CN108447059A - 一种全参考光场图像质量评价方法 - Google Patents
一种全参考光场图像质量评价方法 Download PDFInfo
- Publication number
- CN108447059A CN108447059A CN201810311096.1A CN201810311096A CN108447059A CN 108447059 A CN108447059 A CN 108447059A CN 201810311096 A CN201810311096 A CN 201810311096A CN 108447059 A CN108447059 A CN 108447059A
- Authority
- CN
- China
- Prior art keywords
- light field
- image
- information
- field image
- frequency
- 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 25
- 238000012360 testing method Methods 0.000 claims description 49
- 101150112439 SMAP gene Proteins 0.000 claims description 18
- 238000013441 quality evaluation Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000011176 pooling Methods 0.000 claims description 8
- 101150004036 SLMAP gene Proteins 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 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
- G06T2207/10052—Images from lightfield camera
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种全参考光场图像质量评价方法。考虑到人眼视觉特性对结构、对比度等较为敏感,在频域里,利用哈尔变换提取高频边缘信息和低频亮度信息,计算频域边缘相似性和亮度相似性;在空域里,提取图像对比度结构特征和亮度特征,分别计算空域对比度结构相似性和亮度相似性;最后将频域和空域信息进行融合得到最终光场图像质量预测分数。该方法计算简单,复杂度低,能很好的评价光场图像质量分数。
Description
技术领域
本发明涉及全参考图像质量评价方法,主要针对光场图像的质量评价。
背景技术
近年来随着云计算、虚拟现实、增强现实等技术的迅猛发展,光场图像已然在学术界和工业界引起了广泛关注,成为图像处理领域的研究热点。光场图像就是通过光场成像技术对于场景中捕获到的光场信息进行相应数字处理得到的对应的图像信息。光场图像作为一种新的数据格式,可广泛用于三维重新、3D场景表示。然而,同自然场景图像一样,光场图像在保存、传输和显示过程无可避免会遭受到各种失真。因此,如何根据人眼视觉特性来评价光场图像质量成为急需解决的问题。
图像质量评价旨在于根据人类视觉系统特性建立一个与主观感知吻合的数学模型,利用该模型判断图像质量,得到一个能够准确反映人眼对于图像质量主观感知的评价分数。现有大多数质量评价方法都是针对自然场景图像而设计。然而,光场图像和自然场景图像存在着完全不同的结构和统计特性,因此,现有大多数质量评价方法并不能直接适用于评价光场图像质量。而且目前在图像质量评价领域缺少光场图像质量评价方法。因此,针对光场图像的特点,研究适用于光场图像的质量评价方法,以准确描述人眼对于光场图像质量的主观感知度,具有重要的理论意义和应用价值。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷,提出一种适用于光场图像的全参考质量评价方法,能够较准确地描述人眼对于光场图像质量的主观感知度,且计算简单复杂度低。
本发明采用如下技术方案:
一种全参考光场图像质量评价方法,其特征在于,包括:
1)输入参考光场图像R和测试光场图像D;
2)分别在频域和和空域里对参考光场图像R和测试光场图像D进行相应计算;
3)在频域计算中,对参考光场图像R和测试光场图像D进行离散小波变换,分解得到四个子带信息,包括三个描述高频边缘信息的子带信息和一个描述低频亮度信息的子带信息,对所得高频边缘信息和低频亮度信息进行计算,得到频域信息相似性图FMap;
4)在空域计算中,首先对参考光场图像R和测试光场图像进行下采样得到参考图像r和测试图像d,再对参考图像r和测试图像d计算对比度结构信息和亮度信息,对得到的对比度结构信息和亮度信息进行计算,得到空域信息相似性图SMap;
5)结合频域信息相似性图和空域信息相似性图,池化得到最终光场图像质量分数。
在步骤3)中,对所述参考光场图像R和所述测试光场图像D进行离散小波变换,具体为利用哈尔小波进行计算,得到的所述描述高频边缘信息的三个子带信息为HR={LHR,HLR,HHR}和HD={LHD,HLD,HHD},所述描述低频亮度信息的一个子带信息为LR={LLR}和LD={LLD};
