CN111726554B - 图像处理方法、装置、设备和存储介质 - Google Patents
图像处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111726554B CN111726554B CN202010610256.XA CN202010610256A CN111726554B CN 111726554 B CN111726554 B CN 111726554B CN 202010610256 A CN202010610256 A CN 202010610256A CN 111726554 B CN111726554 B CN 111726554B
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- psnr
- original image
- original
- 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.)
- Active
Links
Images
Classifications
-
- 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
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/91—Television signal processing therefor
- H04N5/913—Television signal processing therefor for scrambling ; for copy protection
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- 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
- H04N19/40—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using video transcoding, i.e. partial or full decoding of a coded input stream followed by re-encoding of the decoded output stream
-
- 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
- H04N19/46—Embedding additional information in the video signal during the compression process
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
-
- 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
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/91—Television signal processing therefor
- H04N5/913—Television signal processing therefor for scrambling ; for copy protection
- H04N2005/91357—Television signal processing therefor for scrambling ; for copy protection by modifying the video signal
- H04N2005/91364—Television signal processing therefor for scrambling ; for copy protection by modifying the video signal the video signal being scrambled
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Mechanical Engineering (AREA)
Abstract
本申请公开了图像处理方法、装置、设备和存储介质,涉及自动驾驶领域。具体实现方案为:获取原始图像和加噪图像;其中,加噪图像原始图像加噪后的图像,原始图像中具有噪声的像素点的数量小于预设数量;对原始图像和加噪图像分别进行编解码,得到原始图像对应的第一解码图像,以及,加噪图像对应的第二解码图像;根据原始图像和第一解码图像,得到第一解码图像与原始图像之间的第一PSNR;根据加噪图像和第二解码图像,得到第二解码图像与加噪图像之间的第二PSNR;输出第一PSNR和第二PSNR。本申请可获取到一些图像与其对应的解码图像之间的PSNR较低的可信原因,提高了自动驾驶的可靠性。
Description
技术领域
本申请实施例涉及图像处理领域,尤其涉及一种图像处理方法、装置、设备和存储介质,可用于自动驾驶领域。
背景技术
在自动驾驶系统中,需要将摄像头采集到的原始视频进行压缩编码后再进行落盘。其中,原始视频中的原始图像与该原始图像经压缩编码后再解码后得到的解码图像之间的差别可通过峰值信噪比(Peak Signal to Noise Ratio,简称PSNR)来表征,原始图像与其对应的解码图像之间的PSNR值越低,说明原始图像与其对应的解码图像之间的差别越大。
目前,检测发现原始视频中的一些原始图像与其对应的解码图像之间的PSNR为小于第一预设阈值的一个较低的值,说明一些原始图像经编解码后得到的解码图像与原始图像相差较大,即解码图像的质量较差,而解码图像的质量直接影响自动驾驶的正常运行,因此获取原始图像与其对应解码图像之间的PSNR较低的原因尤为重要。
但是目前给出的一些图像与其对应的解码图像之间的PSNR较低的原因均是一些猜测,可信度低。因此,如何获取到图像与其对应的编解码后的解码图像之间的PSNR较低的可信原因是亟待解决的技术问题。
发明内容
本申请提供了一种图像处理方法、装置、设备和存储介质,可以获取到图像与其对应的编解码后的解码图像之间的PSNR较低的可信原因,以保证自动驾驶的车辆的正常运行。
根据本申请的一方面,提供了一种图像处理方法,该方法包括:获取原始图像和加噪图像;其中,所述加噪图像为所述原始图像加噪后的图像,所述原始图像中具有噪声的像素点的数量小于预设数量;对所述原始图像和所述加噪图像分别进行编解码,得到所述原始图像对应的第一解码图像,以及,所述加噪图像对应的第二解码图像;根据所述原始图像和所述第一解码图像,得到所述第一解码图像与所述原始图像之间的第一峰值信噪比PSNR;根据所述加噪图像和所述第二解码图像,得到所述第二解码图像与所述加噪图像之间的第二PSNR;输出所述第一PSNR和所述第二PSNR。
根据本申请的技术解决了无法获取到图像与其对应的编解码后的解码图像之间的PSNR较低的可信原因的技术问题,保证了自动驾驶车辆的正常运行。
根据本申请的第二方面,提供了一种计算机程序产品,所述程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,车载终端的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得车载终端执行第一方面所述的方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的图像处理方法的流程图一;
图2是本申请实施例提供的图像处理方法的流程图二;
图3A是本申请实施例提供的系统架构图一;
图3B是本申请实施例提供的系统架构图二;
图4A是本申请实施例提供的系统架构图三;
图4B是本申请实施例提供的系统架构图四;
图5A是本申请实施例提供的系统架构图五;
图5B是本申请实施例提供的系统架构图六;
图6A为本申请实施例提供的第一原始图像的示意图;
图6B为本申请实施例提供的第一原始图像添加盐噪声后的加噪图像的示意图;
图7为本申请实施例提供的第一原始图像添加椒噪声后的加噪图像的示意图;
图8为本申请实施例提供的第一原始图像添加高斯噪声后的加噪图像的示意图;
图9为本申请实施例提供的图像处理装置的结构示意图;
图10是用来实现本申请实施例的图像处理的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请提供一种图像处理方法、装置、设备和存储介质,应用于图像处理领域中的自动驾驶领域,以达到获取到图像与其对应的编解码后的解码图像之间的PSNR较低的可信原因,保证自动驾驶正常运行的目的。
在自动驾驶系统中,需要将摄像头采集到的视频进行压缩编码后再进行落盘。其中,原始视频中的原始图像与该原始图像经压缩编码后再解码后得到的解码图像中之间的差别可通过峰值信噪比(Peak Signal to Noise Ratio,简称PSNR)表征,原始图像与其对应的解码图像之间的PSNR值越低,说明原始图像与其对应的解码图像之间的差别越大。
目前,检测发现原始视频中的一些原始图像与其对应的编解码后的解码图像之间的PSNR为小于第一预设阈值的一个较低的值,说明该部分原始图像经编解码后得到的解码图像受损严重,而解码图像的质量直接影响自动驾驶是否可以正常运行,因此获取一些原始图像与其对应的解码图像之间的PSNR较低的原因尤为重要。但是目前给出的一些图像与其对应的解码图像之间的PSNR较低的原因均是一些猜测,没有理论依据。比如获取所有对应的PSNR小于第一预设阈值的图像,观察共同点,经详细检测发现对应的PSNR小于第一预设阈值的图像均存在原始图像噪声大的问题,因此推测一些图像与其对应的解码图像之间的PSNR较低的原因为:编解码算法存在问题,以致于在图像噪声大的情况下,使得图像对应的解码图像与该图像差别较大,即图像与其对应的解码图像之间的PSNR较低。但这个原因仅是推测,没有理论依据。因此,如何获取一些图像与其对应解码图像之间的PSNR较低的可信原因是亟待解决的技术问题。
为了解决上述技术问题,本申请提出了一种图像处理方法,通过获取无明显噪点的原始图像与其对应的解码图像之间的PSNR,以及获取该原始图像加噪后的加噪图像与其对应的解码图像的PSNR,根据该两个PSNR,可以确定一些图像与其对应的解码图像之间的PSNR较低的可信原因。下面采用具体的实施例对本申请的图像处理方法进行说明。
图1为本申请实施例提供的图像处理方法的流程图一,本实施例的方法应用于运行自动驾驶系统的车载终端,参见图1,本实施例的方法包括:
步骤S101、车载终端获取第一原始图像和加噪图像;其中,该加噪图像为该第一原始图像加噪后的图像,第一原始图像中具有噪声的像素点的数量小于预设数量。
即本步骤中的第一原始图像为无明显噪点的图像。
其中,该第一原始图像和该加噪图像的格式可为YUV格式。
步骤S102、车载终端对该第一原始图像和该加噪图像分别进行编解码,得到该第一原始图像对应的第一解码图像,以及,该加噪图像对应的第二解码图像。
本实施例中对图像进行编解码是指对图像进行压缩编码后再对该图像进行解压缩,解压缩也就是解码。比如该第一原始图像对应的第一解码图像是指对第一原始图像进行压缩编码后再进行解码得到的图像;该加噪图像对应的第二解码图像是指对加噪图像进行压缩编码后再进行解码得到的图像。
本实施例中对图像进行编解码的方法可为目前通用的方法,比如基于H265协议的视频编解码方法。
步骤S103、车载终端根据该第一原始图像和该第一解码图像,得到该第一原始图像与该第一解码图像之间的第一PSNR。
其中,获取该第一原始图像与该第一解码图像的PSNR的方法为目前通用的方法,此处不再赘述。
步骤S104、车载终端根据该加噪图像和该第二解码图像,得到该加噪图像与该第二解码图像之间的第二PSNR。
其中,获取该加噪图像与该第二解码图像的PSNR的方法为目前通用的方法,此处不再赘述。
步骤S105、车载终端输出该第一原始图像与该第一解码图像之间的第一PSNR和该加噪图像与该第二解码图像之间的第二PSNR。
一种方式中,车载终端可输出第一PSNR和第二PSNR至车载终端的显示屏,以使车载终端的显示屏显示该第一PSNR和该第二PSNR。
另一种方式中,车载终端可输出该第一PSNR和该第二PSNR至具有显示屏的其它设备,以使其它设备显示该第一PSNR和该第二PSNR。其它设备可为终端设备或服务器。
本实施例中获取到了第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR以及加噪图像与该加噪图像对应的第二解码图像之间的第二PSNR,由于第一原始图像是噪声很小的图像,因此可在没有噪声的干扰的情况下根据第一PSNR确定编解码算法是否是导致一些图像与其对应的解码图像之间PSNR较低的原因。若确定了编解码算法不是导致一些图像与其对应的解码图像之间PSNR较低的原因,则可以根据第二PSNR的值确定导致一些图像与其对应的解码图像之间PSNR较低的原因,比如第二PSNR的值较低时,可确定车载终端在对加噪图像进行压缩编码前进行了降噪处理。即本实施例的方法获取到了第一PSNR和第二PSNR这两个客观的实验数据,可通过对该两个客观的实验数据的分析,得到图像与对应的解码图像之间的PSNR较低的可信原因,以保证自动驾驶的正常运行。
下面通过几个第一PSNR和第二PSNR具体的示例,对确定一些图像与对应的解码图像之间的PSNR较低的可信的原因的过程进行说明。
