CN107862681A - 一种自拍图像质量推荐方法 - Google Patents
一种自拍图像质量推荐方法 Download PDFInfo
- Publication number
- CN107862681A CN107862681A CN201711051832.6A CN201711051832A CN107862681A CN 107862681 A CN107862681 A CN 107862681A CN 201711051832 A CN201711051832 A CN 201711051832A CN 107862681 A CN107862681 A CN 107862681A
- Authority
- CN
- China
- Prior art keywords
- quality
- designated
- self
- fertilizer index
- naturalness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000003337 fertilizer Substances 0.000 claims abstract description 43
- 238000013441 quality evaluation Methods 0.000 claims abstract description 14
- 238000003066 decision tree Methods 0.000 claims abstract description 5
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 241000287196 Asthenes Species 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 230000035945 sensitivity Effects 0.000 description 3
- XCWPUUGSGHNIDZ-UHFFFAOYSA-N Oxypertine Chemical compound C1=2C=C(OC)C(OC)=CC=2NC(C)=C1CCN(CC1)CCN1C1=CC=CC=C1 XCWPUUGSGHNIDZ-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- XOJVVFBFDXDTEG-UHFFFAOYSA-N Norphytane Natural products CC(C)CCCC(C)CCCC(C)CCCC(C)C XOJVVFBFDXDTEG-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
Classifications
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10024—Color image
-
- 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
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Fertilizers (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种自拍图像质量推荐方法,其考虑了自然度、局部亮度和结构布局对自拍图像质量的影响,提取出自然度质量评价分值、局部亮度质量评价分值和结构布局质量评价分值,然后得到对应的自然度质量推荐指标、局部亮度质量推荐指标和结构布局质量推荐指标,并利用决策树机制得到最终质量推荐指标,由于获得的自然度质量推荐指标、局部亮度质量推荐指标和结构布局质量推荐指标能够较好地反映自拍图像的质量变化情况,因此有效地提高了最终质量推荐指标与主观质量推荐值之间的相关性。
Description
技术领域
本发明涉及一种图像质量评价方法,尤其是涉及一种自拍图像质量推荐方法。
背景技术
近年来,随着手机拍照功能的逐渐增强,特别是微信、QQ等社交软件加入了照片分享功能,自拍图像在朋友圈、QQ空间等各种社交平台随处可见。但是,自拍图像在拍摄过程中,由于相机抖动、光线、人脸布局等各种因素,会导致不同相机、不同人拍摄得到的自拍图像质量差别较大,质量好的自拍图像能够达到用户的满意度。
