CN105528757B - 一种基于内容的图像美学质量提升方法 - Google Patents
一种基于内容的图像美学质量提升方法 Download PDFInfo
- Publication number
- CN105528757B CN105528757B CN201510898145.2A CN201510898145A CN105528757B CN 105528757 B CN105528757 B CN 105528757B CN 201510898145 A CN201510898145 A CN 201510898145A CN 105528757 B CN105528757 B CN 105528757B
- Authority
- CN
- China
- Prior art keywords
- image
- classification
- need
- adjusted
- aesthetic quality
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 239000000203 mixture Substances 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 230000002146 bilateral effect Effects 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- 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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
- G06T3/02—Affine transformations
-
- 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
- G06T3/60—Rotation of whole images or parts thereof
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于内容的图像美学质量提升方法,跟据预先训练好的类别分类器,对需调整的图像进行四大类别的图像分类,分别是人脸类别图像,建筑类别图像,夜景类别图像和其它类别图像。针对四大类别图像,分别对其进行相应的图像美学质量提升。人脸类别图像采用双边滤波的人脸磨皮处理;建筑类别图像采用调整水平和垂直平面的方法处理;夜景类别图像采用去除动态模糊处理;其它类别图像通过图像裁剪来调整图像构图处理。本发明在图像美学质量提升上会根据图像内容进行自适应调节,并且算法实现简单,易适配于运算能力弱的移动终端上实现。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种基于内容的图像美学质量提升方法。
背景技术
目前,在图像质量评价方面,有大量的发明专利公开,可是在图像质量提高方面,只有个别的发明专利公开。其中专利申请CN104427347A,提出了一种网络摄像机视频监控系统图像质量提高方法,涉及一种网络摄像机视频监控系统图像质量提高方法,其特点是:获取基于EBMA准则的最小匹配代价,将最小匹配代价与代价阈值进行比对,获取最佳候选运动矢量,根据得到的最佳候选运动矢量对丢失图像进行质量提高。由此,实现了多分块模式加权的时域错误隐藏数据处理。同时,简单高效,能够有效对运动矢量,极大提升画面质量,尤其是提高网络摄像机视频监控系统中终端的视频图像。专利申请CN1757055,提出一种有源矩阵阵列器件,具有有源矩阵阵列器件的电子设备和用于这种电子设备的图像质量提高方法,利用硬件设计的方法,在在其充电周期的一部分期间过激励被寻址矩阵阵列单元。这样,降低了对应的电荷存储单元和/和对应的输出单元的充电时间,从而最终达到提高图像感光质量的提升。这些专利都未涉及如何提升图像质量,尤其是图像感观美学质量。
发明内容
为了克服现有技术的上述缺点与不足,本发明的目的在于一种基于内容的图像美学质量提升方法,简单易实现,对于运算要求偏低。
本发明的目的通过以下技术方案实现:
一种基于内容的图像美学质量提升方法,包括以下步骤:
S1图像内容感知识别
S1.1收集四大类别的图像照片,分别是人脸、建筑、夜景和其它类别的图像,并将图像组成训练集;所述其它类别的图像为除人脸、建筑、夜景以外的图像;
S1.2提取训练集中每张图像的SIFT特征,送入多类的SVM支持矢量机进行训练,得到四大类别图像的分界面模型;
S1.3将需调整的图像送入S1.2步骤所得的四大类别图像的分界面模型,得到其对应的类别输出:
S2根据需调整的图像类别来进行图像质量调整:
S2.1如果需调整的图像是人脸类别图像,对人脸区域采用双边滤波器进行肤色滤波;
S2.2如果需调整的图像是建筑类别图像,图像质量调整过程如下:
S2.2.1进行Canny边缘检测,得到图像边缘的二分图;
S2.2.2进行霍夫变换的直线检测,检测出需调整的图像中所有的直线,计算最长的直线与水平方向的夹角θ';
S2.2.3对需调整的图像进行几何变换:以步骤S2.2.2得到的最长的直线为基准,旋转图像,使图像中的建筑垂直于水平面;
S2.3如果需调整的图像是夜景类别图像,进行去模糊处理;
S2.4如果需调整的图像是其它类别图像,通过修改图像构图优化图像美学质量:
S2.4.1采用基于图像的显著度的图像主题区域检测方法,提取图像主题区域;
S2.4.2根据主题区域裁剪子图像;
S2.4.3使用图像美学评分系统计算子图像的美学评分;
S2.4.4选择美学评分最高的子图像并保存,最高评分的子图像是构图优化的结果。
步骤S2.1所述采用双边滤波器对人脸区域进行肤色滤波,具体为:
对像素x,高斯滤波响应Bx如下:
其中,σ是高斯卷积核参数,S是领域关系,q是领域内的所有像素点,p是当前滤波的像素点,y是像素点x的邻域S中的像素点,Wp是归一化因子,Ix、Iy分别是像素点x和y的像素值,Gs是传统的高斯加权因子,Gr是像素相似度因子。
步骤S2.1中采用双边滤波器对人脸区域进行肤色滤波之前,进行以下步骤:
首先利用OpenCV自带的人脸检测模块,对于人脸类别图像进行人脸检测;检测到人脸区域后,计算人脸区域大小占整个人脸类别图像大小的比例,如果超过设定的比例阈值,则进行肤色滤波,否则,不做任何处理。
步骤S2.2.3所述以步骤S2.2.2得到的最长的直线为基准,旋转图像,使图像中的建筑垂直于水平面,具体为:
使用仿射变换中旋转变换形式旋转图像,其数学表达为:
其中M是旋转矩阵,(X',Y')为旋转后的需调整的图像坐标,(X,Y)为未经旋转的需调整的图像坐标,θ为旋转的角度。
步骤S2.3所述去模糊处理,具体为:
基于需调整的图像做分析,构造出真实图像与需调整的图像之间的模糊核函数;
假设真实图像f(x,y)经过模糊核K的作用后,加入随机噪声n(x,y)后输出模糊图像g(x,y),数学模型描述为:
步骤S2.4.2所述根据主题区域裁剪子图像,具体为:以大于等于75%的比例裁剪图像。
步骤S2.4.1所述基于图像的显著度的图像主题区域检测方法,具体为:采用图切分图像分割方法将图像分割成N个区域,统计整个图像和每个分割后区域的直方图信息;计算各个分割区域直方图和整体图像直方图的卡方距离,选取P个距离最大的区域作为图像的主题区域;N为正整数;P为正整数。
步骤S2.4.1所述图像美学评分系统的实现过程为:
选用图像美学评分AVA数据库,利用LibSVM自回归模型进行训练后得到拟合模型,采用模型对输入的图像自动拟合,输出图像美学分值。
与现有技术相比,本发明具有以下优点和有益效果:
(1)本发明的图像美学质量简单易实现,对于运算要求偏低,所以可以很好地移植到手机等移动终端上。
(2)本发明针对不同类型的图像内容采用有针对性的图像质量提升方法,在人脸类图像采用磨皮处理,在建筑类图像中采用水平和垂直线调整,在夜景图像中采用去动态模糊处理,在其它类图像中通过调整图像构图处理。
(3)本发明的图像内容感知是自动识别和处理的,通过学习四大类别图像的特征,并找寻四大类别的最大分类平面,从而自动判别当前图像所属类别。
附图说明
图1为本发明的实施例的图像内容感知识别的流程图。
图2为本发明的实施例的针对人脸类别图像的美学质量提升方法的流程图。
图3为本发明的针对其它类别图像的美学质量提升方法的流程图。
具体实施方式
下面结合实施例,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
本实施例的基于内容的图像美学质量提升方法,包括以下步骤:
S1图像内容感知识别,过程如图1所示:
S1.1从互联网上收集四大类别的图像照片,分别是人脸、建筑、夜景和其它类别的图像,每个类别都有1万张图像,并将图像组成训练集;所述其它类别的图像为除人脸、建筑、夜景以外的图像;
S1.2提取训练集中每张图像的SIFT特征(Scale-invariant feature transform,尺度不变特征转换),送入多类的SVM(Support Vector Machine)支持矢量机进行训练,得到四大类别图像的分界面模型;
S1.3将需调整的图像送入S1.2步骤所得的四大类别图像的分界面模型,得到其对应的类别输出:
S2根据需调整的图像类别来进行图像质量调整
S2.1如果需调整的图像是人脸类别图像,根据人脸区域大小,决定是否采用双边滤波器进行肤色滤波,过程如图2所示:
首先利用OpenCV自带的人脸检测模块,对于人脸类别图像进行人脸检测。检测到人脸区域后,计算当前人脸区域大小占整个图像大小的比例,如果人脸区域大小在整个图像的占比超过比例U(本发明比例选择为50%),则进行磨皮处理,否则,人脸图像将不做任何处理。本实施例所述的磨皮为采用双边滤波器进行肤色滤波,使面部区域光滑,与经典的高斯滤波类似,双边滤波也是滤波窗口内像素点的邻近加权平均,但双边滤波考虑了邻近像素间的差异。
对像素x,高斯滤波响应Bx如下:
其中,σ是高斯卷积核参数,S是领域关系,q是领域内的所有像素点,p是当前滤波的像素点,y是像素点x的邻域S中的像素点,Wp是归一化因子,Ix、Iy分别是像素点x和y的像素值,Gs是传统的高斯加权因子,Gr是像素相似度因子;在邻域像素点与中心像素点相近时,像素相似度因子趋近于1,而在灰度相似度差异较大的情况下趋近于0。在图像平缓的区域内,邻域内像素点的像素值相似,双边滤波器相当于低通滤波器,它计算邻域内加权平均消除噪声;而在图像剧烈变化的区域,像素值不相近的像素点的像素相似度因子趋近于0,此时双边滤波用边缘点邻域内像素值相似的像素点的平均代替了原像素值,这是双边滤波具有保留边缘去除噪声的原理。
S2.2如果需调整的图像是建筑类别图像,图像质量调整过程如下:
S2.2.1进行Canny边缘检测,得到图像边缘的二分图;
S2.2.2进行霍夫变换的直线检测,检测出需调整的图像中所有的直线,计算最长的直线与水平方向的夹角θ';
S2.2.3对需调整的图像进行几何变换:为了改善建筑类图像的平衡性,需要对图像几何变换,适当旋转图像,使图像中的建筑垂直于水平面,本发明使用仿射变换中旋转变换形式旋转图像。图像的仿射变换通过一系列矩阵原子变换的组合来实现:
使用仿射变换中旋转变换形式旋转图像,其数学表达为:
其中M是旋转矩阵,(X',Y')为旋转后的需调整的图像坐标,(X,Y)为未经旋转的需调整的图像坐标,θ为旋转的角度;
S2.3如果需调整的图像是夜景类别图像,进行去模糊处理:
基于需调整的图像做分析,构造出真实图像与需调整的图像之间的模糊核函数,模糊核函数的估计方法本发明选用香港中文大学的二阶段图像去模糊技术,此技术发表在ECCV2010年会议上(参考文献详情Xu L,Jia J.Two-phase kernel estimation forrobust motion deblurring[M]//Computer Vision–ECCV 2010.Springer BerlinHeidelberg,2010:157-170.);
假设真实图像f(x,y)经过模糊核K的作用后,加入随机噪声n(x,y)后输出模糊图像g(x,y),数学模型描述为:
图像去模糊的过程是通过模糊图像g(x,y)通过方法估计模糊核函数K,然后解卷积得到真实图像。本发明采用文献中的基于空间先验知识和迭代的检测方法(具体实现详情请参考文献Xu L,Jia J.Two-phase kernel estimation for robust motiondeblurring[M]//Computer Vision–ECCV 2010.Springer Berlin Heidelberg,2010:157-170.)
S2.4如果需调整的图像是其它类别图像,通过修改图像构图优化图像美学质量,过程如图3所示:
S2.4.1采用基于图像的显著度的图像主题区域检测方法,提取图像主题区域;其实现过程是,将graphcut(图切分)图像分割方法成N个区域(本实施例中N=100),统计整个图像和每个分割后区域的直方图信息。整体图像的直方图为D',各个分割区域的直方图为Di,i对应其区域的编号。计算各个分割区域直方图和整体图像直方图的卡方距离,选取P个距离最大的区域(本发明P=20)为图像主题区域;N为正整数;P为正整数。
S2.4.2根据主题区域裁剪子图像:以大于等于75%的比例裁剪图像;
S2.4.3使用图像美学评分系统计算子图像的美学评分;本实施例选用的图像美学评分系统实现过程是:选用图像美学评分AVA数据库(数据库地址是http://lucamarchesotti.com/ava/),利用LibSVM自回归模型(https://www.csie.ntu.edu.tw/~cjlin/libsvm/)进行训练后,可得到拟合模型,此模型可以对输入的图像自动拟合其图像美学分值进行输出。
S2.4.4选择美学评分最高的子图像并保存,最高评分的子图像是构图优化的结果。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种基于内容的图像美学质量提升方法,其特征在于,包括以下步骤:
S1图像内容感知识别
S1.1收集四大类别的图像照片,分别是人脸、建筑、夜景和其它类别的图像,并将图像组成训练集;所述其它类别的图像为除人脸、建筑、夜景以外的图像;
S1.2提取训练集中每张图像的SIFT特征,送入多类的SVM支持矢量机进行训练,得到四大类别图像的分界面模型;
S1.3将需调整的图像送入S1.2步骤所得的四大类别图像的分界面模型,得到其对应的类别输出:
S2根据需调整的图像类别来进行图像质量调整:
S2.1如果需调整的图像是人脸类别图像,对人脸区域采用双边滤波器进行肤色滤波;
S2.2如果需调整的图像是建筑类别图像,图像质量调整过程如下:
S2.2.1进行Canny边缘检测,得到图像边缘的二分图;
S2.2.2进行霍夫变换的直线检测,检测出需调整的图像中所有的直线,计算最长的直线与水平方向的夹角θ';
S2.2.3对需调整的图像进行几何变换:以步骤S2.2.2得到的最长的直线为基准,旋转图像,使图像中的建筑垂直于水平面;
S2.3如果需调整的图像是夜景类别图像,进行去模糊处理;
S2.4如果需调整的图像是其它类别图像,通过修改图像构图优化图像美学质量:
S2.4.1采用基于图像的显著度的图像主题区域检测方法,提取图像主题区域;
S2.4.2根据主题区域裁剪子图像;
S2.4.3使用图像美学评分系统计算子图像的美学评分;
S2.4.4选择美学评分最高的子图像并保存,最高评分的子图像是构图优化的结果。
2.根据权利要求1所述的基于内容的图像美学质量提升方法,其特征在于,步骤S2.1所述采用双边滤波器对人脸区域进行肤色滤波,具体为:
对像素x,高斯滤波响应Bx如下:
其中,σ是高斯卷积核参数,S是领域关系,q是领域内的所有像素点,p是当前滤波的像素点,y是像素点x的邻域S中的像素点,Wp是归一化因子,Ix、Iy分别是像素点x和y的像素值,Gs是传统的高斯加权因子,Gr是像素相似度因子。
3.根据权利要求1或2所述的基于内容的图像美学质量提升方法,其特征在于,步骤S2.1中采用双边滤波器对人脸区域进行肤色滤波之前,进行以下步骤:
首先利用OpenCV自带的人脸检测模块,对于人脸类别图像进行人脸检测;检测到人脸区域后,计算人脸区域大小占整个人脸类别图像大小的比例,如果超过设定的比例阈值,则进行肤色滤波,否则,不做任何处理。
4.根据权利要求1所述的基于内容的图像美学质量提升方法,其特征在于,步骤S2.2.3所述以步骤S2.2.2得到的最长的直线为基准,旋转图像,使图像中的建筑垂直于水平面,具体为:
使用仿射变换中旋转变换形式旋转图像,其数学表达为:
其中M是旋转矩阵,(X',Y')为旋转后的需调整的图像坐标,(X,Y)为未经旋转的需调整的图像坐标,θ为旋转的角度。
5.根据权利要求1所述的基于内容的图像美学质量提升方法,其特征在于,步骤S2.3所述去模糊处理,具体为:
基于需调整的图像做分析,构造出真实图像与需调整的图像之间的模糊核函数;
假设真实图像f(x,y)经过模糊核K的作用后,加入随机噪声n(x,y)后输出模糊图像g(x,y),数学模型描述为:
6.根据权利要求1所述的基于内容的图像美学质量提升方法,其特征在于,步骤S2.4.2所述根据主题区域裁剪子图像,具体为:以大于等于75%的比例裁剪图像。
7.根据权利要求1所述的基于内容的图像美学质量提升方法,其特征在于,步骤S2.4.1所述基于图像的显著度的图像主题区域检测方法,具体为:采用图切分图像分割方法将图像分割成N个区域,统计整个图像和每个分割后区域的直方图信息;计算各个分割区域直方图和整体图像直方图的卡方距离,选取P个距离最大的区域作为图像的主题区域;N为正整数;P为正整数。
8.根据权利要求1所述的基于内容的图像美学质量提升方法,其特征在于,步骤S2.4.1所述图像美学评分系统的实现过程为:
选用图像美学评分AVA数据库,利用LibSVM自回归模型进行训练后得到拟合模型,采用模型对输入的图像自动拟合,输出图像美学分值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510898145.2A CN105528757B (zh) | 2015-12-08 | 2015-12-08 | 一种基于内容的图像美学质量提升方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510898145.2A CN105528757B (zh) | 2015-12-08 | 2015-12-08 | 一种基于内容的图像美学质量提升方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105528757A CN105528757A (zh) | 2016-04-27 |
CN105528757B true CN105528757B (zh) | 2019-01-29 |
Family
ID=55770964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510898145.2A Expired - Fee Related CN105528757B (zh) | 2015-12-08 | 2015-12-08 | 一种基于内容的图像美学质量提升方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105528757B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106231190A (zh) * | 2016-08-03 | 2016-12-14 | 深圳市金立通信设备有限公司 | 一种基于前后摄像头双开的成像方法及终端 |
CN106875433A (zh) * | 2017-03-09 | 2017-06-20 | 广东欧珀移动通信有限公司 | 裁剪构图的控制方法、控制装置及电子装置 |
CN107146198B (zh) * | 2017-04-19 | 2022-08-16 | 中国电子科技集团公司电子科学研究院 | 一种照片智能裁剪方法及装置 |
CN107392244B (zh) * | 2017-07-18 | 2020-08-28 | 厦门大学 | 基于深度神经网络与级联回归的图像美感增强方法 |
CN107492079A (zh) * | 2017-08-28 | 2017-12-19 | 维沃移动通信有限公司 | 一种图像磨皮方法及移动终端 |
US11314988B2 (en) | 2017-12-15 | 2022-04-26 | Huawei Technologies Co., Ltd. | Image aesthetic processing method and electronic device |
CN108198130B (zh) * | 2017-12-28 | 2021-09-28 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN109146892B (zh) * | 2018-07-23 | 2020-06-19 | 北京邮电大学 | 一种基于美学的图像裁剪方法及装置 |
CN110175530A (zh) * | 2019-04-30 | 2019-08-27 | 上海云从企业发展有限公司 | 一种基于人脸的图像评分方法及系统 |
CN111757012A (zh) * | 2020-07-16 | 2020-10-09 | 盐城工学院 | 基于个体与摄影美学结合的图像处理方法 |
CN112839167B (zh) * | 2020-12-30 | 2023-06-30 | Oppo(重庆)智能科技有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218619A (zh) * | 2013-03-15 | 2013-07-24 | 华南理工大学 | 一种图像美学评价方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8311364B2 (en) * | 2009-09-25 | 2012-11-13 | Eastman Kodak Company | Estimating aesthetic quality of digital images |
CN102779338B (zh) * | 2011-05-13 | 2017-05-17 | 欧姆龙株式会社 | 图像处理方法和图像处理装置 |
-
2015
- 2015-12-08 CN CN201510898145.2A patent/CN105528757B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218619A (zh) * | 2013-03-15 | 2013-07-24 | 华南理工大学 | 一种图像美学评价方法 |
Non-Patent Citations (6)
Title |
---|
Content-based photo quality assessment;Wei Luo等;《International Conference on Computer Vision》;20111113;第15卷(第8期);第2206-2213页 |
Two-Phase Kernel Estimation for Robust Motion Deblurring;Li Xu等;《European Conference on Computer Vision》;20101231;第6311卷;第157-170页 |
基于图像分类的图像美学评价研究;高寒等;《智能计算机与应用》;20130801;第3卷(第4期);第39-41页 |
基于构图规则的图像美学优化;王伟凝等;《华南理工大学学报(自然科学版)》;20150515(第05期);第51-58页 |
网络爬虫的图像美学质量数据库及其美学评价系统设计;郭礼华等;《系统工程理论与实践》;20140625;第34卷;第228-233页 |
计算机图像美学分类与评价系统研究;蔡冬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150115(第01期);第I138-889页 |
Also Published As
Publication number | Publication date |
---|---|
CN105528757A (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105528757B (zh) | 一种基于内容的图像美学质量提升方法 | |
Fan et al. | Homomorphic filtering based illumination normalization method for face recognition | |
CN102360421B (zh) | 一种基于视频流的人脸识别方法及系统 | |
Radman et al. | Automated segmentation of iris images acquired in an unconstrained environment using HOG-SVM and GrowCut | |
Chen et al. | Visual depth guided color image rain streaks removal using sparse coding | |
US10096091B2 (en) | Image generating method and apparatus | |
WO2019133403A1 (en) | Multi-resolution feature description for object recognition | |
CN108614999B (zh) | 基于深度学习的眼睛睁闭状态检测方法 | |
KR20180109665A (ko) | 객체 검출을 위한 영상 처리 방법 및 장치 | |
KR101727438B1 (ko) | 가변형 표현 검출기 | |
CN111028170B (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN108416291B (zh) | 人脸检测识别方法、装置和系统 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN107194946B (zh) | 一种基于fpga的红外显著物体检测方法 | |
CN105046278B (zh) | 基于Haar特征的Adaboost检测算法的优化方法 | |
CN113592776A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
Katramados et al. | Real-time visual saliency by division of gaussians | |
CN114830168A (zh) | 图像重建方法、电子设备和计算机可读存储介质 | |
CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及系统 | |
Chen et al. | Visual depth guided image rain streaks removal via sparse coding | |
CN107153806B (zh) | 一种人脸检测方法及装置 | |
Assheton et al. | A shape-based voting algorithm for pedestrian detection and tracking | |
Feng et al. | Low-light image enhancement by refining illumination map with self-guided filtering | |
CN116959113A (zh) | 步态识别方法及装置 | |
Lin et al. | Face detection based on skin color segmentation and SVM classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190129 Termination date: 20211208 |