一种具体示例中,如表1.1中所示,第一原始图像为图像1,第一原始图像与其对应的第一解码图像之间的第一PSNR为40.582,第一原始图像添加盐噪声后的加噪图像11与其对应的第二解码图像之间的第二PSNR为17.609。或者,如表1.2中所示,第一原始图像为图像2,第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR为38.337,第一原始图像添加盐噪声后的加噪图像21与加噪图像21对应的第二解码图像之间的第二PSNR为18.261。
表1.1
图像名称 | 帧数 | 是否添加噪声 | PSNR |
图像1 | 1 | 否 | 40.582 |
图像11 | 1 | 添加盐噪声 | 17.609 |
表1.2
图像名称 | 帧数 | 是否添加噪声 | PSNR |
图像2 | 1 | 否 | 38.337 |
图像21 | 1 | 添加盐噪声 | 18.261 |
另一种具体示例中,如表2.1中所示,第一原始图像为图像1,第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR为40.582,第一原始图像添加椒噪声后的加噪图像12与加噪图像12对应的第二解码图像之间的第二PSNR为29.064。或者,如表2.2中所示,第一原始图像为图像2,第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR为38.337,第一原始图像添加椒噪声后的加噪图像22与加噪图像22对应的第二解码图像之间的第二PSNR为26.632。
表2.1
图像名称 | 帧数 | 是否添加噪声 | PSNR |
图像1 | 1 | 否 | 40.582 |
图像12 | 1 | 添加椒噪声 | 29.064 |
表2.2
图像名称 | 帧数 | 是否添加噪声 | PSNR |
图像2 | 1 | 否 | 38.337 |
图像22 | 1 | 添加椒噪声 | 26.632 |
又一种具体示例中,如表3.1中所示,第一原始图像为图像1,第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR为40.582,第一原始图像添加高斯噪声后的加噪图像13与加噪图像13对应的第二解码图像之间的第二PSNR为20.628。或者,如表3.2中所示,第一原始图像为图像2,第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR为38.337,第一原始图像添加椒噪声后的加噪图像23与加噪图像23对应的第二解码图像之间的第二PSNR为20.094。
表3.1
图像名称 | 帧数 | 是否添加噪声 | PSNR |
图像1 | 1 | 否 | 40.582 |
图像13 | 1 | 添加高斯噪声 | 20.628 |
表3.2
图像名称 | 帧数 | 是否添加噪声 | PSNR |
图像2 | 1 | 否 | 38.337 |
图像23 | 1 | 添加高斯噪声 | 20.094 |
在第二预设阈值为35时,通过上述几个示例可知,第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR均较高且大于第二预设阈值,说明第一原始图像与其对应的第一解码图像之间的差别较小,即该编解码算法在对第一原始图像压缩和解压缩过程中使得第一原始图像的原始信息损失较小,那么编解码算法就没有问题,其不是第二PSNR较低的原因,即也不是一些图像与对应的解码图像之间的PSNR较低的原因。
而第二PSNR明显低于第一PSNR,在编解码算法没有问题的情况下,理论上加噪图像与其对应的第二解码图像之间的差别也不大,但是由第二PSNR明显低于第一PSNR可知,加噪图像与其对应的第二解码图像之间的差别较大,那么可以确定车载终端在对加噪图像进行压缩编码前进行了降噪处理,这是因为被降噪后的加噪图像与加噪图像之间差别较大,那么被降噪后的加噪图像被编解码后得到的第二解码图像与加噪图像的差别也越大,从而造成了加噪图像与该第二解码图像之间的第二PSNR较低,即第二PSNR较低的原因为:车载终端在对加噪图像进行压缩编码前进行了降噪处理,也就是一些图像与对应的解码图像之间的PSNR较低的原因为:车载终端在对该图像进行压缩编码前进行了降噪处理。该原因也支持第一PSNR高于第二预设阈值,分析如下:第一原始图像的噪声较小,车载终端在对第一原始图像进行压缩编码前进行降噪处理,被降噪后的第一原始图像与第一原始图像之间差别很小,在编解码算法没有问题的情况下,被降噪后的第一原始图像被编解码后得到的第一解码图像与第一原始图像的差别也小,从而使得第一PSNR较高。因此,车载终端在对图像进行压缩编码前进行了降噪处理是导致一些图像与对应的解码图像之间的PSNR较低的可信原因。
为了提高获取一些图像与对应的解码图像之间的PSNR较低的可信的原因的效率,本实施例在上一实施例的基础上作了改进。图2为本申请实施例提供的图像处理方法的流程图二,参见图2,本实施例在上一实施例的基础上还包括如下的步骤:
步骤S201、车载终端根据第一原始图像与第一原始图像对应的解码图像之间的第一PSNR,以及,加噪图像与该加噪图像对应的第二解码图像之间的第二PSNR,获取第二PSNR低的原因。
一种具体的实现中,车载终端根据预设好的分析规则、第一PSNR以及第二PSNR,获取第二PSNR低的原因。分析规则比如可包括:(1)若第一PSNR大于第二预设阈值且第二PSNR低于第一PSNR,且确定编解码算法不是导致第二PSNR低的原因,第二PSNR低的原因为车载终端在对图像进行压缩编码前进行了降噪处理。(2)若第一PSNR较高小于第二预设阈值,则确定编解码算法不适用是导致第二PSNR低的其中一个原因。其中,预设好的分析规则是基于正确的理论得到的。
步骤S202、车载终端输出指示信息,指示信息用于指示第二PSNR低的原因。
一种方式中,车载终端可输出指示信息至车载终端的显示屏,以使车载终端的显示屏显示该指示信息。
另一种方式中,车载终端可输出指示信息至具有显示屏的其它设备,以使其它设备显示该指示信息。其它设备可为终端设备或服务器。
本实施例中,车载终端获取一些图像与对应的解码图像之间的PSNR较低的可信原因,无需人为分析,提高了获取一些图像与对应的解码图像之间的PSNR较低的可信原因的效率。
下面采用具体的实施例对图1或图2所示的实施例进行详细说明。
首先采用具体的实施例对“车载终端获取第一原始图像和加噪图像”进行说明。
“车载终端获取第一原始图像和加噪图像”包括但不限于如下的几种方式:
第一种方式:车载终端获取第一原始图像和加噪图像,包括:接收来自其它设备的第一原始图像,以及对第一原始图像进行加噪处理,生成加噪图像。其中,其它设备可为服务器或者终端设备。第一原始图像可为任意的拍摄设备拍摄到的图像。
在车载终端输出第一PSNR和第二PSNR至其它设备时,该种方式对应的系统架构可如图3A所示。参见图3A,其它设备向运行有自动驾驶系统的车载终端发送第一原始图像,车载终端接收第一原始图像,并对第一原始图像进行加噪,得到加噪图像;车载终端基于第一原始图像和加噪图像,获取第一PSNR和第二PSNR,输出第一PSNR和第二PSNR至其它设备。可选地,车载终端还可输出图2所示的实施例中的指示信息至其它设备。
在车载终端输出第一PSNR和第二PSNR至车载终端的显示屏时,该种方式对应的系统架构可如图3B所示。参见图3B,其它设备向运行有自动驾驶系统的车载终端发送第一原始图像,车载终端接收第一原始图像,并对第一原始图像进行加噪,得到加噪图像;车载终端基于第一原始图像和加噪图像,获取第一PSNR和第二PSNR,输出第一PSNR和第二PSNR至车载终端的显示屏。可选地,车载终端还可输出图2所示的实施例中的指示信息至车载终端的显示屏。
该种方式可以节省其它设备与车载终端之间的信令开销。
第二种方式:车载终端获取第一原始图像和加噪图像,包括:车载终端接收来自其它设备的第一原始图像和加噪图像。其中,其它设备可为服务器或者终端设备。第一原始图像可为任意的拍摄设备拍摄到的图像。
在车载终端输出第一PSNR和第二PSNR至其它设备时,该种方式对应的系统架构可如图4A所示,参见图4A,其它设备对第一原始图像进行加噪后,得到加噪图像,向运行有自动驾驶系统的车载终端发送第一原始图像和加噪图像;车载终端基于第一原始图像和加噪图像,获取第一PSNR和第二PSNR,输出第一PSNR和第二PSNR至其它设备。可选地,车载终端还可输出图2所示的实施例中的指示信息至其它设备。可以理解的是其它设备对第一原始图像进行加噪得到加噪图像的方法可同车载终端对第一原始图像进行加噪得到加噪图像的方法。
在车载终端输出第一PSNR和第二PSNR至车载终端的显示屏时,该种方式对应的系统架构可如图4B所示。参见图4B,其它设备对第一原始图像进行加噪后,得到加噪图像,向运行有自动驾驶系统的车载终端发送第一原始图像和加噪图像;车载终端基于第一原始图像和加噪图像,获取第一PSNR和第二PSNR,输出第一PSNR和第二PSNR至车载终端的显示屏。可选地,车载终端还可输出图2所示的实施例中的指示信息至车载终端的显示屏。
该种方式可以降低运行有自动驾驶系统的车载终端的功耗。