为了能客观评价自拍图像质量满意度,需要评价磨皮效果、肤色还原、脸部变形表现、图片清晰度等二级指标,又可以进一步分解为磨皮强度、皮肤质感、色彩还原、肤色亮度、瘦脸强度、脸部变形、画质清晰、画质中颗粒度等三级指标的评价。然而,由于自拍图像没有原始参考图像,现有的质量评价方法并不能用于评价自拍图像质量,因此,如何对自拍图像的各项指标进行描述,特别是如何从自然度、局部亮度和结构布局出发对影响自拍图像质量的因素进行描述,如何根据决策模型从各项指标中获取最终质量推荐结果,是在对自拍图像进行质量推荐过程中需要研究解决的问题。
发明内容
本发明所要解决的技术问题是提供一种自拍图像质量推荐方法,其能够有效地提高质量推荐指标与主观质量推荐值之间的相关性。
本发明解决上述技术问题所采用的技术方案为:一种自拍图像质量推荐方法,其特征在于包括以下步骤:
①令{I(x,y)}表示待评价的自拍图像,其中,1≤x≤W,1≤y≤H,W表示{I(x,y)}的宽度,H表示{I(x,y)}的高度,I(x,y)表示{I(x,y)}中坐标位置为(x,y)的像素点的像素值;
②计算{I(x,y)}的自然度质量推荐指标,记为S1,S1的值为1或0;如果S1=1,则执行步骤③;如果S1=0,则执行步骤⑤;
③计算{I(x,y)}的局部亮度质量推荐指标,记为S2,S2的值为1或0;如果S2=1,则执行步骤④;如果S2=0,则执行步骤⑤;
④计算{I(x,y)}的结构布局质量推荐指标,记为S3,S3的值为1或0;然后执行步骤⑤;
⑤采用决策树机制计算{I(x,y)}的最终质量推荐指标,记为S,
所述的步骤②中的S1的获取过程为:
②_1、选取N'幅主观质量推荐值为优的自拍图像构成训练图像集;然后采用自然图像质量预测器,从训练图像集中提取出训练图像集的原始多元高斯模型,记为(μ,C);其中,N'为正整数,N'>1,μ表示(μ,C)的均值特征,C表示(μ,C)的协方差矩阵特征;
②_2、将{I(x,y)}划分成M个非重叠的尺寸大小为64×64的子块;然后采用与步骤②_1中相同的自然图像质量预测器,从{I(x,y)}中的每个子块中提取出{I(x,y)}中的每个子块的原始多元高斯模型,将{I(x,y)}中的第m个子块的原始多元高斯模型记为(μm,Cm);其中,M为正整数,符号为向下取整操作符号,m为正整数,1≤m≤M,μm表示(μm,Cm)的均值特征,Cm表示(μm,Cm)的协方差矩阵特征;
②_3、根据(μ,C)和{I(x,y)}中的每个子块的原始多元高斯模型,计算{I(x,y)}中的每个子块的自然度质量评价分值,将{I(x,y)}中的第m个子块的自然度质量评价分值记为qm,其中,(μ-μm)T为(μ-μm)的转置,为的逆;
②_4、计算{I(x,y)}的自然度质量评价分值,记为Qnature,
②_5、计算{I(x,y)}的自然度质量推荐指标S1,其中,Tnature为自然度阈值。
所述的步骤③中的S2的获取过程为:
③_1、采用基于肤色的人脸检测方法对{I(x,y)}进行人脸检测,将检测得到的人脸区域记为
③_2、计算落在中的所有像素点的像素值的均值,记为 其中,M'表示落在中的像素点的总个数;
③_3、计算{I(x,y)}的局部亮度质量推荐指标S2,其中,Tlow为暗通道阈值,Thigh为亮通道阈值。
所述的步骤④中的S3的获取过程为:
④_1、采用基于肤色的人脸检测方法对{I(x,y)}进行人脸检测,将检测得到的人脸区域记为然后计算的质心的坐标位置,记为xo,xo=(xo,yo);其中,xo表示的质心的横坐标,yo表示的质心的纵坐标;
④_2、根据摄像构图的三分法则,计算{I(x,y)}中的4个交叉点的坐标位置,分别记为xNW、xNE、xSW和xSE,
④_3、计算xo与xNW、xNE、xSW和xSE各自的欧氏距离;然后将最短欧氏距离记为dnear,将最长欧氏距离记为dfar;接着根据dnear和dfar,计算{I(x,y)}的三分布局评价分值,记为Qthird,
④_4、计算xo与{I(x,y)}的中心的坐标位置的欧氏距离;然后根据xo与{I(x,y)}的中心的坐标位置的欧氏距离,计算{I(x,y)}的视觉平衡评价分值,记为Qbal,其中,xCenter表示{I(x,y)}的中心的坐标位置,符号“||||”为求欧氏距离符号;
④_5、计算{I(x,y)}的结构布局评价分值,记为Qaes,
④_6、计算{I(x,y)}的结构布局质量推荐指标S3,其中,Taes为结构布局阈值。
与现有技术相比,本发明的优点在于:本发明方法考虑了自然度、局部亮度和结构布局对自拍图像质量的影响,提取出自然度质量评价分值、局部亮度质量评价分值和结构布局质量评价分值,然后得到对应的自然度质量推荐指标、局部亮度质量推荐指标和结构布局质量推荐指标,并利用决策树机制得到最终质量推荐指标,由于获得的自然度质量推荐指标、局部亮度质量推荐指标和结构布局质量推荐指标能够较好地反映自拍图像的质量变化情况,因此有效地提高了最终质量推荐指标与主观质量推荐值之间的相关性。