其中,HR和LR表示参考光场图像R的高频边缘信息和低频亮度信息,HD和LD表示测试光场图像D的高频边缘信息和低频亮度信息。
在步骤3)中,计算频域信息相似性图,具体步骤如下:
3.1)计算所述参考光场图像R和所述测试光场图像D在频域的边缘相似性FEMap,
其中,ψLH、ψHL和ψHH均表示图像在高频区域的边缘相似性值,取值范围为[0,1];
ψLH=exp(-|LHR-LHD|),ψHL=exp(-|HLR-HLD|),ψHH=exp(-|HHR-HHD|);
3.2)计算所述参考光场图像R和所述测试光场图像D在频域的亮度相似性图FLMap,
FLMap=ψLL,
其中,ψLL=exp(-|LLR-LLD|),ψLL表示图像在低频区域的亮度相似性值,取值范围为[0,1];
3.3)计算所述频域信息相似性图FMap,
FMap=FEMap·FLMap。
在步骤4)中,对所述参考光场图像R和所述测试光场图像D按照图像宽度和高度进行1/2的空间下采样得到所述参考图像r和测试图像d。
在步骤4)中,所述参考图像r和所述测试图像d的亮度信息分别为和所述参考图像r和所述测试图像d对比度结构信息分别为:
其中,ri和di分别表示所述参考图像r与所述测试图像d的像素点值,N表示所述参考图像r和所述测试图像d的像素点数。
在步骤4)中,计算空域信息相似性图,具体步骤如下:
4.1)计算所述参考图像r和所述测试图像d在空域的对比度结构相似性图SSMap,
其中,C为正常数;
4.2)计算图像r和d在空域的亮度相似性图SLMap,
其中,L=255;
4.3)计算空域信息相似性图SMap,
SMap=SSMap·SLMap。
步骤5)中,结合所述频域信息相似性图FMap和所述空域信息相似性图SMap,池化得到所述最终光场图像质量分数,步骤如下:
5.1)结合所述频域信息相似性图FMap和所述空域信息相似性图SMap,得到最终光场质量图FSMap,
FSMap=FMap·SMap;
5.2)池化得到最终光场图像质量分数Qscore,
其中,M表示最终光场质量图FSMap的像素点数,FSMapi表示图上的点的像素值,i∈[1,M]。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
本发明所述的一种结合频域和空域相似性的光场图像质量评价方法,通过空域和频域分别提取人眼比较感兴趣的边缘信息和亮度信息以计算得到最终质量评价分数。该方法计算简单,复杂度较低,能够较准确地评价光场图像质量。
附图说明
图1为本发明具体流程图
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
本发明为了解决现有图像质量评价方法不适用于评价光场图像质量的问题,提出了一种实用性强且计算简便的结合频域和空域相似性的全参考光场图像质量评价方法。如图1所示,分别从频域和空域计算频域的边缘相似性和亮度相似性以及空域的对比度结构相似性和亮度相似性,最后融合频域和空域信息得到最终评估分数,具体步骤如下:
1)输入参考光场图像R和测试光场图像D。
2)分别在频域和和空域里对参考光场图像R和测试光场图像D进行相应计算。
3)在频域计算中,对参考光场图像R和测试光场图像D进行离散小波变换,分解得到四个子带信息,包括三个描述高频边缘信息的子带信息和一个描述低频亮度信息的子带信息。具体为利用哈尔小波进行计算,得到的描述高频边缘信息的子带信息为HR={LHR,HLR,HHR}和HD={LHD,HLD,HHD},描述低频亮度信息的子带信息为LR={LLR}和LD={LLD}。其中,HR和LR表示参考光场图像R的高频边缘信息和低频亮度信息,HD和LD表示测试光场图像D的高频边缘信息和低频亮度信息。
对所得高频边缘信息和低频亮度信息进行计算,得到频域信息相似性图FMap,包括:
3.1)计算所述参考光场图像R和所述测试光场图像D在频域的边缘相似性FEMap,
其中,ψLH=exp(-|LHR-LHD|),ψHL=exp(-|HLR-HLD|),ψHH=exp(-|HHR-HHD|),ψLH、ψHL和ψHH表示图像在高频区域的边缘相似性值,取值范围为[0,1];值越接近于1,表示参考光场图像与测试图像边缘结构越相似,即差异性越小,失真越小。
3.2)计算所述参考光场图像R和所述测试光场图像D在频域的亮度相似性图FLMap,
FLMap=ψLL,
其中,ψLL=exp(-|LLR-LLD|),ψLL表示图像在低频区域的亮度相似性值,取值范围为[0,1]。
3.3)计算所述频域信息相似性图FMap,
FMap=FEMap·FLMap。
4)在空域计算中,对所述参考光场图像R和所述测试光场图像D按照图像宽度和高度进行1/2的空间下采样得到所述参考图像r和所述测试图像d,再对参考图像r和测试图像d计算对比度结构信息和亮度信息,参考图像r和测试图像d的亮度信息分别为
参考图像r和所述测试图像d对比度结构信息分别为:
其中,ri和di分别表示参考图像与测试图像的像素点值。N表示所述参考图像r和所述测试图像d的像素点数。
对得到的对比度结构信息和亮度信息进行计算,得到空域信息相似性图SMap。计算空域信息相似性图,具体步骤如下:
4.1)计算所述参考图像r和所述测试图像d在空域的对比度结构相似性图SSMap,
其中,C为正常数;
4.2)计算图像r和d在空域的亮度相似性图SLMap,
其中,L=255;
4.3)计算空域信息相似性图SMap,
SMap=SSMap·SLMap。
5)结合所述频域信息相似性图FMap和所述空域信息相似性图SMap,池化得到所述最终光场图像质量分数,步骤如下:
5.1)结合所述频域信息相似性图FMap和所述空域信息相似性图SMap,得到最终光场质量图FSMap,
FSMap=FMap·SMap;
5.2)池化得到最终光场图像质量分数Qscore,
其中,M表示最终光场质量图FSMap的像素点数,FSMapi表示图上的点的像素值,i∈[1,M]。FSMap通过上述计算得到的是一个二维矩阵质量图,i是这个二维矩阵的点,FSMapi表示图上的点的像素值。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (7)
1.一种全参考光场图像质量评价方法,其特征在于,包括:
1)输入参考光场图像R和测试光场图像D;
2)分别在频域和和空域里对参考光场图像R和测试光场图像D进行相应计算;
3)在频域计算中,对参考光场图像R和测试光场图像D进行离散小波变换,分解得到四个子带信息,包括三个描述高频边缘信息的子带信息和一个描述低频亮度信息的子带信息,对所得高频边缘信息和低频亮度信息进行计算,得到频域信息相似性图FMap;
4)在空域计算中,首先对参考光场图像R和测试光场图像D进行下采样得到参考图像r和测试图像d,再对参考图像r和测试图像d计算对比度结构信息和亮度信息,对得到的对比度结构信息和亮度信息进行计算,得到空域信息相似性图SMap;
5)结合频域信息相似性图和空域信息相似性图,池化得到最终光场图像质量分数。
2.如权利要求1所述的一种全参考光场图像质量评价方法,其特征在于:在步骤3)中,对所述参考光场图像R和所述测试光场图像D进行离散小波变换,具体为利用哈尔小波进行计算,得到的所述描述高频边缘信息的三个子带信息为HR={LHR,HLR,HHR}和HD={LHD,HLD,HHD},所述描述低频亮度信息的一个子带信息为LR={LLR}和LD={LLD};
其中,HR和LR表示参考光场图像R的高频边缘信息和低频亮度信息,HD和LD表示测试光场图像D的高频边缘信息和低频亮度信息。
3.如权利要求2所述的一种全参考光场图像质量评价方法,其特征在于:在步骤3)中,计算频域信息相似性图,具体步骤如下:
3.1)计算所述参考光场图像R和所述测试光场图像D在频域的边缘相似性FEMap,
其中,ψLH、ψHL和ψHH均表示图像在高频区域的边缘相似性值,取值范围为[0,1];ψLH=exp(-|LHR-LHD|),ψHL=exp(-|HLR-HLD|),ψHH=exp(-|HHR-HHD|);
3.2)计算所述参考光场图像R和所述测试光场图像D在频域的亮度相似性图FLMap,
FLMap=ψLL,
其中,ψLL=exp(-|LLR-LLD|),ψLL表示图像在低频区域的亮度相似性值,取值范围为[0,1];
3.3)计算所述频域信息相似性图FMap,
FMap=FEMap·FLMap。
4.如权利要求1所述的一种全参考光场图像质量评价方法,其特征在于:在步骤4)中,对所述参考光场图像R和所述测试光场图像D按照图像宽度和高度进行1/2的空间下采样得到所述参考图像r和测试图像d。
5.如权利要求1所述的一种全参考光场图像质量评价方法,其特征在于:在步骤4)中,所述参考图像r和所述测试图像d的亮度信息分别为所述参考图像图像r和所述测试图像d对比度结构信息分别为:
其中,ri和di分别表示所述参考图像r与所述测试图像d的像素点值N表示所述参考图像图像r和所述测试图像d的像素点数。
6.如权利要求5所述的一种全参考光场图像质量评价方法,其特征在于:在步骤4)中,计算空域信息相似性图,具体步骤如下:
4.1)计算所述参考图像图像r和所述测试图像d在空域的对比度结构相似性图SSMap,
其中,C为正常数;
4.2)计算图像r和d在空域的亮度相似性图SLMap,
其中,L=255;
4.3)计算空域信息相似性图SMap,
SMap=SSMap·SLMap。
7.根据权利要求1所述的结合频域和空域相似性的全参考光场图像质量评价方法,其特征在于,步骤5)中,结合所述频域信息相似性图FMap和所述空域信息相似性图SMap,池化得到所述最终光场图像质量分数,步骤如下:
5.1)结合所述频域信息相似性图FMap和所述空域信息相似性图SMap,得到最终光场质量图FSMap,
FSMap=FMap·SMap;
5.2)池化得到最终光场图像质量分数Qscore,
其中,M表示最终光场质量图FSMap的像素点数,FSMapi表示图上的点的像素值,i∈[1,M]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810311096.1A CN108447059B (zh) | 2018-04-09 | 2018-04-09 | 一种全参考光场图像质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810311096.1A CN108447059B (zh) | 2018-04-09 | 2018-04-09 | 一种全参考光场图像质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108447059A true CN108447059A (zh) | 2018-08-24 |
CN108447059B CN108447059B (zh) | 2021-06-29 |
Family
ID=63199015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810311096.1A Active CN108447059B (zh) | 2018-04-09 | 2018-04-09 | 一种全参考光场图像质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108447059B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523508A (zh) * | 2018-09-27 | 2019-03-26 | 宁波大学 | 一种密集光场质量评价方法 |
CN109801273A (zh) * | 2019-01-08 | 2019-05-24 | 华侨大学 | 一种基于极平面线性相似度的光场图像质量评价方法 |
CN110310269A (zh) * | 2019-06-27 | 2019-10-08 | 华侨大学 | 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 |
CN111724373A (zh) * | 2020-06-22 | 2020-09-29 | 江西财经大学 | 一种基于感知加密光场图像的视觉安全性度量方法 |
CN115082508A (zh) * | 2022-08-18 | 2022-09-20 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008115405A2 (en) * | 2007-03-16 | 2008-09-25 | Sti Medicals Systems, Llc | A method of image quality assessment to procuce standardized imaging data |
CN101950418A (zh) * | 2010-08-26 | 2011-01-19 | 北京中创信测科技股份有限公司 | 一种图像质量评价方法和装置 |
CN104394403A (zh) * | 2014-11-04 | 2015-03-04 | 宁波大学 | 一种面向压缩失真的立体视频质量客观评价方法 |
CN105118057A (zh) * | 2015-08-18 | 2015-12-02 | 江南大学 | 基于四元数小波变换幅值与相位的图像清晰度评价方法 |
-
2018
- 2018-04-09 CN CN201810311096.1A patent/CN108447059B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008115405A2 (en) * | 2007-03-16 | 2008-09-25 | Sti Medicals Systems, Llc | A method of image quality assessment to procuce standardized imaging data |
CN101950418A (zh) * | 2010-08-26 | 2011-01-19 | 北京中创信测科技股份有限公司 | 一种图像质量评价方法和装置 |
CN104394403A (zh) * | 2014-11-04 | 2015-03-04 | 宁波大学 | 一种面向压缩失真的立体视频质量客观评价方法 |
CN105118057A (zh) * | 2015-08-18 | 2015-12-02 | 江南大学 | 基于四元数小波变换幅值与相位的图像清晰度评价方法 |
Non-Patent Citations (2)
Title |
---|
REZAZADEH S 等: "A novel discrete wavelet transform framework for full reference image quality assessment", 《SIGNAL, IMAGE AND VIDEO PROCESSING》 * |
符颖 等: "采用边缘信息的屏幕图像质量评价", 《信号处理》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523508A (zh) * | 2018-09-27 | 2019-03-26 | 宁波大学 | 一种密集光场质量评价方法 |
CN109523508B (zh) * | 2018-09-27 | 2021-08-31 | 宁波大学 | 一种密集光场质量评价方法 |
CN109801273A (zh) * | 2019-01-08 | 2019-05-24 | 华侨大学 | 一种基于极平面线性相似度的光场图像质量评价方法 |
CN109801273B (zh) * | 2019-01-08 | 2022-11-01 | 华侨大学 | 一种基于极平面线性相似度的光场图像质量评价方法 |
CN110310269A (zh) * | 2019-06-27 | 2019-10-08 | 华侨大学 | 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 |
CN110310269B (zh) * | 2019-06-27 | 2022-11-01 | 华侨大学 | 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 |
CN111724373A (zh) * | 2020-06-22 | 2020-09-29 | 江西财经大学 | 一种基于感知加密光场图像的视觉安全性度量方法 |
CN111724373B (zh) * | 2020-06-22 | 2024-05-14 | 江西财经大学 | 一种基于感知加密光场图像的视觉安全性度量方法 |
CN115082508A (zh) * | 2022-08-18 | 2022-09-20 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
CN115082508B (zh) * | 2022-08-18 | 2022-11-22 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108447059B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108447059B (zh) | 一种全参考光场图像质量评价方法 | |
Sandić-Stanković et al. | DIBR-synthesized image quality assessment based on morphological multi-scale approach | |
CN103871041B (zh) | 基于认知正则化参数构建的图像超分辨率重构方法 | |
CN109978854B (zh) | 一种基于边缘与结构特征的屏幕内容图像质量评估方法 | |
CN109255358B (zh) | 一种基于视觉显著性和深度图的3d图像质量评价方法 | |
CN108830823B (zh) | 基于空域结合频域分析的全参考型图像质量评价方法 | |
Okarma | Combined full-reference image quality metric linearly correlated with subjective assessment | |
CN104994375A (zh) | 一种基于立体视觉显著性的立体图像质量客观评价方法 | |
CN106919257B (zh) | 基于图像亮度信息力触觉交互纹理力再现方法 | |
KR101028628B1 (ko) | 영상 텍스쳐 필터링 방법, 이를 수행하는 프로그램을 기록한 기록매체 및 이를 수행하는 장치 | |
CN109523506A (zh) | 基于视觉显著图像特征增强的全参考立体图像质量客观评价方法 | |
WO2022126674A1 (zh) | 立体全景图像的质量评价方法、系统 | |
WO2023082453A1 (zh) | 一种图像处理方法及装置 | |
CN103354617B (zh) | 一种基于dct域的边缘强度压缩的图像质量客观评价方法 | |
CN111612741A (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
Kang et al. | Self-learning-based single image super-resolution of a highly compressed image | |
CN110310269B (zh) | 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 | |
CN106709874B (zh) | 一种基于人脸结构相关的压缩低分辨率人脸图像复原方法 | |
CN113128517B (zh) | 色调映射图像混合视觉特征提取模型建立及质量评价方法 | |
CN107665488B (zh) | 一种立体图像视觉显著提取方法 | |
CN111968073B (zh) | 一种基于纹理信息统计的无参考图像质量评价方法 | |
CN112508847A (zh) | 一种基于深度特征与结构加权lbp特征的图像质量评价方法 | |
CN111524104B (zh) | 基于多尺度轮廓波特征的全参考光场图像质量评价方法 | |
CN115082296B (zh) | 一种基于小波域图像生成框架的图像生成方法 | |
Qin et al. | Traffic sign image enhancement in low light environment |
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 |