * | 2021-08-10 | 2022-03-15 | 诺华视创电影科技(江苏)有限公司 | 一种自适用图像超分辨率重构方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101309356A (zh) * | 2007-05-16 | 2008-11-19 | 奇景光电股份有限公司 | 用于帧率升频转换的装置及方法 |
CN101478694A (zh) * | 2008-12-04 | 2009-07-08 | 上海大学 | 基于光线空间的自由视点图像质量评价方法 |
CN102163332A (zh) * | 2010-02-19 | 2011-08-24 | 斯耐尔有限公司 | 客观图像质量测量 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4890160A (en) | 1986-03-19 | 1989-12-26 | British Broadcasting Corporation | TV picture motion vector measurement by correlation of pictures |
CN100438609C (zh) | 2002-10-22 | 2008-11-26 | 皇家飞利浦电子股份有限公司 | 带有降质的图像处理单元 |
US20040076247A1 (en) | 2002-10-22 | 2004-04-22 | Wiseband Communications Ltd. | Peak-to-average power ratio modifier |
DE102005046772A1 (de) | 2005-09-29 | 2007-04-05 | Micronas Gmbh | Iteratives Verfahren zur Interpolation von Bildinformationswerten |
US7903850B2 (en) * | 2005-10-14 | 2011-03-08 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for pre-processing scans by combining enhancement and denoising as a preparation for segmenting the same |
US8223831B2 (en) * | 2007-06-22 | 2012-07-17 | Samsung Electronics Co., Ltd. | System and method for periodic pattern detection for motion compensated interpolation |
US8045024B2 (en) * | 2009-04-15 | 2011-10-25 | Omnivision Technologies, Inc. | Producing full-color image with reduced motion blur |
US9291711B2 (en) * | 2010-02-25 | 2016-03-22 | University Of Maryland, College Park | Compressive radar imaging technology |
-
2011
- 2011-10-04 GB GBGB1117191.5A patent/GB201117191D0/en not_active Ceased
-
2012
- 2012-09-25 US US13/626,827 patent/US8818129B2/en active Active
- 2012-10-03 EP EP12187133.9A patent/EP2579212B1/en active Active
- 2012-10-03 GB GB1217697.0A patent/GB2497162B/en active Active
- 2012-10-08 CN CN201210378001.0A patent/CN103037217B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101309356A (zh) * | 2007-05-16 | 2008-11-19 | 奇景光电股份有限公司 | 用于帧率升频转换的装置及方法 |
CN101478694A (zh) * | 2008-12-04 | 2009-07-08 | 上海大学 | 基于光线空间的自由视点图像质量评价方法 |
CN102163332A (zh) * | 2010-02-19 | 2011-08-24 | 斯耐尔有限公司 | 客观图像质量测量 |
Non-Patent Citations (2)
Title |
---|
A New Objective Quality Metric for Frame Interpolation Used in Video Compression;KAI-CHIEH YANG ET AL.;《ICIP 2007》;20071019;177-180 * |
Video Quality Prediction Using a 3D Dual-Tree Complex Wavelet Structural Similarity Index;YONIS K ET AL.;《IMAGE AND SIGNAL PROCESSING》;20100630;359-367 * |
Also Published As
Publication number | Publication date |
---|---|
US8818129B2 (en) | 2014-08-26 |
GB2497162B (en) | 2013-11-06 |
US20130114906A1 (en) | 2013-05-09 |
EP2579212A1 (en) | 2013-04-10 |
GB201117191D0 (en) | 2011-11-16 |
CN103037217A (zh) | 2013-04-10 |
GB201217697D0 (en) | 2012-11-14 |
GB2497162A (en) | 2013-06-05 |
EP2579212B1 (en) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103037217B (zh) | 检测内插图像中的图像损坏 | |
Vu et al. | ViS 3: An algorithm for video quality assessment via analysis of spatial and spatiotemporal slices | |
Yue et al. | Combining local and global measures for DIBR-synthesized image quality evaluation | |
Lin et al. | Perceptual visual quality metrics: A survey | |
Tanchenko | Visual-PSNR measure of image quality | |
Saad et al. | DCT statistics model-based blind image quality assessment | |
Saad et al. | A DCT statistics-based blind image quality index | |
Moorthy et al. | Efficient motion weighted spatio-temporal video SSIM index | |
Wang et al. | Novel spatio-temporal structural information based video quality metric | |
Wang et al. | Quaternion representation based visual saliency for stereoscopic image quality assessment | |
Gu et al. | FISBLIM: A five-step blind metric for quality assessment of multiply distorted images | |
US20040012675A1 (en) | Method and apparatus for measuring the quality of video data | |
WO2018058090A1 (en) | Method for no-reference image quality assessment | |
CN101282481A (zh) | 一种基于人工神经网络的视频质量评价方法 | |
Serir et al. | No-reference blur image quality measure based on multiplicative multiresolution decomposition | |
Li et al. | GridSAR: Grid strength and regularity for robust evaluation of blocking artifacts in JPEG images | |
Li et al. | No-reference screen content video quality assessment | |
Bong et al. | An efficient and training-free blind image blur assessment in the spatial domain | |
Kim et al. | Blind sharpness prediction for ultrahigh-definition video based on human visual resolution | |
Ding et al. | Detection of motion-compensated frame-rate up-conversion via optical flow-based prediction residue | |
CN104580978A (zh) | 一种视频检测及处理方法、装置 | |
Ponomaryov et al. | Fuzzy color video filtering technique for sequences corrupted by additive Gaussian noise | |
Zhang et al. | Quality assessment methods for perceptual video compression | |
Peng et al. | An efficient temporal distortion measure of videos based on spacetime texture | |
CN114120197B (zh) | 2si模式传输的超高清视频异态信号检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |