CN108494994A - 提升图像分析算法准确率的方法及装置 - Google Patents
提升图像分析算法准确率的方法及装置 Download PDFInfo
- Publication number
- CN108494994A CN108494994A CN201810216901.2A CN201810216901A CN108494994A CN 108494994 A CN108494994 A CN 108494994A CN 201810216901 A CN201810216901 A CN 201810216901A CN 108494994 A CN108494994 A CN 108494994A
- Authority
- CN
- China
- Prior art keywords
- video frame
- mean value
- sliding window
- value feedback
- result
- 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
- 238000010191 image analysis Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 230000001737 promoting effect Effects 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000011282 treatment Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000000386 athletic effect Effects 0.000 claims 1
- 238000012935 Averaging Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提供一种提升图像分析算法准确率的方法及装置,包括:对获取的视频流进行视频解码处理获得多个视频帧;对每个视频帧进行去噪处理获得多个去躁视频帧;对每个去躁视频帧进行图像分析获得多个分析结果;将多个分析结果依次存入数组中,当分析结果数量达到数组长度时,对所述分析结果求平均值计算获得多个平均值分析结果;将多个平均值分析结果依次送入滑动窗口中,当平均值分析结果数量达到滑动窗口长度时,对滑动窗口中间位置的平均值分析结果进行修正,直到对所有平均值分析结果处理完为止。由于该方案通过对视频图像先进行去噪来优化图像质量,提升了清晰度,然后结合滑动窗口算法对分析结果再进行优化,提高了准确率。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种提升图像分析算法准确率的方法及装置。
背景技术
庭审核查系统是一套专门针对庭审过程中的法官、书记员以及参与庭审的当事人的行为进行规范性检查的一套系统,这套系统结合了多项人工智能技术,其中使用图像分析技术可以用来分析和发现庭审过程中法官、书记员以及当事人的不规范行为,进行及时提醒,以达到规范庭审秩序的目的。
但由于一些原因,导致实际应用效果不是很理想。主要包括:
1.由于庭审涉及到多方当事人,庭审视频大多采用了画面合成技术,将多方当事人集中在同一个视频中的不同分割画面中来显示,这样导致法官以及当事人所占画面的比例非常小,画面清晰度不够;
2.受限于法院网络条件和法庭实际灯光效果的影响,画面噪点较多,质量和清晰度不是很好;
由于上述一些客观原因的影响,庭审核查系统的图像分析算法在对这些质量和清晰度都不是很高的视频进行核查时,很容易出现分析结果错误,误报或漏报的现象;导致法院用户对于系统的感觉和体验都不好,导致购买意愿的降低。
发明内容
本发明实施例提供了一种提升图像分析算法准确率的方法及装置,对视频图像先进行去噪来优化图像质量,提升了清晰度,然后结合滑动窗口算法对分析结果再进行优化,提高了准确率。
该提升图像分析算法准确率的方法包括:
获取所要分析的视频流,对所述视频流进行视频解码处理,获得连续的多个视频帧;
对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧;
对所述多个去躁视频帧中的每个去躁视频帧进行图像分析,获得多个分析结果;
将所述多个分析结果依次存入数组中,当数组中所存的分析结果的数量达到数组长度时,对数组中所存的分析结果求平均值计算,根据所述多个分析结果获得多个平均值分析结果;
将所述多个平均值分析结果依次送入滑动窗口中,当所述滑动窗口内的平均值分析结果的数量达到滑动窗口长度时,对所述滑动窗口中间位置的平均值分析结果进行修正,直到对所有平均值分析结果处理完为止。
该提升图像分析算法准确率的装置包括:
视频帧获取单元,用于获取所要分析的视频流,对所述视频流进行视频解码处理,获得连续的多个视频帧;
去躁处理单元,用于对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧;
图像分析单元,用于对所述多个去躁视频帧中的每个去躁视频帧进行图像分析,获得多个分析结果;
平均值分析结果获得单元,用于将所述多个分析结果依次存入数组中,当数组中所存的分析结果的数量达到数组长度时,对数组中所存的分析结果求平均值计算,根据所述多个分析结果获得多个平均值分析结果;
滑动窗口处理单元,用于将所述多个平均值分析结果依次送入滑动窗口中,当所述滑动窗口内的平均值分析结果的数量达到滑动窗口长度时,对所述滑动窗口中间位置的平均值分析结果进行修正,直到对所有平均值分析结果处理完为止。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述所述方法的计算机程序。
在本发明实施例中,首先对视频图像进行去噪来优化图像质量,提升了清晰度,然后结合滑动窗口算法对分析结果再进行优化,提高了准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种提升图像分析算法准确率的方法流程图;
图2是本发明实施例提供的一种滑动窗口示例图;
图3是本发明实施例提供的一种提升图像分析算法准确率的装置结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中,提供了一种提升图像分析算法准确率的方法,如图1所示,该方法包括:
步骤101:获取所要分析的视频流,对所述视频流进行视频解码处理,获得连续的多个视频帧;
步骤102:对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧;
步骤103:对所述多个去躁视频帧中的每个去躁视频帧进行图像分析,获得多个分析结果;
步骤104:将所述多个分析结果依次存入数组中,当数组中所存的分析结果的数量达到数组长度时,对数组中所存的分析结果求平均值计算,根据所述多个分析结果获得多个平均值分析结果;
步骤105:将所述多个平均值分析结果依次送入滑动窗口中,当所述滑动窗口内的平均值分析结果的数量达到滑动窗口长度时,对所述滑动窗口中间位置的平均值分析结果进行修正,直到对所有平均值分析结果处理完为止。
具体实施时,上述方法是由庭审核查系统中的已优化的图像分析子系统来完成的。庭审核查系统包括业务处理及展示系统和底层图像分析子系统。
图像分析子系统主要包括了A、B、C、D 4个模块,步骤101由A模块完成,步骤102由B模块完成,步骤103和步骤104由C模块完成,步骤105由D模块完成。下面分别对A、B、C、D这4个模块进行介绍。
A模块:
A1:启动时初始化庭审核查系统运行的各种环境变量;
A2:等待接收上层业务处理及展示系统的开始/停止视频分析的指令;
A3:如果接收到停止视频分析的指令,则根据传入的参数(即各种环境变量),停止指定的Task任务;
A4:如果接收到开始视频分析的指令,首先进行参数检查,检查无误后再进入下一步,创建1个新的Task任务,并以线程的方式开始执行;
A5:该Task任务首先根据传入的参数去拉取指定的视频流,进行视频解码;
A6:如果拉流或者解码失败,则结束当前的Task任务,并将任务失败的信息反馈给上层业务处理及展示系统;
A7:如果拉流解码成功,解码形成连续的多个视频帧F(1)-F(n),可以用下列公式来表示:
g(x,y,t)=f(x,y,t)+n(x,y,t);
其中,t为视频序列当中的时间,g(x,y,t)为含噪视频,f(x,y,t)为原始视频,n(x,y,t)为噪声。
A8:解码后的视频帧F(1)-F(n)逐帧送给B模块处理,处理后得到去躁视频帧F`(1)-F`(n);
A9:再将去躁视频帧F`(1)-F`(n)依次交给C模块进行处理。
B模块:
B1:依次接收传入的视频帧F(x);
B2:针对每个F(x)采用非运动补偿的时-空域滤波器算法对视频图像进行去噪处理,来提升图像的质量和清晰度。其处理过程的公式如下:
其中,f(i,j,k)为去除噪声后的视频帧;w(p,q,l)为滤波系数,反映的是在滤波过程当中在时域以及空域内相邻像素对中心像素的影响;
B3:将经过上述滤波处理后的视频帧F`(1)-F`(n),再返回给A模块;
C模块:
C1:依次接收传入的去躁视频帧F`(x);
C2:将多个F`(x)分别交给图像分析算法程序AP(已有的)进行图像分析,得到多个分析结果R(x);
C3:再依次将分析结果R(x)存入一个长度为m的数组A中;
C4:当数组A中所存的分析结果R(x)的数量达到数组长度m时,则对数组A中存储的m个分析结果R(x)进行求平均值计算,得到平均值分析结果Y(i),同时清空数组A用于计算下一组分析结果,计算平均值的公式如下:
C5:这样每m个结果R(x)求平均计算得到一个平均值分析结果Y(i);
C6:再将平均值分析结果Y(i)交给D模块处理;
D模块:
根据实验测试的数据发现,连续图像帧画面上即使只出现了细小的差异,但图像分析的结果依然会意外地出现较大的波动,但总体检测结果符合线性分布;
利用这个规律,对于偶尔出现的波动和偏离的结果数据,采用下面的步骤来对最终的结果数据进行优化处理:
D1:首先设定一个长度为2M+1的滑动窗口(其中M的取值为正整数1,2,3,4…);
D2:接收到的平均值分析结果Y(i)依次送入该滑动窗口进行处理;
D3:当滑动窗口内存放的平均值分析结果Y(i)的数量小于2M+1时,不做任何处理;
D4:当滑动窗口内平均值分析结果的数量达到2M+1时,对滑动窗口中间位置的结果进行修正,修正的方法是:分类统计出该滑动窗口内所有Y(i)的数量,以数量较多的平均值分析结果Y(i)替换中间位置的平均值分析结果,如此一直反复进行下去,边接收平均值分析结果边对平均值分析结果进行修正,只到所有的平均值分析结果都处理完。滑动窗口的示例图如图2所示,其中,尖角表示出现的波动和偏离的结果数据。
D5:经过滑动窗口处理过的结果,将图像分析结果中的异常数据进行了纠正,再返回给上层业务系统。
基于同一发明构思,本发明实施例中还提供了一种提升图像分析算法准确率的装置,如下面的实施例所述。由于提升图像分析算法准确率的装置解决问题的原理与提升图像分析算法准确率的方法相似,因此提升图像分析算法准确率的装置的实施可以参见提升图像分析算法准确率的方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是本发明实施例的提升图像分析算法准确率的装置的一种结构框图,如图3所示,包括:
视频帧获取单元301,用于获取所要分析的视频流,对所述视频流进行视频解码处理,获得连续的多个视频帧;
去躁处理单元302,用于对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧;
图像分析单元303,用于对所述多个去躁视频帧中的每个去躁视频帧进行图像分析,获得多个分析结果;
平均值分析结果获得单元304,用于将所述多个分析结果依次存入数组中,当数组中所存的分析结果数量达到数组长度时,对数组中所存的分析结果求平均值计算,根据所述多个分析结果获得多个平均值分析结果;
滑动窗口处理单元305,用于将所述多个平均值分析结果依次送入滑动窗口中,当所述滑动窗口内的平均值分析结果数量达到滑动窗口长度时,对所述滑动窗口中间位置的平均值分析结果进行修正,直到对所有平均值分析结果处理完为止。
其中,视频帧获取单元301相当于A模块,去躁处理单元302相当于B模块,图像分析单元303、平均值分析结果获得单元304相当于C模块,滑动窗口处理单元305相当于D模块。
具体实施时,所述去躁处理单元302具体用于:
采用非运动补偿的时-空域滤波器算法对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧。
具体实施时,所述去躁处理单元302具体用于:
按照如下公式进行去躁处理:
其中,f(i,j,k)为去除噪声后的视频帧;w(p,q,l)为滤波系数;g(i,j,k)为含噪视频帧。
具体实施时,所述滑动窗口处理单元305具体用于:
按照如下方式对所述滑动窗口中间位置的平均值分析结果进行修正:
分类统计出所述滑动窗口中所存的平均值分析结果的数量,以数量最多的平均值分析结果替换所述滑动窗口中间位置的平均值分析结果。
本发明实施例中还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述方法。
本发明实施例中还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述所述方法的计算机程序。
综上所述,本发明提出的提升图像分析算法准确率的方法和装置可以优化和提升庭审核查系统中图像分析算法准确率,该方法中首先分析了导致算法准确率低的原因,并有针对性地利用非运动补偿的时-空域滤波器算法对图像进行了去噪,来提升图像质量;然后利用滑动窗口方法对图像分析结果中的异常数据进行了修正,来进一步提升了图像分析结果的准确度,进而提升整个系统的准确率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种提升图像分析算法准确率的方法,其特征在于,包括:
获取所要分析的视频流,对所述视频流进行视频解码处理,获得连续的多个视频帧;
对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧;
对所述多个去躁视频帧中的每个去躁视频帧进行图像分析,获得多个分析结果;
将所述多个分析结果依次存入数组中,当数组中所存的分析结果的数量达到数组长度时,对数组中所存的分析结果求平均值计算,根据所述多个分析结果获得多个平均值分析结果;
将所述多个平均值分析结果依次送入滑动窗口中,当所述滑动窗口内的平均值分析结果的数量达到滑动窗口长度时,对所述滑动窗口中间位置的平均值分析结果进行修正,直到对所有平均值分析结果处理完为止。
2.如权利要求1所述的提升图像分析算法准确率的方法,其特征在于,对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧,包括:
采用非运动补偿的时-空域滤波器算法对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧。
3.如权利要求2所述的提升图像分析算法准确率的方法,其特征在于,所述采用非运动补偿的时-空域滤波器算法对所述多个视频帧中的每个视频帧进行滤波去噪处理,按照如下公式处理:
其中,f(i,j,k)为去除噪声后的视频帧;w(p,q,l)为滤波系数;g(i,j,k)为含噪视频帧。
4.如权利要求1所述的提升图像分析算法准确率的方法,其特征在于,按照如下方式对所述滑动窗口中间位置的平均值分析结果进行修正:
分类统计出所述滑动窗口中所存的平均值分析结果的数量,以数量最多的平均值分析结果替换所述滑动窗口中间位置的平均值分析结果。
5.一种提升图像分析算法准确率的装置,其特征在于,包括:
视频帧获取单元,用于获取所要分析的视频流,对所述视频流进行视频解码处理,获得连续的多个视频帧;
去躁处理单元,用于对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧;
图像分析单元,用于对所述多个去躁视频帧中的每个去躁视频帧进行图像分析,获得多个分析结果;
平均值分析结果获得单元,用于将所述多个分析结果依次存入数组中,当数组中所存的分析结果的数量达到数组长度时,对数组中所存的分析结果求平均值计算,根据所述多个分析结果获得多个平均值分析结果;
