CN104780310A - 一种图像模糊的检测方法、系统及摄像机 - Google Patents
一种图像模糊的检测方法、系统及摄像机 Download PDFInfo
- Publication number
- CN104780310A CN104780310A CN201510040814.2A CN201510040814A CN104780310A CN 104780310 A CN104780310 A CN 104780310A CN 201510040814 A CN201510040814 A CN 201510040814A CN 104780310 A CN104780310 A CN 104780310A
- Authority
- CN
- China
- Prior art keywords
- image
- qcif
- fuzzy
- sense cycle
- pixel
- 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
Landscapes
- Studio Devices (AREA)
Abstract
本发明适用于图像处理领域,提供了一种图像模糊的检测方法、系统及摄像机。所述方法包括:在预设检测周期内每隔一预定时间从视频中抽取一帧图像;每抽取一帧图像则对所述图像进行下采样得到QCIF图像;对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊。本发明运算量较低,算法实现非常方便。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种图像模糊的检测方法、系统及摄像机。
背景技术
现在高端的摄像机都具有图像模糊的检测功能。平安城市监控系统由于摄像机过多,因此经常会遇到一个问题,某一台摄像机由于焦距受到异常更改,导致图像模糊,往往需要几天甚至几周的时候才被发现,则这段时间的图像都是模糊无效的。
图像模糊的检测算法能够在模糊发生后很短的时间内进行报警。比如:几秒或几分钟内。大大提高了平安城市监控系统对成千上万摄像机的管理维护。
现有技术常见的图像模糊的检测方法主要包括以下两种:
1)通过傅立叶变换或小波变换等方法,在频率域对图像进行分析。
2)在边缘检测的基础上,计算边缘的梯度的峰值以及宽度关系进行判断。
然而上述两种方法运算量都较大,算法实现非常复杂。
发明内容
本发明的目的在于提供一种图像模糊的检测方法、系统及摄像机,旨在解决现有技术的图像模糊的检测方法运算量较大,算法实现非常复杂的问题。
第一方面,本发明提供了一种图像模糊的检测方法,所述方法包括:
在预设检测周期内每隔一预定时间从视频中抽取一帧图像;
每抽取一帧图像则对所述图像进行下采样得到QCIF图像;
对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;
根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊。
第二方面,本发明提供了一种图像模糊的检测系统,所述系统包括:
抽取模块,用于在预设检测周期内每隔一预定时间从视频中抽取一帧图像;
下采样模块,用于每抽取一帧图像则对所述图像进行下采样得到QCIF图像;
分析模块,用于对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;
确定模块,用于根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊。
第三方面,本发明提供了一种包括上述图像模糊的检测系统的摄像机。
在本发明中,由于在预设检测周期内每隔一预定时间从视频中抽取一帧图像;每抽取一帧图像则对所述图像进行下采样得到QCIF图像;对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊,因此运算量较低,算法实现非常方便。
附图说明
图1是本发明实施例一提供的图像模糊的检测方法的流程图。
图2是本发明实施例二提供的图像模糊的检测系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
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。
实施例一:
请参阅图1,本发明实施例一提供的图像模糊的检测方法包括以下步骤:
S101、在预设检测周期内每隔一预定时间从视频中抽取一帧图像;
例如30秒为预设检测周期,预定时间是1秒,则S101具体为:以30秒为一次检测周期,在30秒内每秒从视频中抽取一帧图像。
S102、每抽取一帧图像则对所述图像进行下采样得到QCIF图像;
在本发明实施例一中,S102具体包括以下步骤:
每抽取一帧图像则对所述图像进行下采样,得到CIF(Common Intermediate Format,公用中分辨率格式)图像;抽取的图像可以是高清图像,也可以是标清图像;在H.323协议簇中,规定了CIF=352×288像素;
对CIF图像进行降噪处理并且下采样,得到QCIF(Quarter CommonIntermediate Format,四分之一公用中分辨率格式)图像;在H.323协议簇中,规定了QCIF=176×144像素。
S103、对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;
S104、根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊。
在本发明实施例一中,S103具体可以包括以下步骤:
统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
统计在预设检测周期内的所有QCIF图像中,突变的像素点的数量N1小于或等于预定值n的次数Tn。其中n是自然数;Tn表示在预设检测周期内,满足突变的像素点的数量N1小于或等于预定值n的次数,使用不同的阈值n有不同的统计结果,例如T50是指N1<50的次数,T20是指N1<20的次数,T0是指N1=0的次数。
相应的,S104具体可以为:
当T50>10或者T20>5或者T0>2时,确定所述视频的图像是模糊的。
在本发明实施例一中,S103具体也可以包括以下步骤:
统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
统计在预设检测周期内的每一QCIF图像中差分强度达到预定阈值的像素点的数量N2;
通过公式nRatio=N2/(N1+1),计算出倍数nRatio;普通情况下nRatio的数值是5、6或7,则图像清晰,nRatio的数值大于或等于8,则图像模糊;
统计在预设检测周期内的所有QCIF图像中,nRatio>r的次数Tr,其中r是自然数;使用不同的阈值r有不同的统计结果,例如T8是nRatio>8的次数。
相应的,S104具体可以为:当T8>10时,确定所述视频的图像是模糊的。
在本发明实施例一中,S103具体也可以包括以下步骤:
统计在预设检测周期内的每一QCIF图像中分层图像孤立像素点数量;
统计在预设检测周期内的所有QCIF图像中,分层图像孤立像素点数量不为0的次数。
相应的,S104具体可以为:
当分层图像孤立像素点数量不为0的次数等于0时,确定所述视频的图像是模糊的。
本发明实施例一的S103可以是上述三个包括具体步骤的方案的其中一个方案,或上述三个包括具体步骤的方案的任意组合,只要满足上述S104所包括的具体方案的任意一个方案中的条件即可确定所述视频的图像是模糊的。
在本发明实施例一中,统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1具体包括以下步骤:
如果以下条件成立,则该像素点为突变的像素点,N1计数加1。
当nV_L>T并且nV_R>T时;或者
当nV_L<-T并且nV_R<-T时;或者
当nV_T>T并且nV_B>T时;或者
当nV_T<-T并且nV_B<-T时;或者
当nV_TL>T并且nV_BR>T时;或者
当nV_TL<-T并且nV_BR<-T时;或者
当nV_TR>T并且nV_BL>T时;或者
当nV_TR<-T并且nV_BL<-T时
其中T表示阈值,T是自然数,
nV_L=p0-p8;表示中心像素点与左边像素点的差值。
nV_R=p0-p4;表示中心像素点与右边像素点的差值。
nV_T=p0-p2;表示中心像素点与上边像素点的差值。
nV_B=p0-p6;表示中心像素点与下边像素点的差值。
nV_TL=p0-p1;表示中心像素点与左上角像素点的差值。
nV_BR=p0-p5;表示中心像素点与右下角像素点的差值。
nV_TR=p0-p3;表示中心像素点与右上角像素点的差值。
nV_BL=p0-p7;表示中心像素点与左下角像素点的差值。
p0、p1、p2、p3、p4、p5、p6、p7、p8分别表示中心像素点的值、左上角像素点的值、上边像素点的值、右上角像素点的值、右边像素点的值、右下角像素点的值、下边像素点的值、左下角像素点的值、左边像素点的值。
在本发明实施例一中,统计在预设检测周期内的每一QCIF图像中差分强度达到预定阈值的像素点的数量N2具体包括以下步骤:
如果以下条件成立,则该像素点的差分强度达到预定阈值,N2计数加1。
当nV_L>T时;或者
当nV_L<-T时;或者
当nV_R>T时;或者
当nV_R<-T时;或者
当nV_T>T时;或者
当nV_T<-T时;或者
当nV_B>T时;或者
当nV_B<-T时
在本发明实施例一中,统计在预设检测周期内的每一QCIF图像中分层图像孤立像素点数量具体包括以下步骤:
将每一QCIF图像按灰度值,平均分成多个级别(n个级别);
将每一QCIF图像的像素按照灰度等级重新赋值,获得灰度分层的图像;亮度级别从0~255,以分成8等级为例:0~31为等级0,灰度设置为0;32~63为等级1,灰度设置为32;64~95为等级2,灰度设置为64;……224~255为等级7,灰度设置为224;
在分层的图像中寻找孤立像素点,并且计数。
其中,孤立像素点的判断方法为:如果像素点与8邻域的所有8个像素点的差异都大于阈值T,则被认为是一个孤立像素点。其中T是自然数;
在本发明实施例一中,由于在预设检测周期内每隔一预定时间从视频中抽取一帧图像;每抽取一帧图像则对所述图像进行下采样得到QCIF图像;对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊,因此运算量较低,算法实现非常方便。
实施例二:
请参阅图2,本发明实施例二提供的图像模糊的检测系统包括:抽取模块11、下采样模块12、分析模块13和确定模块14,其中,
抽取模块11,用于在预设检测周期内每隔一预定时间从视频中抽取一帧图像;
下采样模块12,用于每抽取一帧图像则对所述图像进行下采样得到QCIF图像;
分析模块13,用于对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;
确定模块14,用于根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊。
在本发明实施例二中,所述分析模块12具体可以包括:
第一下采样模块,用于每抽取一帧图像则对所述图像进行下采样,得到CIF图像;
第二下采样模块,用于对CIF图像进行降噪处理并且下采样,得到QCIF图像。
在本发明实施例二中,所述分析模块13具体可以包括:
第一统计模块,用于统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
第二统计模块,用于统计在预设检测周期内的所有QCIF图像中,突变的像素点的数量N1小于或等于预定值n的次数Tn;其中n是自然数;
相应的,所述确定模块14具体可以用于:当突变的像素点的数量N1小于50的次数T50>10、突变的像素点的数量N1小于20的次数T20>5、或者突变的像素点的数量N1等于0的次数T0>2时,确定所述视频的图像是模糊的。
在本发明实施例二中,所述分析模块13具体也可以包括:
第三统计模块,用于统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
第四统计模块,用于统计在预设检测周期内的每一QCIF图像中差分强度达到预定阈值的像素点的数量N2;
计算模块,用于通过公式nRatio=N2/(N1+1),计算出倍数nRatio;
第五统计模块,用于统计在预设检测周期内的所有QCIF图像中,nRatio>r的次数Tr,其中r是自然数;
相应的,所述确定模块14具体可以用于:当nRatio>8的次数T8>10时,确定所述视频的图像是模糊的。
在本发明实施例二中,所述分析模块13具体也可以包括:
第六统计模块,用于统计在预设检测周期内的每一QCIF图像中分层图像孤立像素点数量;
第七统计模块,用于统计在预设检测周期内的所有QCIF图像中,分层图像孤立像素点数量不为0的次数;
相应的,所述确定模块14具体可以用于:当分层图像孤立像素点数量不为0的次数等于0时,确定所述视频的图像是模糊的。
在本发明实施例二中,第一统计模块和第三统计模块具体用于:如果以下条件成立,则该像素点为突变的像素点,N1计数加1;
当nV_L>T并且nV_R>T时;或者
当nV_L<-T并且nV_R<-T时;或者
当nV_T>T并且nV_B>T时;或者
当nV_T<-T并且nV_B<-T时;或者
当nV_TL>T并且nV_BR>T时;或者
当nV_TL<-T并且nV_BR<-T时;或者
当nV_TR>T并且nV_BL>T时;或者
当nV_TR<-T并且nV_BL<-T时
其中T表示阈值,T是自然数,
nV_L=p0-p8;表示中心像素点与左边像素点的差值。
nV_R=p0-p4;表示中心像素点与右边像素点的差值。
nV_T=p0-p2;表示中心像素点与上边像素点的差值。
nV_B=p0-p6;表示中心像素点与下边像素点的差值。
nV_TL=p0-p1;表示中心像素点与左上角像素点的差值。
nV_BR=p0-p5;表示中心像素点与右下角像素点的差值。
nV_TR=p0-p3;表示中心像素点与右上角像素点的差值。
nV_BL=p0-p7;表示中心像素点与左下角像素点的差值。
p0、p1、p2、p3、p4、p5、p6、p7、p8分别表示中心像素点的值、左上角像素点的值、上边像素点的值、右上角像素点的值、右边像素点的值、右下角像素点的值、下边像素点的值、左下角像素点的值、左边像素点的值。
在本发明实施例二中,第四统计模块具体可以用于:如果以下条件成立,则该像素点的差分强度达到预定阈值,N2计数加1;
当nV_L>T时;或者
当nV_L<-T时;或者
当nV_R>T时;或者
当nV_R<-T时;或者
当nV_T>T时;或者
当nV_T<-T时;或者
当nV_B>T时;或者
当nV_B<-T时
在本发明实施例二中,第六统计模块具体可以包括:
平分模块,用于将每一QCIF图像按灰度值,平均分成多个级别(n个级别);
赋值模块,用于将每一QCIF图像的像素按照灰度等级重新赋值,获得灰度分层的图像;亮度级别从0~255,以分成8等级为例:0~31为等级0,灰度设置为0;32~63为等级1,灰度设置为32;64~95为等级2,灰度设置为64;……224~255为等级7,灰度设置为224;
计数模块,用于在分层的图像中寻找孤立像素点,并且计数。
其中,孤立像素点的判断方法为:如果像素点与8邻域的所有8个像素点的差异都大于阈值T,则被认为是一个孤立像素点。其中T是自然数;
本发明实施例还提供了一种包括本发明实施例二提供的图像模糊的检测系统的摄像机。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像模糊的检测方法,其特征在于,所述方法包括:
在预设检测周期内每隔一预定时间从视频中抽取一帧图像;
每抽取一帧图像则对所述图像进行下采样得到QCIF图像;
对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;
根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊。
2.如权利要求1所述的方法,其特征在于,所述每抽取一帧图像则对所述图像进行下采样得到QCIF图像具体包括:
每抽取一帧图像则对所述图像进行下采样,得到CIF图像;
对CIF图像进行降噪处理并且下采样,得到QCIF图像。
3.如权利要求1或2所述的方法,其特征在于,所述对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值具体包括:
统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
统计在预设检测周期内的所有QCIF图像中,突变的像素点的数量N1小于或等于预定值n的次数Tn;其中n是自然数;
所述根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊具体为:
当突变的像素点的数量N1小于50的次数T50>10、突变的像素点的数量N1小于20的次数T20>5、或者突变的像素点的数量N1等于0的次数T0>2时,确定所述视频的图像是模糊的。
4.如权利要求1或2所述的方法,其特征在于,所述对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值具体包括:
统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
统计在预设检测周期内的每一QCIF图像中差分强度达到预定阈值的像素点的数量N2;
通过公式nRatio=N2/(N1+1),计算出倍数nRatio;
统计在预设检测周期内的所有QCIF图像中,nRatio>r的次数Tr,其中r是自然数;
所述根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊具体为:
当nRatio>8的次数T8>10时,确定所述视频的图像是模糊的。
5.如权利要求1或2所述的方法,其特征在于,所述对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值具体包括:
统计在预设检测周期内的每一QCIF图像中分层图像孤立像素点数量;
统计在预设检测周期内的所有QCIF图像中,分层图像孤立像素点数量不为0的次数;
所述根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊具体为:
当分层图像孤立像素点数量不为0的次数等于0时,确定所述视频的图像是模糊的。
6.一种图像模糊的检测系统,其特征在于,所述系统包括:
抽取模块,用于在预设检测周期内每隔一预定时间从视频中抽取一帧图像;
下采样模块,用于每抽取一帧图像则对所述图像进行下采样得到QCIF图像;
分析模块,用于对在预设检测周期内的所有QCIF图像进行分析,得到用于判断图像是否模糊的值;
确定模块,用于根据所述用于判断图像是否模糊的值确定所述视频的图像是否模糊。
7.如权利要求6所述的系统,其特征在于,所述分析模块具体包括:
第一统计模块,用于统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
第二统计模块,用于统计在预设检测周期内的所有QCIF图像中,突变的像素点的数量N1小于或等于预定值n的次数Tn;其中n是自然数;
所述确定模块具体用于:当突变的像素点的数量N1小于50的次数T50>10、突变的像素点的数量N1小于20的次数T20>5、或者突变的像素点的数量N1等于0的次数T0>2时,确定所述视频的图像是模糊的。
8.如权利要求6所述的系统,其特征在于,所述分析模块具体包括:
第三统计模块,用于统计在预设检测周期内的每一QCIF图像中突变的像素点的数量N1;
第四统计模块,用于统计在预设检测周期内的每一QCIF图像中差分强度达到预定阈值的像素点的数量N2;
计算模块,用于通过公式nRatio=N2/(N1+1),计算出倍数nRatio;
第五统计模块,用于统计在预设检测周期内的所有QCIF图像中,nRatio>r的次数Tr,其中r是自然数;
所述确定模块具体用于:当nRatio>8的次数T8>10时,确定所述视频的图像是模糊的。
9.如权利要求6所述的系统,其特征在于,所述分析模块具体包括:
第六统计模块,用于统计在预设检测周期内的每一QCIF图像中分层图像孤立像素点数量;
第七统计模块,用于统计在预设检测周期内的所有QCIF图像中,分层图像孤立像素点数量不为0的次数;
所述确定模块具体用于:当分层图像孤立像素点数量不为0的次数等于0时,确定所述视频的图像是模糊的。
10.一种包括权利要求6至9任一项所述的图像模糊的检测系统的摄像机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510040814.2A CN104780310A (zh) | 2015-01-27 | 2015-01-27 | 一种图像模糊的检测方法、系统及摄像机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510040814.2A CN104780310A (zh) | 2015-01-27 | 2015-01-27 | 一种图像模糊的检测方法、系统及摄像机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104780310A true CN104780310A (zh) | 2015-07-15 |
Family
ID=53621526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510040814.2A Pending CN104780310A (zh) | 2015-01-27 | 2015-01-27 | 一种图像模糊的检测方法、系统及摄像机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104780310A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111246203A (zh) * | 2020-01-21 | 2020-06-05 | 上海悦易网络信息技术有限公司 | 相机模糊检测方法及装置 |
CN112040188A (zh) * | 2020-09-01 | 2020-12-04 | 深圳市天一智联科技有限公司 | 基于头盔识别用户跌倒方向的方法、装置和计算机设备 |
CN114422713A (zh) * | 2022-03-29 | 2022-04-29 | 湖南航天捷诚电子装备有限责任公司 | 一种图像采集及智能判读处理装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2003615A1 (de) * | 2007-06-12 | 2008-12-17 | Siemens Building Technologies Fire & Security Products GmbH & Co. oHG | Verfahren und Einrichtung zur automatischen Beurteilung der Bildqualität von Videobildern |
CN102378041A (zh) * | 2011-10-25 | 2012-03-14 | 中兴通讯股份有限公司 | 一种图像质量检测方法及装置 |
CN102598687A (zh) * | 2009-10-10 | 2012-07-18 | 汤姆森特许公司 | 计算视频图像中的模糊的方法和装置 |
CN103093178A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频图像清晰度及移动幅度检测方法 |
-
2015
- 2015-01-27 CN CN201510040814.2A patent/CN104780310A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2003615A1 (de) * | 2007-06-12 | 2008-12-17 | Siemens Building Technologies Fire & Security Products GmbH & Co. oHG | Verfahren und Einrichtung zur automatischen Beurteilung der Bildqualität von Videobildern |
CN102598687A (zh) * | 2009-10-10 | 2012-07-18 | 汤姆森特许公司 | 计算视频图像中的模糊的方法和装置 |
CN102378041A (zh) * | 2011-10-25 | 2012-03-14 | 中兴通讯股份有限公司 | 一种图像质量检测方法及装置 |
CN103093178A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频图像清晰度及移动幅度检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111246203A (zh) * | 2020-01-21 | 2020-06-05 | 上海悦易网络信息技术有限公司 | 相机模糊检测方法及装置 |
CN112040188A (zh) * | 2020-09-01 | 2020-12-04 | 深圳市天一智联科技有限公司 | 基于头盔识别用户跌倒方向的方法、装置和计算机设备 |
CN112040188B (zh) * | 2020-09-01 | 2022-07-08 | 深圳市天一智联科技有限公司 | 基于头盔识别用户跌倒方向的方法、装置和计算机设备 |
CN114422713A (zh) * | 2022-03-29 | 2022-04-29 | 湖南航天捷诚电子装备有限责任公司 | 一种图像采集及智能判读处理装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230357B (zh) | 关键点检测方法、装置、存储介质和电子设备 | |
US10440390B2 (en) | Rapid selection method for video intra prediction mode and apparatus thereof | |
WO2014044158A1 (zh) | 一种图像中的目标物体识别方法及装置 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN110060278B (zh) | 基于背景减法的运动目标的检测方法及装置 | |
CN104680504A (zh) | 场景变化检测方法及其装置 | |
CN113763270B (zh) | 蚊式噪声去除方法及电子设备 | |
US20180308236A1 (en) | Image Background Subtraction For Dynamic Lighting Scenarios | |
CN111046862A (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
JP5939023B2 (ja) | コンピュータプログラム及び画像抽出装置 | |
CN104780310A (zh) | 一种图像模糊的检测方法、系统及摄像机 | |
CN105979283A (zh) | 视频转码方法和装置 | |
CN110991437A (zh) | 字符识别方法及其装置、字符识别模型的训练方法及其装置 | |
CN117576632A (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN104602096A (zh) | 一种视频字幕区的检测方法和装置 | |
CN110458203B (zh) | 一种广告图像素材检测方法 | |
JPWO2021019830A5 (zh) | ||
CN111369557A (zh) | 图像处理方法、装置、计算设备和存储介质 | |
CN111311584A (zh) | 视频质量评估方法及装置、电子设备、可读介质 | |
Banterle et al. | Real-Time High Fidelity Inverse Tone Mapping for Low Dynamic Range Content. | |
CN116486340A (zh) | 传送带的异物检测方法、装置、存储介质和处理器 | |
CN105913427A (zh) | 一种基于机器学习的噪声图像显著性检测方法 | |
TWI511545B (zh) | 數位視訊的區塊雜訊偵測 | |
US20160196473A1 (en) | Video Extraction Method and Device | |
CN114429479A (zh) | 一种基于图像分割网络的遥感图像分割方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150715 |