附图说明
图1为本发明方法的总体实现框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种自拍图像质量推荐方法,其总体实现框图如图1所示,其包括以下步骤:
①令{I(x,y)}表示待评价的自拍图像,其中,1≤x≤W,1≤y≤H,W表示{I(x,y)}的宽度,H表示{I(x,y)}的高度,I(x,y)表示{I(x,y)}中坐标位置为(x,y)的像素点的像素值。
②由于对比度、亮度、清晰度、色彩等多种因素都会影响自拍图像呈现的自然度,因此本发明计算{I(x,y)}的自然度质量推荐指标,记为S1,S1的值为1或0;如果S1=1,则执行步骤③;如果S1=0,则执行步骤⑤。
在此具体实施例中,步骤②中的S1的获取过程为:
②_1、选取N'幅主观质量推荐值为优的自拍图像构成训练图像集;然后采用现有的自然图像质量预测器(Natural Image Quality Evaluator,NIQE),从训练图像集中提取出训练图像集的原始多元高斯(Pristine Multivariate Gaussian,MVG)模型,记为(μ,C);其中,N'为正整数,N'>1,在本实施例中取N'=100,μ表示(μ,C)的均值特征,C表示(μ,C)的协方差矩阵特征。
②_2、将{I(x,y)}划分成M个非重叠的尺寸大小为64×64的子块;然后采用与步骤②_1中相同的自然图像质量预测器,从{I(x,y)}中的每个子块中提取出{I(x,y)}中的每个子块的原始多元高斯模型,将{I(x,y)}中的第m个子块的原始多元高斯模型记为(μm,Cm);其中,M为正整数,符号为向下取整操作符号,m为正整数,1≤m≤M,μm表示(μm,Cm)的均值特征,Cm表示(μm,Cm)的协方差矩阵特征。
②_3、根据(μ,C)和{I(x,y)}中的每个子块的原始多元高斯模型,计算{I(x,y)}中的每个子块的自然度质量评价分值,将{I(x,y)}中的第m个子块的自然度质量评价分值记为qm,其中,(μ-μm)T为(μ-μm)的转置,为的逆。
②_4、计算{I(x,y)}的自然度质量评价分值,记为Qnature,
②_5、计算{I(x,y)}的自然度质量推荐指标S1,其中,Tnature为自然度阈值,在本实施例中取Tnature=33。
③由于过亮或过暗的人脸会影响自拍图像的美观度,因此本发明计算{I(x,y)}的局部亮度质量推荐指标,记为S2,S2的值为1或0;如果S2=1,则执行步骤④;如果S2=0,则执行步骤⑤。
在此具体实施例中,步骤③中的S2的获取过程为:
③_1、采用现有的基于肤色的人脸检测方法对{I(x,y)}进行人脸检测,将检测得到的人脸区域记为
③_2、计算落在中的所有像素点的像素值的均值,记为 其中,M'表示落在中的像素点的总个数。
③_3、计算{I(x,y)}的局部亮度质量推荐指标S2,其中,Tlow为暗通道阈值,Thigh为亮通道阈值,在本实施例中取Tlow=0.35、Thigh=0.71。
④从摄像美学的角度,脸部的位置布局应位于画面大约三分之一处,因此本发明计算{I(x,y)}的结构布局质量推荐指标,记为S3,S3的值为1或0;然后执行步骤⑤。
在此具体实施例中,步骤④中的S3的获取过程为:
④_1、采用现有的基于肤色的人脸检测方法对{I(x,y)}进行人脸检测,将检测得到的人脸区域记为然后计算的质心的坐标位置,记为xo,xo=(xo,yo);其中,xo表示的质心的横坐标,yo表示的质心的纵坐标。
④_2、根据摄像构图的三分法则,计算{I(x,y)}中的4个交叉点的坐标位置,分别记为xNW、xNE、xSW和xSE,
④_3、计算xo与xNW、xNE、xSW和xSE各自的欧氏距离;然后将最短欧氏距离记为dnear,将最长欧氏距离记为dfar;接着根据dnear和dfar,计算{I(x,y)}的三分布局评价分值,记为Qthird,
④_4、计算xo与{I(x,y)}的中心的坐标位置的欧氏距离;然后根据xo与{I(x,y)}的中心的坐标位置的欧氏距离,计算{I(x,y)}的视觉平衡评价分值,记为Qbal,其中,xCenter表示{I(x,y)}的中心的坐标位置,符号“||||”为求欧氏距离符号。
④_5、计算{I(x,y)}的结构布局评价分值,记为Qaes,
④_6、计算{I(x,y)}的结构布局质量推荐指标S3,其中,Taes为结构布局阈值,在本实施例中取Taes=0.5。
⑤采用决策树机制计算{I(x,y)}的最终质量推荐指标,记为S,
为进一步说明本发明方法的可行性和有效性,对本发明方法进行试验。
在本实施例中,采用宁波大学建立的自拍图像数据库作为图像数据库,该图像数据库包括886幅手机自拍图像,每幅自拍图像指定一个值为1或0的主观质量推荐值,1表示推荐质量为优,0表示推荐质量为劣,并且对于自然度、局部亮度和结构布局也都指定1或0的主观质量推荐值。本发明利用评估分类质量的4个常用指标,即灵敏性(Sensitivity)、特异性(Specificity)、准确性(Accuracy)、ROC曲线下的面积(AUC),灵敏性、特异性、准确性和ROC曲线下的面积越接近100%,说明本发明方法的推荐结果与主观质量推荐值之间的相关性越好。表1给出了本发明方法得到的最终质量推荐指标与主观质量推荐值之间的相关性,从表1中可以看出,对于自然度质量推荐指标、局部亮度质量推荐指标、结构布局质量推荐指标和最终质量推荐指标,采用本发明方法得到的自拍图像的质量推荐指标与主观质量推荐值之间的相关性是很高的,足以说明本发明方法的有效性。
表1采用本发明方法得到的质量推荐指标与主观质量推荐值之间的相关性
Claims (4)
1.一种自拍图像质量推荐方法,其特征在于包括以下步骤:
①令{I(x,y)}表示待评价的自拍图像,其中,1≤x≤W,1≤y≤H,W表示{I(x,y)}的宽度,H表示{I(x,y)}的高度,I(x,y)表示{I(x,y)}中坐标位置为(x,y)的像素点的像素值;
②计算{I(x,y)}的自然度质量推荐指标,记为S1,S1的值为1或0;如果S1=1,则执行步骤③;如果S1=0,则执行步骤⑤;
③计算{I(x,y)}的局部亮度质量推荐指标,记为S2,S2的值为1或0;如果S2=1,则执行步骤④;如果S2=0,则执行步骤⑤;
④计算{I(x,y)}的结构布局质量推荐指标,记为S3,S3的值为1或0;然后执行步骤⑤;
⑤采用决策树机制计算{I(x,y)}的最终质量推荐指标,记为S,
2.根据权利要求1所述的一种自拍图像质量推荐方法,其特征在于所述的步骤②中的S1的获取过程为:
②_1、选取N'幅主观质量推荐值为优的自拍图像构成训练图像集;然后采用自然图像质量预测器,从训练图像集中提取出训练图像集的原始多元高斯模型,记为(μ,C);其中,N'为正整数,N'>1,μ表示(μ,C)的均值特征,C表示(μ,C)的协方差矩阵特征;
②_2、将{I(x,y)}划分成M个非重叠的尺寸大小为64×64的子块;然后采用与步骤②_1中相同的自然图像质量预测器,从{I(x,y)}中的每个子块中提取出{I(x,y)}中的每个子块的原始多元高斯模型,将{I(x,y)}中的第m个子块的原始多元高斯模型记为(μm,Cm);其中,M为正整数,符号为向下取整操作符号,m为正整数,1≤m≤M,μm表示(μm,Cm)的均值特征,Cm表示(μm,Cm)的协方差矩阵特征;
②_3、根据(μ,C)和{I(x,y)}中的每个子块的原始多元高斯模型,计算{I(x,y)}中的每个子块的自然度质量评价分值,将{I(x,y)}中的第m个子块的自然度质量评价分值记为qm,其中,(μ-μm)T为(μ-μm)的转置,为的逆;
②_4、计算{I(x,y)}的自然度质量评价分值,记为Qnature,
②_5、计算{I(x,y)}的自然度质量推荐指标S1,其中,Tnature为自然度阈值。
3.根据权利要求1或2所述的一种自拍图像质量推荐方法,其特征在于所述的步骤③中的S2的获取过程为:
③_1、采用基于肤色的人脸检测方法对{I(x,y)}进行人脸检测,将检测得到的人脸区域记为
③_2、计算落在中的所有像素点的像素值的均值,记为 其中,M'表示落在中的像素点的总个数;
③_3、计算{I(x,y)}的局部亮度质量推荐指标S2,其中,Tlow为暗通道阈值,Thigh为亮通道阈值。
4.根据权利要求3所述的一种自拍图像质量推荐方法,其特征在于所述的步骤④中的S3的获取过程为:
④_1、采用基于肤色的人脸检测方法对{I(x,y)}进行人脸检测,将检测得到的人脸区域记为然后计算的质心的坐标位置,记为xo,xo=(xo,yo);其中,xo表示的质心的横坐标,yo表示的质心的纵坐标;
④_2、根据摄像构图的三分法则,计算{I(x,y)}中的4个交叉点的坐标位置,分别记为xNW、xNE、xSW和xSE,
④_3、计算xo与xNW、xNE、xSW和xSE各自的欧氏距离;然后将最短欧氏距离记为dnear,将最长欧氏距离记为dfar;接着根据dnear和dfar,计算{I(x,y)}的三分布局评价分值,记为Qthird,
④_4、计算xo与{I(x,y)}的中心的坐标位置的欧氏距离;然后根据xo与{I(x,y)}的中心的坐标位置的欧氏距离,计算{I(x,y)}的视觉平衡评价分值,记为Qbal,其中,xCenter表示{I(x,y)}的中心的坐标位置,符号“|| ||”为求欧氏距离符号;
④_5、计算{I(x,y)}的结构布局评价分值,记为Qaes,
④_6、计算{I(x,y)}的结构布局质量推荐指标S3,其中,Taes为结构布局阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711051832.6A CN107862681B (zh) | 2017-10-30 | 2017-10-30 | 一种自拍图像质量推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711051832.6A CN107862681B (zh) | 2017-10-30 | 2017-10-30 | 一种自拍图像质量推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107862681A true CN107862681A (zh) | 2018-03-30 |
CN107862681B CN107862681B (zh) | 2020-02-18 |
Family
ID=61698111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711051832.6A Active CN107862681B (zh) | 2017-10-30 | 2017-10-30 | 一种自拍图像质量推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107862681B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028216A (zh) * | 2019-12-09 | 2020-04-17 | Oppo广东移动通信有限公司 | 图像评分方法、装置、存储介质及电子设备 |
CN113506260A (zh) * | 2021-07-05 | 2021-10-15 | 北京房江湖科技有限公司 | 一种人脸图像质量评估方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996192A (zh) * | 2014-05-12 | 2014-08-20 | 同济大学 | 基于高质量自然图像统计量模型的无参考图像质量评价方法 |
CN106408565A (zh) * | 2016-10-12 | 2017-02-15 | 中国人民解放军陆军军官学院 | 一种弹载图像质量评价方法 |
CN107146220A (zh) * | 2017-04-14 | 2017-09-08 | 西北大学 | 一种通用型无参考图像质量评价方法 |
-
2017
- 2017-10-30 CN CN201711051832.6A patent/CN107862681B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996192A (zh) * | 2014-05-12 | 2014-08-20 | 同济大学 | 基于高质量自然图像统计量模型的无参考图像质量评价方法 |
CN106408565A (zh) * | 2016-10-12 | 2017-02-15 | 中国人民解放军陆军军官学院 | 一种弹载图像质量评价方法 |
CN107146220A (zh) * | 2017-04-14 | 2017-09-08 | 西北大学 | 一种通用型无参考图像质量评价方法 |
Non-Patent Citations (3)
Title |
---|
KE GU ET AL: "Blind Quality Assessment of Tone-Mapped Images Via Analysis of Information,Naturalness,and Structure", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
S. BATTIATO ET AL: "Aesthetic scoring of digital portraits for consumer applications", 《PROC. SPIE 8660, DIGITAL PHOTOGRAPHY IX》 * |
陈义如: "基于人眼视觉特性的视频质量评价方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028216A (zh) * | 2019-12-09 | 2020-04-17 | Oppo广东移动通信有限公司 | 图像评分方法、装置、存储介质及电子设备 |
CN113506260A (zh) * | 2021-07-05 | 2021-10-15 | 北京房江湖科技有限公司 | 一种人脸图像质量评估方法、装置、电子设备及存储介质 |
CN113506260B (zh) * | 2021-07-05 | 2023-08-29 | 贝壳找房(北京)科技有限公司 | 一种人脸图像质量评估方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107862681B (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7413400B2 (ja) | 肌質測定方法、肌質等級分類方法、肌質測定装置、電子機器及び記憶媒体 | |
WO2020151489A1 (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
Ma et al. | Image retargeting quality assessment: A study of subjective scores and objective metrics | |
US8698910B2 (en) | Apparatus, camera, method, and computer-readable storage medium for generating advice for capturing an image | |
CN109118470B (zh) | 一种图像质量评价方法、装置、终端和服务器 | |
CN111079740A (zh) | 图像的质量评价方法、电子设备和计算机可读存储介质 | |
US20170013191A1 (en) | No-reference image and video quality evaluation | |
CN106558046B (zh) | 一种证件照的质量检测方法及检测装置 | |
CN109670430A (zh) | 一种基于深度学习的多分类器融合的人脸活体识别方法 | |
KR20180065889A (ko) | 타겟의 검측 방법 및 장치 | |
CN111401324A (zh) | 图像质量评估方法、装置、存储介质及电子设备 | |
CN106874826A (zh) | 人脸关键点跟踪方法和装置 | |
JP2006350557A5 (zh) | ||
CN104021523B (zh) | 一种基于边缘分类的图像超分辨率放大的方法 | |
CN101146226A (zh) | 一种基于自适应st区的高清视频图像质量评价方法及装置 | |
TW200929008A (en) | Multi-direction human face detection method | |
CN106993188B (zh) | 一种基于多人脸视频显著性的hevc压缩编码方法 | |
CN111047543A (zh) | 图像增强方法、装置和存储介质 | |
Guo et al. | Dense123'color enhancement dehazing network | |
CN108961227A (zh) | 一种基于空域和变换域多特征融合的图像质量评价方法 | |
CN108961209B (zh) | 行人图像质量评价方法、电子设备及计算机可读介质 | |
Men et al. | Empirical evaluation of no-reference VQA methods on a natural video quality database | |
CN111489333B (zh) | 一种无参考夜间自然图像质量评价方法 | |
Su et al. | Blind natural image quality prediction using convolutional neural networks and weighted spatial pooling | |
CN107862681A (zh) | 一种自拍图像质量推荐方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240104 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: 315211, Fenghua Road, Jiangbei District, Zhejiang, Ningbo 818 Patentee before: Ningbo University |