滑动窗口处理单元,用于将所述多个平均值分析结果依次送入滑动窗口中,当所述滑动窗口内的平均值分析结果的数量达到滑动窗口长度时,对所述滑动窗口中间位置的平均值分析结果进行修正,直到对所有平均值分析结果处理完为止。
6.如权利要求5所述的提升图像分析算法准确率的装置,其特征在于,所述去躁处理单元具体用于:
采用非运动补偿的时-空域滤波器算法对所述多个视频帧中的每个视频帧进行滤波去噪处理,获得多个去躁视频帧。
7.如权利要求6所述的提升图像分析算法准确率的装置,其特征在于,所述去躁处理单元具体用于:
按照如下公式进行去躁处理:
其中,f(i,j,k)为去除噪声后的视频帧;w(p,q,l)为滤波系数;g(i,j,k)为含噪视频帧。
8.如权利要求5所述的提升图像分析算法准确率的装置,其特征在于,所述滑动窗口处理单元具体用于:
按照如下方式对所述滑动窗口中间位置的平均值分析结果进行修正:
分类统计出所述滑动窗口中所存的平均值分析结果的数量,以数量最多的平均值分析结果替换所述滑动窗口中间位置的平均值分析结果。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至4任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810216901.2A CN108494994B (zh) | 2018-03-16 | 2018-03-16 | 提升图像分析算法准确率的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810216901.2A CN108494994B (zh) | 2018-03-16 | 2018-03-16 | 提升图像分析算法准确率的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108494994A true CN108494994A (zh) | 2018-09-04 |
CN108494994B CN108494994B (zh) | 2020-12-11 |
Family
ID=63339332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810216901.2A Active CN108494994B (zh) | 2018-03-16 | 2018-03-16 | 提升图像分析算法准确率的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108494994B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101312544A (zh) * | 2008-06-25 | 2008-11-26 | 厦门大学 | 面向无线网络的视频质量自动评测系统及其评测方法 |
CN101477369A (zh) * | 2009-01-19 | 2009-07-08 | 浙江大学 | 一种用于化工流程系统变负荷下的数据校正方法 |
US20120275505A1 (en) * | 2009-11-04 | 2012-11-01 | Aware, Inc. | Forensic diagnostic capability including g.inp |
CN106383999A (zh) * | 2016-09-13 | 2017-02-08 | 北京协力筑成金融信息服务股份有限公司 | 一种多源时序数据的趋势分析方法和装置 |
-
2018
- 2018-03-16 CN CN201810216901.2A patent/CN108494994B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101312544A (zh) * | 2008-06-25 | 2008-11-26 | 厦门大学 | 面向无线网络的视频质量自动评测系统及其评测方法 |
CN101477369A (zh) * | 2009-01-19 | 2009-07-08 | 浙江大学 | 一种用于化工流程系统变负荷下的数据校正方法 |
US20120275505A1 (en) * | 2009-11-04 | 2012-11-01 | Aware, Inc. | Forensic diagnostic capability including g.inp |
CN106383999A (zh) * | 2016-09-13 | 2017-02-08 | 北京协力筑成金融信息服务股份有限公司 | 一种多源时序数据的趋势分析方法和装置 |
Non-Patent Citations (1)
Title |
---|
李贵晓: "《化工过程动态数据校正与过失误差侦破的研究》", 《青岛科技大学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108494994B (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10916002B2 (en) | Enhancing temporal and spatial resolution and correcting data anomalies of remote sensed data for estimating high spatio-temporal resolution vegetation indices | |
