CN110473182A - 一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 - Google Patents
一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN110473182A CN110473182A CN201910716146.9A CN201910716146A CN110473182A CN 110473182 A CN110473182 A CN 110473182A CN 201910716146 A CN201910716146 A CN 201910716146A CN 110473182 A CN110473182 A CN 110473182A
- Authority
- CN
- China
- Prior art keywords
- subjective
- reviewer
- full link
- index
- evaluation index
- 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
Links
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
- G06T2207/30—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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明的实施例提供了一种面向可见光全链路仿真图像的主观评价处理方法,获取在轨卫星实际成像的原始光学图像数据;获取与所述原始光学图像对应的全链路仿真系统的图像数据;获取主观评测人员的人员数量;获取各所述主观评测人员所属的置信区间,根据所述置信区间确定各所述主观评测人员的权重值;获取评估指标和评分标准,根据所述评估指标和评分标准,获取各所述主观测评人员对所述全链路仿真系统的图像数据的评分;评分结果处理。通过本发明的方案可有效地得出图像可用性评价结论,进而能够验证仿真技术对卫星成像系统性能的再现能力。
Description
技术领域
本发明涉及遥感技术领域,具体涉及一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质。
背景技术
仿真结果的评估是仿真技术的重要环节,随着理论与技术以及认识能力的提高,认识→实践→再认识→再实践的反复进行,仿真的真实度将会逐步提高。根据仿真对象、目的和需求的不同,对仿真评估指标的要求也不尽相同,评估结果是确定仿真结果达到预期目的与否的重要参考依据,也是成果推广应用的重要支撑。
开发光学成像全链路仿真系统,可为遥感系统的论证设计、研制过程检验、运行过程评估提供技术支持。全链路仿真图像是光学成像全链路仿真系统的仿真输出结果,对仿真图像的评价是以同步卫星观测图像为标准参考对仿真图像进行评估,从相似性、可信度入手设计评价指标和方法,最终得出仿真结果可用性结论,进而能够验证仿真技术对卫星成像系统性能的再现能力。
目前,遥感图像质量评价领域形成了一些研究成果,但没有面向目标解译开展全链路仿真图像可用性评价研究,现有成果不能很好地从解译角度反映仿真图像与实拍图像的相似程度、可信程度。
遥感图像质量评价领域,主观评价仍然是最可靠、最准确的图像质量评价方法,人是所有成像链路最终的接收者,人眼视觉系统的主观感受才是评价图像质量好坏的标准。但是,目前的现有技术对于遥感图像质量评价领域的客观评价指标往往不能很好地反映判读人员的主观评价结果。尤其在目标解译等应用方面,需依靠主观评价获取可靠结论。然而,目前面向全链路仿真结果的主观评价处理方法仍处于探索当中,尚未有有效的针对目标解译应用开展的主观评价处理方法。
发明内容
因此,为了克服上述现有技术的缺点,本发明提供一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质。
为了实现上述目的,提供一种面向可见光全链路仿真图像的主观评价处理方法,其特征在于,
步骤1)获取在轨卫星实际成像的原始光学图像数据;
步骤2)获取与所述原始光学图像对应的全链路仿真系统的图像数据;
步骤3)获取主观评测人员的人员数量;
步骤4)获取各所述主观评测人员所属的置信区间,根据所述置信区间确定各所述主观评测人员的权重值;
步骤5)获取评估指标和评分标准,根据所述评估指标和评分标准,获取各所述主观测评人员对所述全链路仿真系统的图像数据的评分;
步骤6)评分结果处理:包括:
根据所述评分结果和所述人员数量,依次获取各所述评估指标的指标权重值;
根据所述主观评测人员的权重值和置信区间内评价人员评分的均值,依次获取各评估指标的主观评价得分;
根据所述各评估指标的指标权重值和所述各评估指标的主观评价得分,确定所述全链路仿真系统的图像数据的评分结果。
优选地,所述步骤6)评分结果处理,还包括对各所述主观测评人员对所述全链路仿真系统的图像数据的评分进行一致性评价,去除奇异值。
优选地,所述去除奇异值,包括:采用Grubbs检验法去除奇异值。
优选地,所述步骤4)中,所述置信度区间包括高置信度区间、中置信度区间、低置信度区间以及弱置信度区间。
优选地,根据所述置信区间确定所述评测人员的评分权重值包括,高置信度区间评测人员的评分权重为50%、中置信度区间评测人员的评分权重为30%、低置信度区间评测人员的评分权重为15%以及低置信度区间评测人员的评分权重为5%。
优选地,所述步骤5)中,所述评估指标包括但不限于:图像要素框架、整体清晰度、灰度均衡度、直观噪声水平、目标形状保真度、目标细节保真度。
优选地,所述步骤5)中,所述评分标准包括对所述评估指数进行准确度赋值和权重赋值,所述评估指数准确度赋值为百分制,所述评估指数权重赋值为十分制。
本发明还提供一种面向可见光全链路仿真图像的主观评价处理装置,所述装置包括:
第一图像提取单元,用于获取在轨卫星实际成像的原始光学图像数据;
第二图像提取单元,获取与所述原始光学图像对应的全链路仿真系统的图像数据;
评测客体信息获取单元,用于获取主观评测人员的人员数量;
评测客体权重获取单元,用于获取各所述主观评测人员所属的置信区间,根据所述置信区间确定各所述主观评测人员的权重值;
评测客体评分结果获取单元,用于确定评估指标和评分标准,根据所述评估指标和评分标准,获取测评人员对所述全链路仿真系统的图像数据的评分结果;
评分结果处理单元,用于对所述评分结果进行处理,其进一步包括:
评估指标权重获取单元,用于根据所述评分结果和所述人员数量,依次获取各所述评估指标的指标权重值;
评估指标主观评价得分获取单元,用于根据所述主观评测人员的权重值和置信区间内评价人员评分的均值,依次获取各评估指标的主观评价得分;
评分结果获取单元,用于根据所述各评估指标的指标权重值和所述各评估指标的主观评价得分,确定所述全链路仿真系统的图像数据的评分结果。
本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的面向可见光全链路仿真图像的主观评价处理方法。
本发明还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行上述的面向可见光全链路仿真图像的主观评价处理方法。
与现有技术相比,本发明瞄准目标解译等应用,从图像判读分析人员的主观评价结果对光学全链路仿真图像结果进行评估。从相似性、可信度入手提出了有效和可信的主观评价指标和评价处理方法,通过本发明的方案可有效地得出图像可用性评价结果,进而能够有效地验证仿真技术对卫星成像系统性能的再现能力。
附图说明
图1为本发明实施例提供的面向可见光全链路仿真图像的主观评价处理方法的流程图;
图2为本发明实施例提供的面向可见光全链路仿真图像的主观评价处理方法的主观评定结果流程示意图;
图3为本发明实施例提供的应用层次分析法的面向可见光全链路仿真图像的主观评价处理方法实施例的主观评价指标示意图;
图4为本发明实施例提供的实施例提供的面向可见光全链路仿真图像的主观评价处理装置的结构示意图;
图5为根据本发明实施例提供的计算机可读存储介质的结构示意图;
图6为根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
图1和图2为本发明实施例提供的面向可见光全链路仿真图像的主观评价处理方法的流程图,该评价方法可应用在如图1所示的的实施环境中。如图1和图2所示,包括如下步骤:
获取在轨卫星实际成像的原始光学图像数据;
获取与所述原始光学图像对应的全链路仿真系统的图像数据;
获取主观评测人员的人员数量;
获取各所述主观评测人员所属的置信区间,根据所述置信区间确定各所述主观评测人员的权重值;
获取评估指标和评分标准,根据所述评估指标和评分标准,获取各所述主观测评人员对所述全链路仿真系统的图像数据的评分;
评分结果处理:包括:
根据所述评分结果和所述人员数量,依次获取各所述评估指标的指标权重值;
根据所述主观评测人员的权重值和置信区间内评价人员评分的均值,依次获取各评估指标的主观评价得分;
根据所述各评估指标的指标权重值和所述各评估指标的主观评价得分,确定所述全链路仿真系统的图像数据的评分结果。
获取在轨卫星实际成像的原始光学图像数据的步骤以及获取与所述原始光学图像对应的全链路仿真系统的图像数据的步骤提供了评价的样本数据,原始光学图像数据是用作参考的原始数据,全链路仿真系统的图像数据是用来进行评估的对象数据。
在一个实施例中,原始光学图像数据取样标准为在轨卫星实际成像的光学图像数据零级产品。仿真系统图像数据分别取样标准为利用卫星观测时地面同步测量数据及卫星成像辅助数据作为仿真输入生成的仿真图像数据。数据的获取数量,可根据评价需求的规模和效率综合考虑,在一个实施例中,原始光学图像数据和仿真系统图像数据各取取同一场景五次随机成像条件下一一对应的五组图像。
主观评价是指需要人通过人眼直接观察图像,按照预先制定的某种标准根据人的主观判断图像的好坏。通常是多个人观察同一幅图像,根据视觉标准对图像进行打分,取观察者的平均分数作为该图像的质量评价结果。
本发明采用相对评价方法,采用实际获取的卫星图像作为参照标准,通过比对评价要素对仿真图像进行打分。
在一个实施例中,对于每一个评价项目,均采用“多样本多人”参与评价,最后求取平均分作为该项的评分的方法。主观评价人员主要选择对图像领域有一定了解的内行观察者。
由于主观评价人员的水平不同,为了便于规范打分结果,需要对各所述主观评测人员所属的置信区间进行分类,并对于不同置信区间的主观评价人员进行权重赋值,在一个实施例中,人员的组成如下:人员按照从业年限及业务水平分为专家级、骨干级、普通级、实习员4个等级,在最终评分结果中的权重分别为:50%、30%、15%、5%。
人员的数量为8人(专家2人、骨干2人、普通业务员2人、实习员2人),在其他的实施例中,人员的置信区间和数量可根据测评的目标进行调整,本发明在此实施例中仅用于示例,不作为对本发明的限定;
获取评估指标和评分标准,
在一个实施例中,评估指标由评测平台提供指标数据,从评测平台进行输出。
在一个实施例中,评测指标和解读如表1所示:
表1评测指标和解读表
评分标准可采取常规方式,在一个实施例中,评分标准采用百分制:
在主观打分的过程中,需要对所述各评测指标进行重要性排序。
在一个实施例中,该指标的重要性排序优选由主观打分人员进行信息输入。
在主观人员打分之后,需要对主观人员打分的结果进行主观评价结果处理,否则不能获取最终的测评结果。
首先,需要对测评结果进行异值剔除。为了检验所得到的评价结果是否满足合理、有效,需要对判读人员得到的评价结果进行统计,可以认定差异大于一定数值的判读结果是错误的。在一个实施例中,可使用Grubbs检验法去除奇异值。
其次,对评测指标进行权重赋值
假设有m个人参与判读,某项指标权重系数用cSi表示
m表示参与判读的人数,n表示参与评估的主观评价指标项个数,Swi表示第i项指标m人打分所得排序分数之和。
第i项指标主观评价得分计算方式:
其中,为第i个指标评估结果;n表示参与评估的主观评价指标项个数,k代表专家级、骨干级、普通级、实习员四种人员类别,为不同类别人员对应的指标权重,专家级、骨干级、普通级、实习员评分权重分别为:50%、30%、15%、5%;为第k类评价人员对第i个指标给出的评分结果的平均值。
主观评价得分计算方式即通过加权求和的方式得出:
最后,根据评价得分,对面向可见光全链路方针图像进行评判,根据评价准则得出结论:
1)90≤P≤100:图像仿真置信度好,满足应用需求;
2)80≤P≤89:图像仿真置信度较好,较好满足应用;
3)70≤P<79:图像仿真置信度中等,基本满足应用需求;
4)60≤P<69:图像仿真置信度较差,满足部分应用需求;
5)0≤P<59:图像仿真置信度非常差,无法满足应用需求。
图4示出了根据本公开的实施例的面向可见光全链路仿真图像的主观评价处理装置的方框图。该训练装置可以被包括在计算设备中或者被实现为计算设备。如图5所示,该装置包括:第一图像提取单元,用于获取在轨卫星实际成像的原始光学图像数据;第二图像提取单元,用于获取与所述原始光学图像对应的全链路仿真系统的图像数据;一级评价单元,用于确定一级评估指标,根据所述一级评估指标评估所述全链路仿真系统;二级评价单元,用于获取所述一级评价单元对所述全链路仿真系统的评估结果;并根据评估结果,确定该评估结果所对应的二级评估指标;计算单元,用于根据所述二级评估指标计算所述全链路仿真系统的图像数据的评估指数。
图5根据本公开的实施例的计算机可读存储介质的示意图。如图5所示,根据本公开实施例的计算机可读存储介质M,其上存储有非暂时性计算机可读指令O。当该非暂时性计算机可读指令O由处理器运行时,执行前述的本公开各实施例的面向可见光全链路仿真图像的主观评价处理方法的全部或部分步骤。
图6示出了可以用来实施本发明的实施例的电子设备600的示意性框图。设备600可以用于实现图1的计算设备130。如图所示,设备600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的计算机程序指令或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序指令,来执行各种适当的动作和处理。在RAM 603中,还可以存储设备600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
中央处理单元601执行上文所描述的各个方法和处理,例如,在一些实施例中,方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由CPU 601执行时,可以执行上文描述的方法的一个或多个步骤。备选地,在其他实施例中,CPU 601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述方法。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种面向可见光全链路仿真图像的主观评价处理方法,其特征在于,
步骤1)获取在轨卫星实际成像的原始光学图像数据;
步骤2)获取与所述原始光学图像对应的全链路仿真系统的图像数据;
步骤3)获取主观评测人员的人员数量;
步骤4)获取各所述主观评测人员所属的置信区间,根据所述置信区间确定各所述主观评测人员的权重值;
步骤5)获取评估指标和评分标准,根据所述评估指标和评分标准,获取各所述主观测评人员对所述全链路仿真系统的图像数据的评分;
步骤6)评分结果处理:包括:
根据所述评分结果和所述人员数量,依次获取各所述评估指标的指标权重值;
根据所述主观评测人员的权重值和置信区间内评价人员评分的均值,依次获取各评估指标的主观评价得分;
根据所述各评估指标的指标权重值和所述各评估指标的主观评价得分,确定所述全链路仿真系统的图像数据的评分结果。
2.如权利要求1所述的方法,其特征在于,所述步骤6)评分结果处理,还包括对各所述主观测评人员对所述全链路仿真系统的图像数据的评分进行一致性评价,去除奇异值。
3.如权利要求2所述的方法,其特征在于,所述去除奇异值,包括:采用Grubbs检验法去除奇异值。
4.如权利要求1所述的方法,其特征值在于,所述步骤4)中,所述置信度区间包括高置信度区间、中置信度区间、低置信度区间以及弱置信度区间。
5.如权利要求1所述的方法,其特征值在于,所述步骤4)中,根据所述置信区间确定所述评测人员的评分权重包括,高置信度区间评测人员的评分权重为50%、中置信度区间评测人员的评分权重为30%、低置信度区间评测人员的评分权重为15%以及低置信度区间评测人员的评分权重为5%。
6.如权利要求1所述的方法,其特征在于,所述步骤5)中,所述评估指标包括但不限于:图像要素框架、整体清晰度、灰度均衡度、直观噪声水平、目标形状保真度、目标细节保真度。
7.如权利要求1所述的方法,其特征在于,所述步骤5)中,所述评分标准包括对所述评估指数进行准确度赋值和权重赋值,所述评估指数准确度赋值为百分制,所述评估指数权重赋值为十分制。
8.一种面向可见光全链路仿真图像的主观评价处理装置,其特征在于,所述装置包括:
第一图像提取单元,用于获取在轨卫星实际成像的原始光学图像数据;
第二图像提取单元,获取与所述原始光学图像对应的全链路仿真系统的图像数据;
评测客体信息获取单元,用于获取主观评测人员的人员数量;
评测客体权重获取单元,用于获取各所述主观评测人员所属的置信区间,根据所述置信区间确定各所述主观评测人员的权重值;
评测客体评分结果获取单元,用于确定评估指标和评分标准,根据所述评估指标和评分标准,获取测评人员对所述全链路仿真系统的图像数据的评分结果;
评分结果处理单元,用于对所述评分结果进行处理,其进一步包括:
评估指标权重获取单元,用于根据所述评分结果和所述人员数量,依次获取各所述评估指标的指标权重值;
评估指标主观评价得分获取单元,用于根据所述主观评测人员的权重值和置信区间内评价人员评分的均值,依次获取各评估指标的主观评价得分;
评分结果获取单元,用于根据所述各评估指标的指标权重值和所述各评估指标的主观评价得分,确定所述全链路仿真系统的图像数据的评分结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6任一所述的面向可见光全链路仿真图像的主观评价处理方法。
10.一种非暂态计算机可读存储介质,其特征在于,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行权利要求1-6任一所述的面向可见光全链路仿真图像的主观评价处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910716146.9A CN110473182A (zh) | 2019-10-08 | 2019-10-08 | 一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910716146.9A CN110473182A (zh) | 2019-10-08 | 2019-10-08 | 一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110473182A true CN110473182A (zh) | 2019-11-19 |
Family
ID=68509435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910716146.9A Pending CN110473182A (zh) | 2019-10-08 | 2019-10-08 | 一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473182A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114004057A (zh) * | 2021-09-18 | 2022-02-01 | 中国电子科技集团公司第二十九研究所 | 射频链路快速仿真及器件自动选优的方法和系统 |
CN117095239A (zh) * | 2023-10-16 | 2023-11-21 | 光轮智能(北京)科技有限公司 | 仿真资产真实度评价方法、控制装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130142451A1 (en) * | 2011-12-01 | 2013-06-06 | At&T Intellectual Property I, Lp | Method and apparatus for evaluating quality estimators |
CN103458267A (zh) * | 2013-09-04 | 2013-12-18 | 中国传媒大学 | 一种视频图像质量主观评价方法及系统 |
CN108446292A (zh) * | 2018-01-17 | 2018-08-24 | 天津大学 | 基于多失真截屏图像的主观质量评价方法 |
CN109714591A (zh) * | 2019-01-09 | 2019-05-03 | 淮海工学院 | 基于对测评标签的图像质量主观评价方法及系统 |
CN109711693A (zh) * | 2018-12-18 | 2019-05-03 | 北京牡丹电子集团有限责任公司数字电视技术中心 | 一种基于虚拟现实人机交互系统的评价方法 |
-
2019
- 2019-10-08 CN CN201910716146.9A patent/CN110473182A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130142451A1 (en) * | 2011-12-01 | 2013-06-06 | At&T Intellectual Property I, Lp | Method and apparatus for evaluating quality estimators |
CN103458267A (zh) * | 2013-09-04 | 2013-12-18 | 中国传媒大学 | 一种视频图像质量主观评价方法及系统 |
CN108446292A (zh) * | 2018-01-17 | 2018-08-24 | 天津大学 | 基于多失真截屏图像的主观质量评价方法 |
CN109711693A (zh) * | 2018-12-18 | 2019-05-03 | 北京牡丹电子集团有限责任公司数字电视技术中心 | 一种基于虚拟现实人机交互系统的评价方法 |
CN109714591A (zh) * | 2019-01-09 | 2019-05-03 | 淮海工学院 | 基于对测评标签的图像质量主观评价方法及系统 |
Non-Patent Citations (3)
Title |
---|
李慧丽;侯俊杰;石倩;郭亚飞;: "在轨自主卫星成像链路仿真标准体系研究" * |
肖冬 等: "IPTV/OTT用户体验量化指标体系研究" * |
马俊霞,蔡英武,陈惠连: "SAR压制式干扰仿真及效果评估" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114004057A (zh) * | 2021-09-18 | 2022-02-01 | 中国电子科技集团公司第二十九研究所 | 射频链路快速仿真及器件自动选优的方法和系统 |
CN114004057B (zh) * | 2021-09-18 | 2023-04-07 | 中国电子科技集团公司第二十九研究所 | 射频链路快速仿真及器件自动选优的方法和系统 |
CN117095239A (zh) * | 2023-10-16 | 2023-11-21 | 光轮智能(北京)科技有限公司 | 仿真资产真实度评价方法、控制装置及存储介质 |
CN117095239B (zh) * | 2023-10-16 | 2023-12-15 | 光轮智能(北京)科技有限公司 | 仿真资产真实度评价方法、控制装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kawamata et al. | Size–luminosity relations and UV luminosity functions at z= 6–9 simultaneously derived from the complete Hubble Frontier Fields data | |
Méndez-Abreu et al. | Two-dimensional multi-component photometric decomposition of CALIFA galaxies | |
Valentinuzzi et al. | Superdense massive galaxies in wings local clusters | |
Bergen et al. | The validity of computer-generated graphic images of forest landscape | |
Campbell et al. | Cosmology with photometrically classified type Ia supernovae from the SDSS-II supernova survey | |
Ruiz et al. | Testing the dark energy consistency with geometry and growth | |
CN103685851B (zh) | 信号处理装置、信号处理方法、输出装置、输出方法和程序 | |
CN110473182A (zh) | 一种面向可见光全链路仿真图像的主观评价处理方法、装置、电子设备和介质 | |
CN109410184A (zh) | 基于稠密对抗网络半监督学习的直播色情图像检测方法 | |
CN114372564A (zh) | 用于对象分级的模型训练方法、对象分级方法及装置 | |
CN106097290A (zh) | 基于nmf图像融合的sar图像变化检测方法 | |
Adams et al. | Galaxy Zoo: Clump Scout: Surveying the Local Universe for Giant Star-forming Clumps | |
Stylianou et al. | The sensitivity of GPz estimates of photo-z posterior PDFs to realistically complex training set imperfections | |
Barbosa et al. | One hundred SMUDGes in S-PLUS: ultra-diffuse galaxies flourish in the field | |
CN102387631B (zh) | 一种免疫层析判读记录仪中光照度的自动判断和调整方法 | |
CN111797258B (zh) | 基于美感评价的图像推送方法、系统、设备及存储介质 | |
CN105491371A (zh) | 基于梯度幅值相似性的色调映射图像质量评价方法 | |
Li et al. | Light from the darkness: Detecting ultra-diffuse galaxies in the perseus cluster through over-densities of globular clusters with a log-Gaussian Cox process | |
CN109271954B (zh) | 用于检测模型可靠性的方法及装置 | |
Arıkan et al. | A comparison of traditional and kernel equating methods | |
CN110473183A (zh) | 一种面向可见光全链路仿真图像的评价方法、装置、电子设备和介质 | |
CN112102285B (zh) | 一种基于多模态对抗训练的骨龄检测方法 | |
CN117011859A (zh) | 一种图片处理的方法以及相关装置 | |
CN115238166A (zh) | 一种基于云计算的学生分科用辅助系统 | |
CN113538412A (zh) | 一种航拍图像的绝缘子缺陷检测方法及装置 |
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 |