CN103067733A - 视频质量获取方法 - Google Patents
视频质量获取方法 Download PDFInfo
- Publication number
- CN103067733A CN103067733A CN2012104972361A CN201210497236A CN103067733A CN 103067733 A CN103067733 A CN 103067733A CN 2012104972361 A CN2012104972361 A CN 2012104972361A CN 201210497236 A CN201210497236 A CN 201210497236A CN 103067733 A CN103067733 A CN 103067733A
- Authority
- CN
- China
- Prior art keywords
- field picture
- pixels
- video
- expression
- location
- 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.)
- Granted
Links
Images
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明提供一种视频质量获取方法,该方法包括接收待处理的视频;获取视频帧层的显著性检测结果;获取视频序列层的显著性检测结果;根据所述帧层的显著性检测结果和所述序列层的显著性检测结果,获取所述视频的质量信息。本发明提供的视频质量获取方法,通过对待处理的视频进行处理,可以得到待处理视频的帧层的显著性检测结果和序列层的显著性检测结果,并利用帧层的显著性检测结果和序列层的显著性检测结果联合得到视频质量信息,从而使得该视频质量结果是综合了视频帧层和序列层特性,进而得出的视频质量信息更符合人眼的感知结果,也更准确。
Description
技术领域
本发明涉及视频处理技术,尤其涉及一种视频质量获取方法。
背景技术
随着视频处理技术的迅速发展,视频服务越来越受到人们的青睐,人们对于视频质量的要求也越来越高。
现有技术主要采用客观评价方法和主观评价方法两种来获取视频质量。客观视频质量评价方法通常通过计算原始视频信号与失真视频信号之间的均方误差(Mean Squared Error,简称MSE)或峰值信噪比(Peak Signalto Noise Ratio,简称PSNR)来确定视频质量,而这类方法通常是与人类视觉感知有偏离的。主观评价方法是在引入人类视觉系统(Human VisualSystem,简称HVS)这一概念之后获得的,现有的方法是利用结构相似性度量(Structural Similarity Index Measurement system,简称SSIM)方法来获取视频质量,具体地,该SSIM方法可以通过亮度、对比度和结构信息三要素来计算视频序列中每一帧的图像质量,然后将各帧的图像质量进行加权平均作为视频质量。
但是,上述基于SSIM获取视频质量的方法仅限于对视频帧层级的处理,因此,采用现有技术获取的视频质量不准确。
发明内容
本发明提供一种视频质量获取方法,以获取准确的视频质量。
本发明提供一种视频质量获取方法,该方法包括:
接收待处理的视频;
获取视频帧层的显著性检测结果;
获取视频序列层的显著性检测结果;
根据所述帧层的显著性检测结果和所述序列层的显著性检测结果,获取所述视频的质量信息。
本发明还提供一种视频质量获取装置,该装置包括:
接收模块,用于接收待处理的视频;
帧层检测模块,用于获取视频帧层的显著性检测结果;
序列层检测模块,用于获取视频序列层的显著性检测结果;
质量获取模块,用于根据所述帧层检测模块和所述序列层检测模块,获取所述视频的质量信息。
本发明提供的视频质量获取方法,通过对待处理的视频进行处理,可以得到待处理视频的帧层的显著性检测结果和序列层的显著性检测结果,并利用帧层的显著性检测结果和序列层的显著性检测结果联合得到视频质量信息,从而使得该视频质量结果综合了视频帧层和序列层特性,进而得出的视频质量信息更符合人眼的感知结果,也更准确。
附图说明
图1是本发明视频质量获取方法实施例一的流程图;
图2是本发明视频质量获取方法实施例二的流程图;
图3是本发明视频质量获取装置实施例一的结构示意图;
图4是本发明视频质量获取装置实施例二的结构示意图。
具体实施方式
图1是本发明视频质量获取方法实施例一的流程图。如图1所示,本实施例提供的视频质量获取方法包括:
S101、接收待处理的视频。
具体地,视频可以分为视频帧层和视频序列层,其中,视频帧层是指构成视频的每一帧图像,视频序列层是指每一帧图像在播放时间上会有先后顺序,形成视频序列。
S102、获取视频帧层的显著性检测结果。
举例来说,本实施例可以先得到视频中每一帧图像的显著性检测结果,对各帧图像的显著性检测结果进行加权平均,获取视频帧层的显著性检测结果。
S103、获取视频序列层的显著性检测结果。
具体地,由于视频中运动对象的移动速度更易于引起人眼的关注,因此视频序列层的显著性检测结果可以通过考虑当前帧与前相邻帧之间的运动对象的移动速度得出。
S104、根据帧层的显著性检测结果和序列层的显著性检测结果,获取视频的质量信息。
具体地,视频的质量信息是由帧层的显著性检测结果和序列层的显著性检测结果共同决定的,因此,本实施例根据获取的帧层的显著性检测结果和序列层的显著性检测结果,来获取视频的质量信息,从而使得该视频的质量信息融合了视频帧层和视频序列层的检测结果。
本实施例提供的视频质量获取方法,通过对待处理的视频进行处理,可以得到待处理视频的帧层的显著性检测结果和序列层的显著性检测结果,并利用帧层的显著性检测结果和序列层的显著性检测结果联合得到视频质量信息,从而使得该视频质量结果综合了视频帧层和序列层特性,进而得出的视频质量信息更符合人眼的感知结果,也更准确。
图2是本发明视频质量获取方法实施例二的流程图。如图2所示,本实施例提供的视频质量获取方法包括:
S201、接收待处理的视频。
本步骤的实现与图1所示方法实施例一中S101的实现过程相同。
S202、对视频的各帧图像进行基于块的运动估计,获得与各帧图像对应的运动向量。
具体地,视频是由一帧一帧的图像构成的,将视频的各帧图像分成一定数量的图像块,对于构成视频图像的每一图像块都进行运动估计,获得各块图像的运动向量,然后根据每块图像的运动向量即可得到每一帧图像的运动向量。
S203、根据各帧图像的亮度、色度以及运动向量,进行帧层显著性检测,获取帧层的显著性检测结果。
具体地,本实施例可以根据各帧图像的亮度、色度和以及运动向量,确定各帧图像的四元图:
q(t)=I(t)+H(t)u1+Vx(t)u2+Vy(t)u3;
其中,q(t)表示第t帧图像的四元图,I(t)表示第t帧图像的亮度,H(t)表示第t帧图像的色度,Vx(t)表示第t帧图像水平方向的运动分量,Vy(t)表示第t帧图像垂直方向的运动分量,i=1,2,3且u1⊥u2,u2⊥u3,u3⊥u1,u1·u2=u3;
然后,对各帧图像的四元图进行超复数傅立叶变换,获得各帧图像的频域信息,也就是Q(t)=QFT(q(t));
从各帧图像的频域信息中提取相位谱,根据所述相位谱重建获得空域信息p(t)=P(Q(t));
根据得到的空域信息进行超复数傅立叶逆变换,得到SMij(t)=g(t)·||QFT-1(eu·p(t))||2,其中SMij(t)表示第t帧图像的显著性检测结果,g(t)为高斯滤波函数,u是一个纯四元组。
优选地,本实施例可以在64×64分辨率下,对各帧图像的四元图进行超复数傅里叶变换及逆变换,在64×64分辨率下进行傅里叶变换处理,可以获得快速和较好的视觉效果,最后根据每一帧的显著性检测结果加权平均得到帧层的显著性检测结果。
S204、根据各帧图像的水平方向的运动分量和垂直方向的运动分量,获取与各帧图像对应的表示运动速度的标量值。
具体地,获取运动速度的标量值可以采用公式(1)获取:
其中,V(t)表示第t帧图像对应的表示运动速度的标量值,Vx(t)表示第t帧图像所对应的水平方向的运动分量,Vy(t)表示第t帧图像所对应的垂直方向的运动分量。
S205、根据标量值,计算获取当前帧和前相邻帧之间运动目标的运动速度的变化程度信息,变化程度信息作为序列层的显著性检测结果。
具体地,可以通过当前帧与前一帧之间运动目标的运动速度获取变化程度信息,也可以根据当前帧与前多帧之间运动目标的运动速度获取变化程度信息,优选地,可以采用通过当前帧与前三帧之间运动目标的运动速度获取变化程度信息,具体地可以采用公式(2)获取变化程度信息:
来获取,其中,SV(t)表示第t帧图像的变化程度信息,H表示第t帧图像的高度,W表示第t帧图像的宽度,i表示高度像素位置,j表示宽度像素位置,Vij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的所述标量值,Vij(k)表示第k帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的所述标量值。采用上述公式获取的变化程度信息,因为当前帧与前相邻三帧进行对比,图像中的运动信息变化不是很大,具有参考价值,每一图像块与像素位置一一对应。
S206、采用失真权重和帧层的显著性检测结果,在帧层对视频的结构相似性度量结果进行加权融合,获得各帧图像的质量信息。
具体地,可以采用公式(3)计算失真权重:
DMij(t)=[Ir(t)-Id(t)]2 (3)
其中,DMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的失真权重,Ir(t)表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的亮度通道上的像素值,Id(t)表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的亮度通道上的像素值。
可以采用公式(4)获取所述结构相似性度量结果:
其中,SSIMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的结构相似性度量结果,x表示第t帧图像的参考图像,y表示第第t帧图像的失真图像,μx表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的像素值,μy表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的像素值,σx表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的无偏估计标准差,σy表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的无偏估计标准差,σxy表示第t帧图像的参考图像和失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的协方差,C1,C2是经验值。
可以采用公式(5)获取所述各帧图像的质量信息:
其中,FQI(t)表示第t帧图像的质量信息,SMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的显著权重,DMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的失真权重,SSIMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的结构相似性度量结果。
S207、对各帧图像的质量信息以及序列层的显著性检测结果进行加权融合,获得视频质量信息。
具体地,可以采用公式(6)获得视频质量信息:
其中,VQI表示视频质量信息,SV(t)表示第t帧图像的变化程度信息,FQI(t)表示第t帧图像的质量信息,N表示视频的总帧数。
本实施例提供的视频质量获取方法,通过对视频帧层显著性检测时是考虑了亮度、色度及运动向量,并在序列层显著性检测时考虑了运动信息,使得最后加权融合后的视频质量信息是包含了在序列层人眼关注度大的信息以及在帧层人眼关注度大的信息,因此得出的视频质量信息更贴近人眼感受到的实际质量,相对更准确。
图3是本发明视频质量获取装置实施例一的结构示意图。如图3所示,本实施例提供的视频质量获取装置包括:接收模块11、帧层检测模块12、序列层检测模块13以及质量获取模块14,其中,接收模块11,用于接收待处理的视频;帧层检测模块12,用于获取视频帧层的显著性检测结果;序列层检测模块13,用于获取视频序列层的显著性检测结果;质量获取模块14,用于根据帧层检测模块和序列层检测模块,获取视频的质量信息。
本实施例的视频质量获取装置,可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
在上述装置实施例一的基础上,图4是本发明视频质量获取装置实施例二的结构示意图。如图4所示,本实施例提供的视频质量获取装置包括:
接收模块11、帧层检测模块12包括运动向量获取单元121和帧层显著性检测单元122、序列层检测模块13包括运动速度获取单元131和序列层显著性检测单元132、质量获取模块14包括第一处理单元141和第二处理单元142,其中,
接收模块11,用于接收待处理的视频;
运动向量获取单元121,用于根据各帧图像的水平方向的运动分量和垂直方向的运动分量,获取与各帧图像对应的表示运动速度的标量值;
帧层显著性检测单元122,用于在64×64分辨率下,对各帧图像的四元图进行超复数傅立叶变换,获得各帧图像的频域信息;从各帧图像的频域信息中提取相位谱,根据相位谱重建获得空域信息;对空域信息进行超复数傅里叶逆变换,获取帧层的显著性检测结果;
运动速度获取单元131,用于根据各帧图像的水平方向的运动分量和垂直方向的运动分量,获取与各帧图像对应的表示运动速度的标量值,更进一步地,运动速度获取单元131采用公式(1)获取所述标量值:
其中,V(t)表示第t帧图像对应的表示运动速度的标量值,Vx(t)表示第t帧图像所对应的水平方向的运动分量,Vy(t)表示第t帧图像所对应的垂直方向的运动分量;
序列层显著性检测单元132,用于根据标量值,计算获取当前帧和前相邻帧之间运动目标的运动速度的变化程度信息,变化程度信息作为序列层的显著性检测结果,更进一步地,序列层显著性检测单元132可以采用公式(2)获取变化程度信息:
其中,SV(t)表示第t帧图像的变化程度信息,H表示第t帧图像的高度,W表示第t帧图像的宽度,i表示高度像素位置,j表示宽度像素位置,Vij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的所述标量值,Vij(k)表示第k帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的所述标量值;
第一处理单元141,用于采用失真权重和帧层的显著性检测结果,在帧层对视频的结构相似性度量结果进行加权融合,获得各帧图像的质量信息,更进一步地,第一处理单元141,可以采用公式(3)计算失真权重
DMij(t)=[Ir(t)-Id(t)]2 (3)
其中,DMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的失真权重,Ir(t)表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的亮度通道上的像素值,Id(t)表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的亮度通道上的像素值。
第一处理单元141可以采用公式(4)获取所述结构相似性度量结果:
其中,SSIMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的结构相似性度量结果,x表示第t帧图像的参考图像,y表示第第t帧图像的失真图像,μx表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的像素值,μy表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的像素值,σx表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的无偏估计标准差,σy表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的无偏估计标准差,σxy表示第t帧图像的参考图像和失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的协方差,C1,C2是经验值。
第一处理单元141可以采用公式(5)获取所述各帧图像的质量信息:
其中,FQI(t)表示第t帧图像的质量信息,SMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的显著权重,DMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的失真权重,SSIMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的结构相似性度量结果;
第二处理单元142,用于对各帧图像的质量信息以及序列层的显著性检测结果进行加权融合,获得视频质量信息,更进一步地,第二处理单元142可以采用公式(6)获得视频质量信息:
其中,VQI表示视频质量信息,SV(t)表示第t帧图像的变化程度信息,FQI(t)表示第t帧图像的质量信息,N表示视频的总帧数。
本实施例的视频质量获取装置,可以用于执行图2所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种视频质量获取方法,其特征在于,包括:
接收待处理的视频;
获取视频帧层的显著性检测结果;
获取视频序列层的显著性检测结果;
根据所述帧层的显著性检测结果和所述序列层的显著性检测结果,获取所述视频的质量信息。
2.根据权利要求1所述的方法,其特征在于,所述获取视频帧层的显著性检测结果,包括:
对所述视频的各帧图像进行基于块的运动估计,获得与各帧图像对应的运动向量;
根据各帧图像的亮度、色度以及运动向量,进行帧层显著性检测,获取所述帧层的显著性检测结果。
3.根据权利要求2所述的方法,其特征在于,所述根据各帧图像的亮度、色度和以及运动向量,进行帧层显著性检测,获取所述帧层的显著性检测结果,包括:
根据各帧图像的亮度、色度和以及运动向量,确定各帧图像的四元图,所述四元图包括亮度、色度、水平方向的运动分量、垂直方向的运动分量;
对各帧图像的四元图进行超复数傅立叶变换,获得各帧图像的频域信息;
从各帧图像的频域信息中提取相位谱,根据所述相位谱重建获得空域信息;
对所述空域信息进行超复数傅里叶逆变换,获取所述帧层的显著性检测结果。
4.根据权利要求3所述的方法,其特征在于,所述对各帧图像的四元图进行超复数傅立叶变换,包括:
在64×64分辨率下,对各帧图像的四元图进行超复数傅立叶变换。
5.根据权利要求2~4中任一项所述的方法,其特征在于,所述获取视频序列层的显著性检测结果,包括:
根据各帧图像的水平方向的运动分量和垂直方向的运动分量,获取与各帧图像对应的表示运动速度的标量值;
根据所述标量值,计算获取当前帧和前相邻帧之间运动目标的运动速度的变化程度信息,所述变化程度信息作为所述序列层的显著性检测结果。
6.根据权利要求5所述的方法,其特征在于,所述根据所述帧层的显著性检测结果和所述序列层的显著性检测结果,获取所述视频的质量信息,包括:
采用失真权重和所述帧层的显著性检测结果,在帧层对所述视频的结构相似性度量结果进行加权融合,获得各帧图像的质量信息;
对所述各帧图像的质量信息以及所述序列层的显著性检测结果进行加权融合,获得所述视频质量信息。
7.根据权利要求6所述的方法,其特征在于,所述根据各帧图像的水平方向的运动分量和垂直方向的运动分量,获取与各帧图像对应的表示运动速度的标量值,包括:
采用公式(1)获取所述标量值:
其中,V(t)表示第t帧图像对应的表示运动速度的标量值,Vx(t)表示第t帧图像所对应的水平方向的运动分量,Vy(t)表示第t帧图像所对应的垂直方面的运动分量。
所述根据所述标量值,计算获取当前帧和前相邻帧之间运动目标的运动速度的变化程度信息,包括:
采用公式(2)获取所述变化程度信息:
其中,SV(t)表示第t帧图像的变化程度信息,H表示第t帧图像的高度,W表示第t帧图像的宽度,i表示高度像素位置,j表示宽度像素位置,Vij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的所述标量值,Vij(k)表示第k帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的所述标量值。
8.根据权利要求7所述的方法,其特征在于,所述采用失真权重和所述帧层的显著性检测结果,在帧层对所述视频的结构相似性度量结果进行加权融合,获得各帧图像的质量信息,包括:
采用公式(3)获取所述失真权重:
DMij(t)=[Ir(t)-Id(t)]2 (3)
其中,DMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的失真权重,Ir(t)表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的亮度通道上的像素值,Id(t)表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的亮度通道上的像素值;
采用公式(4)获取所述结构相似性度量结果:
其中,SSIMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的结构相似性度量结果,x表示第t帧图像的参考图像,y表示第t帧图像的失真图像,μx表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的像素值,μy表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的像素值,σx表示第t帧图像的参考图像在高度像素位置为i、宽度像素位置为j的像素位置处的无偏估计标准差,σy表示第t帧图像的失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的无偏估计标准差,σxy表示第t帧图像的参考图像和失真图像在高度像素位置为i、宽度像素位置为j的像素位置处的协方差,C1,C2是经验值;
采用公式(5)获取所述各帧图像的质量信息:
其中,FQI(t)表示第t帧图像的质量信息,SMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的显著权重,DMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的失真权重,SSIMij(t)表示第t帧图像在高度像素位置为i、宽度像素位置为j的像素位置处的结构相似性度量结果。
9.根据权利要求8所述的方法,其特征在于,所述对所述各帧图像的质量信息以及所述序列层的显著性检测结果进行加权融合,获得所述视频质量信息,包括:
采用公式(6)获得所述视频质量信息:
其中,VQI表示视频质量信息,SV(t)表示第t帧图像的变化程度信息,FQI(t)表示第t帧图像的质量信息,N表示所述视频的总帧数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210497236.1A CN103067733B (zh) | 2012-11-28 | 2012-11-28 | 视频质量获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210497236.1A CN103067733B (zh) | 2012-11-28 | 2012-11-28 | 视频质量获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103067733A true CN103067733A (zh) | 2013-04-24 |
CN103067733B CN103067733B (zh) | 2015-01-07 |
Family
ID=48110168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210497236.1A Expired - Fee Related CN103067733B (zh) | 2012-11-28 | 2012-11-28 | 视频质量获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103067733B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097256A (zh) * | 2016-05-31 | 2016-11-09 | 南京邮电大学 | 一种基于图像盲去模糊的视频图像模糊度检测方法 |
CN108924542A (zh) * | 2018-05-24 | 2018-11-30 | 天津大学 | 基于显著性和稀疏性的无参考立体视频质量评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271525A (zh) * | 2008-04-10 | 2008-09-24 | 复旦大学 | 一种快速的图像序列特征显著图获取方法 |
-
2012
- 2012-11-28 CN CN201210497236.1A patent/CN103067733B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271525A (zh) * | 2008-04-10 | 2008-09-24 | 复旦大学 | 一种快速的图像序列特征显著图获取方法 |
Non-Patent Citations (1)
Title |
---|
张桦: "基于视觉感知的图像质量评价方法研究", 《中国博士学位论文电子期刊网》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097256A (zh) * | 2016-05-31 | 2016-11-09 | 南京邮电大学 | 一种基于图像盲去模糊的视频图像模糊度检测方法 |
CN106097256B (zh) * | 2016-05-31 | 2019-01-01 | 南京邮电大学 | 一种基于图像盲去模糊的视频图像模糊度检测方法 |
CN108924542A (zh) * | 2018-05-24 | 2018-11-30 | 天津大学 | 基于显著性和稀疏性的无参考立体视频质量评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103067733B (zh) | 2015-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11215700B2 (en) | Method and system for real-time motion artifact handling and noise removal for ToF sensor images | |
CN109816673B (zh) | 一种非极大值抑制、动态阈值计算及图像边缘检测方法 | |
CN103413276B (zh) | 一种基于纹理分布特征的深度增强方法 | |
CN103152600B (zh) | 一种立体视频质量评价方法 | |
KR102214934B1 (ko) | 단항 신뢰도 및 쌍별 신뢰도 학습을 통한 스테레오 매칭 장치 및 방법 | |
JP4494649B2 (ja) | 基準映像を用いることなくデジタル映像の品質を推定する方法と装置 | |
KR101618814B1 (ko) | 단일객체에 대한 기울기를 추정하는 영상을 감시하는 장치 및 방법 | |
CN102883175B (zh) | 深度图提取、判断视频场景切换及深度图边缘优化方法 | |
CN106375706B (zh) | 利用双摄像头进行运动物体测速的方法、装置及移动终端 | |
CN108399403B (zh) | 一种基于车牌尺寸计算的车距检测方法 | |
WO2008115405A3 (en) | A method of image quality assessment to procuce standardized imaging data | |
EP3598387A1 (en) | Learning method and program | |
CN101516040A (zh) | 视频匹配方法、装置及系统 | |
CN105096307A (zh) | 在成对的立体图像中检测物体的方法 | |
CN106127741A (zh) | 基于改良自然场景统计模型的无参考图像质量评价方法 | |
KR20110014067A (ko) | 스테레오 컨텐트의 변환 방법 및 시스템 | |
CN102523477A (zh) | 一种基于双目最小可辨失真模型的立体视频质量评价方法 | |
CN104182983B (zh) | 基于角点特征的高速公路监控视频清晰度的检测方法 | |
CN104574381A (zh) | 一种基于局部二值模式的全参考图像质量评价方法 | |
KR20130053980A (ko) | 영상 데이터 융합 기반의 장애물체 검출 방법 및 장치 | |
CN104159104B (zh) | 基于多级梯度相似的全参考视频质量评估方法 | |
CN105139391A (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN104767993A (zh) | 一种基于质降时域加权的立体视频客观质量评价方法 | |
US20200302155A1 (en) | Face detection and recognition method using light field camera system | |
CN103067733B (zh) | 视频质量获取方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150107 Termination date: 20211128 |
|
CF01 | Termination of patent right due to non-payment of annual fee |