JP6961139B2 (ja) | 知覚的な縮小方法を用いて画像を縮小するための画像処理システム | |
CN107852496B (zh) | 用于预测感知视频质量的方法、系统及存储介质 | |
Zhao et al. | A novel framework for remote photoplethysmography pulse extraction on compressed videos | |
US9282330B1 (en) | Method and apparatus for data compression using content-based features | |
US20200351509A1 (en) | Method and device for compressing image and neural network using hidden variable | |
CN110267045B (zh) | 一种视频处理及编码的方法、装置及可读存储介质 | |
Tran et al. | An evaluation of quality metrics for 360 videos | |
CN111988611A (zh) | 量化偏移信息的确定方法、图像编码方法、装置及电子设备 | |
CN104303504B (zh) | 稳定信息和瞬时/随机信息的不同编码和解码 | |
US8401280B2 (en) | Device for improving stereo matching results, method of improving stereo matching results using the device, and system for receiving stereo matching results | |
JP7191492B2 (ja) | 相補的知覚品質モデルに基づいて知覚映像品質を予測するための手法 | |
US11729396B2 (en) | Techniques for modeling temporal distortions when predicting perceptual video quality | |
US8279263B2 (en) | Mapping psycho-visual characteristics in measuring sharpness feature and blurring artifacts in video streams | |
Zheng et al. | Faver: Blind quality prediction of variable frame rate videos | |
Bienik et al. | Impact of packet loss rate on quality of compressed high resolution videos | |
Zheng et al. | A completely blind video quality evaluator | |
Pandelara et al. | A fuzzy regression causality approach to analyze relationship between electrical consumption and GDP | |
CN108494994A (zh) | 提升图像分析算法准确率的方法及装置 | |
JP5119740B2 (ja) | 映像信号処理装置、映像信号処理方法、映像信号処理方法のプログラム及び映像信号処理方法のプログラムを記録した記録媒体 | |
US20240121402A1 (en) | Techniques for predicting video quality across different viewing parameters | |
Hosni et al. | Near real-time stereo with adaptive support weight approaches | |
CN113610731A (zh) | 用于生成画质提升模型的方法、装置及计算机程序产品 | |
Wang et al. | Non-linear image enhancement using opportunity costs | |
CN103258318A (zh) | 一种图像降噪处理方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100094 5 floor 101, 6 building, No. 3, Fung Xiu Road, Haidian District, Beijing. Applicant after: BEIJING HUAXIA DENTSU TECHNOLOGY Co.,Ltd. Address before: 100094 5 floor 101, 6 building, No. 3, Fung Xiu Road, Haidian District, Beijing. Applicant before: BEIJING CHINASYS TECHNOLOGIES Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |