CN107680085A - 一种显示效果好的图像显示系统 - Google Patents

一种显示效果好的图像显示系统 Download PDF

Info

Publication number
CN107680085A
CN107680085A CN201710862306.1A CN201710862306A CN107680085A CN 107680085 A CN107680085 A CN 107680085A CN 201710862306 A CN201710862306 A CN 201710862306A CN 107680085 A CN107680085 A CN 107680085A
Authority
CN
China
Prior art keywords
mrow
image
msub
msubsup
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.)
Pending
Application number
CN201710862306.1A
Other languages
English (en)
Inventor
黄信文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Shengda Machine Design Co Ltd
Original Assignee
Shenzhen Shengda Machine Design Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Shengda Machine Design Co Ltd filed Critical Shenzhen Shengda Machine Design Co Ltd
Priority to CN201710862306.1A priority Critical patent/CN107680085A/zh
Publication of CN107680085A publication Critical patent/CN107680085A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30168Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明提供了一种显示效果好的图像显示系统,包括图像接收器、图像处理器、控制器、显示器和图像质量评价装置,所述图像接收器用于接收高动态范围图像,所述图像处理器用于对所述高动态范围图像进行处理,所述控制器基于所述处理后高动态范围图像的亮度信息以及所述显示器上能够显示的光强度的信息来设定所述高动态范围图像的光强度信息,所述显示器用于根据控制器设定的光强度信息显示所述高动态范围图像,所述图像质量评价装置用于对所述显示的高动态范围图像质量进行评价。本发明的有益效果为:实现了高动态范围图像的显示和质量评价。

Description

一种显示效果好的图像显示系统
技术领域
本发明涉及图像显示技术领域,具体涉及一种显示效果好的图像显示系统。
背景技术
图像显示系统具有提供用户观看图像的功能,可以接收图像并对图像进行显示,近年来,提出了将高动态范围图像作为图像显示系统的输入,对图像显示提出了新的挑战。
数字图像在获取、传输、压缩等过程中,会出现各种失真和质量退化现象。客观图像质量评价方法能够有效评价图像中的失真,并与人眼视觉保持一致,具有重要的研究意义。
当前人们所熟知和使用的图像绝大多数都是彩色图像,彩色图像能够直观还原自然环境中的信息,并进行高效的信息交流和描述。但是,目前绝大多数质量评价都针对灰度图像进行。
发明内容
针对上述问题,本发明旨在提供一种显示效果好的图像显示系统。
本发明的目的采用以下技术方案来实现:
提供了一种显示效果好的图像显示系统,包括图像接收器、图像处理器、控制器、显示器和图像质量评价装置,所述图像接收器用于接收高动态范围图像,所述图像处理器用于对所述高动态范围图像进行处理,所述控制器基于所述处理后高动态范围图像的亮度信息以及所述显示器上能够显示的光强度的信息来设定所述高动态范围图像的光强度信息,所述显示器用于根据控制器设定的光强度信息显示所述高动态范围图像,所述图像质量评价装置用于对所述显示的高动态范围图像质量进行评价。
本发明的有益效果为:实现了高动态范围图像的显示和质量评价。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
图像接收器1、图像处理器2、控制器3、显示器4、图像质量评价装置5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种显示效果好的图像显示系统,包括图像接收器1、图像处理器2、控制器3、显示器4和图像质量评价装置5,所述图像接收器1用于接收高动态范围图像,所述图像处理器2用于对所述高动态范围图像进行处理,所述控制器3基于所述处理后高动态范围图像的亮度信息以及所述显示器4上能够显示的光强度的信息来设定所述高动态范围图像的光强度信息,所述显示器4用于根据控制器3设定的光强度信息显示所述高动态范围图像,所述图像质量评价装置5用于对所述显示的高动态范围图像质量进行评价。
本实施例实现了高动态范围图像的显示和质量评价。
优选的,所述对所述高动态范围图像进行处理为对图像进行滤波处理。
本优选实施例提高了高动态范围图像质量。
优选的,所述显示器4为高清显示屏。
本优选实施例显示图像更为清晰。
优选的,所述图像质量评价装置5包括第一质量评价模块、第二质量评价模块、综合质量评价模块和准确性评估模块,所述第一质量评价模块基于图像特征对图像质量进行评价,所述第二质量评价模块基于图像梯度对图像质量进行评价,所述综合质量评价模块用于根据所述第一质量评价模块和第二质量评价模块对图像质量进行综合评价,所述准确性评估模块用于对综合质量评价模块的准确性进行评估。
本优选实施例图像质量评价装置实现了对显示图像质量的控制。
优选的,所述基于图像特征对图像质量进行评价,采用以下方式进行:
第一步、设原始图像和失真图像大小均为A×B,将原始图像和失真图像用四元数表示为Er和Es,将图像划分为不重叠的大小为C×C的块,分别记为其中, 分别表示对A/C和B/C向下取整;
第二步、计算原始图像每个图像块的四元数矩
计算失真图像每个图像块的四元数矩
在式子里,m,n∈{0,1,…,C-1)};
第三步、计算原始图像每个块的特征
计算失真图像每个块的特征
第四步、计算失真图像的第一相似性分数: 在式子里,EH1表示失真图像的第一相似性分数,第一相似性分数越高,表明失真图像质量越高。
本优选实施例第一质量评价模块将彩色图像看作一个向量,从而图像的颜色信息得以保留,通过计算失真图像的第一相似性分数,综合了每个图像块的特征,提高了图像质量评价的准确性,有助于提高显示系统的显示水平。
优选的,所述基于图像梯度对图像质量进行评价,采用以下方式进行:
第一步、将原始图像和失真图像转换为灰度图像,根据灰度图像求取原始图像每个块的梯度和失真图像每个块的梯度
第二步、计算失真图像的第二相似性分数:
在式子里,EH2表示失真图像的第二相似性分数,第二相似性分数越高,表明失真图像质量越高。
本优选实施例第二质量评价模块将梯度作为图像评价的因素,有效弥补了第一质量评价模块对于微弱失真不敏感的不足,能够捕捉到图像的微弱失真,获得了较好的评价效果,且对灰度图像和彩色图像同样有效,有助于提高显示系统的显示水平。
优选的,所述综合质量评价模块包括第一处理单元、第二处理单元和第三处理单元,所述第一处理单元用于计算失真图像的第一质量分数,所述第二处理单元用于计算失真图像的第二质量分数,所述第三处理单元用于计算失真图像的质量分数,具体的:
根据第一相似性分数计算失真图像的第一质量分数:
在式子里,YW1表示失真图像的第一质量分数;
根据第二相似性分数计算失真图像的第二质量分数:
在式子里,YW2表示失真图像的第二质量分数;
根据第一质量分数和第二质量分数计算失真图像的质量分数:
在式子里,YW表示失真图像的质量分数,β和γ表示权重因子,β,γ∈(0,1,失真图像的质量分数越高,表明失真图像质量越高。
本优选实施例综合质量评价模块根据第一相似性分数和第二相似性分数计算失真图像的第一质量分数和第二质量分数,为第一质量评价模块和第二质量评价模块的评价结果进行融合奠定了基础,根据第一质量分数和第二质量分数计算失真图像的质量分数,通过加权融合的方式,实现了图像质量的综合评价,保证了图像显示系统的显示水平。
优选的,所述对综合质量评价模块的准确性进行评估,具体采用以下方式:
第一步、多个观察者对原始图像和失真图像进行观察,设原始图像的分数为10分,给出失真图像的主观分数F;
第二步、计算失真图像的一致性:
在式子里,CS表示失真图像的一致性因子,YWg表示将失真图像的质量分数归一化到(0,10的值,失真图像的一致性因子越小,表示综合质量评价模块对图像质量评价越准确。
本优选实施例准确性评估模块通过计算失真图像的一致性因子,对综合质量评价模块的准确性进行评估,能够保证评价结果和主观评价结果一致,符合人们的视觉感受,从而提高了图像显示系统的用户满意度。
采用本发明显示效果好的图像显示系统显示图像,选取5组图像进行测试,分别为图像组1、图像组2、图像组3、图像组4、图像组5,每组包含10幅图,对图像显示质量和用户满意度进行统计,同现有技术相比,产生的有益效果如下表所示:
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。

Claims (8)

1.一种显示效果好的图像显示系统,其特征在于,包括图像接收器、图像处理器、控制器、显示器和图像质量评价装置,所述图像接收器用于接收高动态范围图像,所述图像处理器用于对所述高动态范围图像进行处理,所述控制器基于所述处理后高动态范围图像的亮度信息以及所述显示器上能够显示的光强度的信息来设定所述高动态范围图像的光强度信息,所述显示器用于根据控制器设定的光强度信息显示所述高动态范围图像,所述图像质量评价装置用于对所述显示的高动态范围图像质量进行评价。
2.根据权利要求1所述的显示效果好的图像显示系统,其特征在于,所述对所述高动态范围图像进行处理为对图像进行滤波处理。
3.根据权利要求2所述的显示效果好的图像显示系统,其特征在于,所述显示器为高清显示屏。
4.根据权利要求3所述的显示效果好的图像显示系统,其特征在于,所述图像质量评价装置包括第一质量评价模块、第二质量评价模块、综合质量评价模块和准确性评估模块,所述第一质量评价模块基于图像特征对图像质量进行评价,所述第二质量评价模块基于图像梯度对图像质量进行评价,所述综合质量评价模块用于根据所述第一质量评价模块和第二质量评价模块对图像质量进行综合评价,所述准确性评估模块用于对综合质量评价模块的准确性进行评估。
5.根据权利要求4所述的显示效果好的图像显示系统,其特征在于,所述基于图像特征对图像质量进行评价,采用以下方式进行:
第一步、设原始图像和失真图像大小均为A×B,将原始图像和失真图像用四元数表示为Er和Es,将图像划分为不重叠的大小为C×C的块,分别记为其中, 分别表示对A/C和B/C向下取整;
第二步、计算原始图像每个图像块的四元数矩 计算失真图像每个图像块的四元数矩
在式子里,m,n∈{0,1,…,(C-1)};
第三步、计算原始图像每个块的特征
计算失真图像每个块的特征
第四步、计算失真图像的第一相似性分数: 在式子里,EH1表示失真图像的第一相似性分数,第一相似性分数越高,表明失真图像质量越高。
6.根据权利要求5所述的显示效果好的图像显示系统,其特征在于,所述基于图像梯度对图像质量进行评价,采用以下方式进行:
第一步、将原始图像和失真图像转换为灰度图像,根据灰度图像求取原始图像每个块的梯度和失真图像每个块的梯度
第二步、计算失真图像的第二相似性分数:
<mrow> <msub> <mi>EH</mi> <mn>2</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mo>|</mo> <mrow> <mi>A</mi> <mo>/</mo> <mi>C</mi> </mrow> <mo>|</mo> </mrow> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mo>|</mo> <mrow> <mi>B</mi> <mo>/</mo> <mi>C</mi> </mrow> <mo>|</mo> </mrow> </munderover> <mo>&amp;lsqb;</mo> <mi>ln</mi> <mfrac> <mrow> <mn>0.1</mn> <mo>+</mo> <mn>2</mn> <msubsup> <mi>L</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>r</mi> </msubsup> <msubsup> <mi>L</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>s</mi> </msubsup> </mrow> <mrow> <mn>0.1</mn> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>L</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>r</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>l</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>s</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <mn>0.1</mn> <mo>+</mo> <mn>2</mn> <msubsup> <mi>L</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>r</mi> </msubsup> <msubsup> <mi>L</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>s</mi> </msubsup> </mrow> <mrow> <mn>0.1</mn> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>L</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>r</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>L</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mi>s</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> <mo>&amp;rsqb;</mo> </mrow>
在式子里,EH2表示失真图像的第二相似性分数,第二相似性分数越高,表明失真图像质量越高。
7.根据权利要求6所述的显示效果好的图像显示系统,其特征在于,所述综合质量评价模块包括第一处理单元、第二处理单元和第三处理单元,所述第一处理单元用于计算失真图像的第一质量分数,所述第二处理单元用于计算失真图像的第二质量分数,所述第三处理单元用于计算失真图像的质量分数,具体的:
根据第一相似性分数计算失真图像的第一质量分数:
<mrow> <msub> <mi>YW</mi> <mn>1</mn> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mrow> <msub> <mi>EH</mi> <mn>1</mn> </msub> </mrow> <mrow> <msub> <mi>EH</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>EH</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msubsup> <mi>EH</mi> <mn>1</mn> <mn>2</mn> </msubsup> </mrow> <mrow> <msubsup> <mi>EH</mi> <mn>1</mn> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>EH</mi> <mn>2</mn> <mn>2</mn> </msubsup> </mrow> </mfrac> </mrow> </msqrt> <mo>&amp;times;</mo> <mfrac> <msqrt> <mrow> <msub> <mi>EH</mi> <mn>1</mn> </msub> </mrow> </msqrt> <mrow> <msqrt> <mrow> <msub> <mi>EH</mi> <mn>1</mn> </msub> </mrow> </msqrt> <mo>+</mo> <msqrt> <mrow> <msub> <mi>EH</mi> <mn>2</mn> </msub> </mrow> </msqrt> </mrow> </mfrac> </mrow>
在式子里,YW1表示失真图像的第一质量分数;
根据第二相似性分数计算失真图像的第二质量分数:
<mrow> <msub> <mi>YW</mi> <mn>2</mn> </msub> <mo>=</mo> <msqrt> <mrow> <mfrac> <mrow> <msub> <mi>EH</mi> <mn>2</mn> </msub> </mrow> <mrow> <msub> <mi>EH</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>EH</mi> <mn>2</mn> </msub> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msubsup> <mi>EH</mi> <mn>2</mn> <mn>2</mn> </msubsup> </mrow> <mrow> <msubsup> <mi>EH</mi> <mn>1</mn> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>EH</mi> <mn>2</mn> <mn>2</mn> </msubsup> </mrow> </mfrac> </mrow> </msqrt> <mo>&amp;times;</mo> <mfrac> <mrow> <msub> <mi>EH</mi> <mn>2</mn> </msub> </mrow> <mrow> <msub> <mi>EH</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>EH</mi> <mn>2</mn> </msub> </mrow> </mfrac> </mrow>
在式子里,YW2表示失真图像的第二质量分数;
根据第一质量分数和第二质量分数计算失真图像的质量分数:
<mrow> <mi>Y</mi> <mi>W</mi> <mo>=</mo> <msup> <mrow> <mo>(</mo> <mi>&amp;beta;</mi> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>&amp;times;</mo> <mrow> <mo>(</mo> <msubsup> <mi>&amp;beta;YW</mi> <mn>1</mn> <mi>&amp;beta;</mi> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;gamma;YW</mi> <mn>2</mn> <mi>&amp;gamma;</mi> </msubsup> <mo>)</mo> </mrow> </mrow>
在式子里,YW表示失真图像的质量分数,β和γ表示权重因子,β,γ∈(0,1),失真图像的质量分数越高,表明失真图像质量越高。
8.根据权利要求7所述的显示效果好的图像显示系统,其特征在于,所述对综合质量评价模块的准确性进行评估,具体采用以下方式:
第一步、多个观察者对原始图像和失真图像进行观察,设原始图像的分数为10分,给出失真图像的主观分数F;
第二步、计算失真图像的一致性:
<mrow> <mi>C</mi> <mi>S</mi> <mo>=</mo> <mn>1</mn> <mo>+</mo> <msqrt> <mrow> <mn>2</mn> <mrow> <mo>(</mo> <mi>F</mi> <mo>-</mo> <msub> <mi>YW</mi> <mi>g</mi> </msub> <mo>)</mo> </mrow> </mrow> </msqrt> <mo>+</mo> <mi>l</mi> <mi>n</mi> <mrow> <mo>(</mo> <msup> <mi>e</mi> <mrow> <mi>F</mi> <mo>-</mo> <msub> <mi>YW</mi> <mi>g</mi> </msub> </mrow> </msup> <mo>)</mo> </mrow> </mrow>
在式子里,CS表示失真图像的一致性因子,YWg表示将失真图像的质量分数归一化到(0,10]的值,失真图像的一致性因子越小,表示综合质量评价模块对图像质量评价越准确。
CN201710862306.1A 2017-09-21 2017-09-21 一种显示效果好的图像显示系统 Pending CN107680085A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710862306.1A CN107680085A (zh) 2017-09-21 2017-09-21 一种显示效果好的图像显示系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710862306.1A CN107680085A (zh) 2017-09-21 2017-09-21 一种显示效果好的图像显示系统

Publications (1)

Publication Number Publication Date
CN107680085A true CN107680085A (zh) 2018-02-09

Family

ID=61136946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710862306.1A Pending CN107680085A (zh) 2017-09-21 2017-09-21 一种显示效果好的图像显示系统

Country Status (1)

Country Link
CN (1) CN107680085A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106488157A (zh) * 2015-08-31 2017-03-08 Lg电子株式会社 图像显示设备
CN106709958A (zh) * 2016-12-03 2017-05-24 浙江大学 一种基于灰度梯度和颜色直方图的图像质量评价方法
CN107065200A (zh) * 2012-12-28 2017-08-18 联想(北京)有限公司 电子设备和显示方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107065200A (zh) * 2012-12-28 2017-08-18 联想(北京)有限公司 电子设备和显示方法
CN106488157A (zh) * 2015-08-31 2017-03-08 Lg电子株式会社 图像显示设备
CN106709958A (zh) * 2016-12-03 2017-05-24 浙江大学 一种基于灰度梯度和颜色直方图的图像质量评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张薇: "图像客观质量评价算法及其应用研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN102629379B (zh) 一种基于视觉特性的图像质量评价方法
CN110334610B (zh) 一种基于计算机视觉的多维度课堂量化系统及方法
WO2019001438A1 (zh) 显示面板的灰阶调整方法及装置
CN105046708B (zh) 一种与主观感知相一致的颜色校正客观评估方法
CN107507166A (zh) 一种基于支持向量回归的无参考屏幕图像质量评估方法
CN109240572A (zh) 一种获取图片的方法、对图片进行处理的方法及装置
CN109754377A (zh) 一种多曝光图像融合方法
CN102595185A (zh) 一种立体图像质量客观评价方法
CN109191428A (zh) 基于掩蔽纹理特征的全参考型图像质量评价方法
CN102497565B (zh) 一种影响立体图像舒适度的亮度范围的测定方法
US20170214911A1 (en) Image-sticking inspection method for liquid crystal panel and device of the same
CN104363445B (zh) 基于关注区域的图像亮度jnd值测定方法
CN108805825A (zh) 一种重定位图像质量评价方法
CN107393454B (zh) 获得液晶显示面板充电率的方法
CN106448524A (zh) 显示屏亮度均匀性的测试方法及装置
CN105469413B (zh) 一种基于归一化振铃加权的无参考模糊复原图像综合质量评估方法
CN108510474A (zh) 烟叶图像质量的评价方法、系统、存储器、及电子设备
CN107680085A (zh) 一种显示效果好的图像显示系统
CN104113752B (zh) 一种立体电视图像闪烁的检测方法及检测装置
CN101370154A (zh) 一种图像质量的评测方法及装置
CN104122075B (zh) 一种基于运动方块宽度的直接测量显示器运动模糊的方法
Lin et al. Evaluating the image quality of closed circuit television magnification systems versus a head-mounted display for people with low vision
CN104378625A (zh) 基于感兴趣区域的图像暗场亮度jnd值测定方法、预测方法
JP6616536B1 (ja) 視認性評価装置、視認性評価プログラムおよび視認性評価方法
CN106780452B (zh) 一种结合小波和角点特征的全参考屏幕图像质量评估方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180209

RJ01 Rejection of invention patent application after publication