第三种方式:车载终端获取第一原始图像和加噪图像,包括:车载终端接收来自第一摄像头的第一原始图像,第一摄像头为车载终端所在的车辆上设置的摄像头;车载终端对第一原始图像进行加噪,得到加噪图像。也就是说,第一原始图像为车载终端所在的车辆上设置的摄像头拍摄的图像,具体可为该车辆上设置的摄像头在该车辆自动驾驶时采集的视频中的一帧图像。
在车载终端输出第一PSNR和第二PSNR至其它设备时,该种方式对应的系统架构可如图5A所示,参见图5A,运行有自动驾驶系统的车载终端所在的车辆上设置的第一摄像头拍摄到第一原始图像后,向该车载终端发送第一原始图像,车载终端得到第一原始图像,车载终端对第一原始图像进行加噪后,得到加噪图像;车载终端基于第一原始图像和加噪图像,获取第一PSNR和第二PSNR,输出第一PSNR和第二PSNR至其它设备。可选地,车载终端还可输出图2所示的实施例中的指示信息至其它设备。
在车载终端输出第一PSNR和第二PSNR至车载终端的显示屏时,该种方式对应的系统架构可如图5B所示。参见图5B,运行有自动驾驶系统的车载终端所在的车辆上设置的第一摄像头拍摄到第一原始图像后,向该车载终端发送第一原始图像,车载终端得到第一原始图像,车载终端对第一原始图像进行加噪后,得到加噪图像;车载终端基于第一原始图像和加噪图像,获取第一PSNR和第二PSNR,输出第一PSNR和第二PSNR至车载终端的显示屏。可选地,车载终端还可输出图2所示的实施例中的指示信息至车载终端的显示屏。
该种方式可以节省其它设备与车载终端之间的信令开销,还可以提高获取第一原始图像和加噪图像的效率。
本实施例给出了车载终端获取第一原始图像和加噪图像的几种具体实现。
其次,采用具体的实施例对“车载终端对第一原始图像进行加噪处理,生成加噪图像”的具体实现进行说明。
若把图像看作信号,那么噪声就是干扰信号。即图像可以看作为一个函数,加噪图像的函数可以看作是原始图像的函数与噪声函数相加的和。添加的噪声不同,对应的噪声函数也不同。
具体地,“车载终端对第一原始图像进行加噪处理,生成加噪图像”的具体实现包括但不限于如下的几种方式:
第一种方式:为车载终端对第一原始图像进行加噪处理,生成加噪图像,包括:对第一原始图像添加盐噪声,得到加噪图像。
其中,对第一原始图像添加盐噪声可包括:随机选择第一原始图像的至少一个像素点添加盐噪声,即随机的将第一原始图像的至少一个像素点变成强度值为255的白点。
示例性地,图6A为本申请实施例提供的第一原始图像的示意图,图6B为本申请实施例提供的第一原始图像添加盐噪声后的加噪图像的示意图。
第二种方式:车载终端对第一原始图像进行加噪处理,生成加噪图像,包括:对所述第一原始图像添加椒噪声,得到加噪图像。
其中,对第一原始图像添加椒噪声可包括:随机选择第一原始图像的至少一个像素点添加椒噪声,即随机的将第一原始图像的至少一个像素点变成强度值为0的黑点。
示例性地,图7为本申请实施例提供的第一原始图像添加椒噪声后的加噪图像的示意图。
第三种方式:车载终端对第一原始图像进行加噪处理,生成加噪图像,包括:对所述第一原始图像添加椒盐噪声,得到加噪图像。
其中,对第一原始图像添加椒噪声可包括:随机选择第一原始图像的至少一个像素点变成强度值为0的黑点,以及随机选择第一原始图像的至少一个像素点变成强度值为255的白点。
第四种方式:车载终端对第一原始图像进行加噪处理,生成加噪图像,包括:对第一原始图像添加高斯噪声,得到加噪图像。具体可为:车载终端为原始图像的每个像素点添加高斯噪声,得到加噪图像。
示例性地,图8为本申请实施例提供的第一原始图像添加高斯噪声后的加噪图像的示意图。
可以理解的是,以上的加噪方式仅是示例,还可采用其他的加噪方式得到加噪图像,本实施例中并不限定。
本实施给出了“车载终端对第一原始图像进行加噪处理,生成加噪图像”的几种具体实现。
以上对本申请的图像处理方法进行了说明,下面对本申请涉及的图像处理装置进行说明。
图9为本申请实施例提供的图像处理装置的结构示意图,所述装置应用于车辆上运行自动驾驶系统的车载终端。参见图9,本实施例的装置包括:获取模块901、编解码模块902以及输出模块903。
获取模块901,用于获取原始图像和加噪图像;其中,所述加噪图像为所述原始图像加噪后的图像,所述原始图像中具有噪声的像素点的数量小于预设数量;
编解码模块902,用于对所述原始图像和所述加噪图像分别进行编解码,得到所述原始图像对应的第一解码图像,以及,所述加噪图像对应的第二解码图像;
所述获取模块901,还用于根据所述原始图像和所述第一解码图像,得到所述第一解码图像与所述原始图像之间的第一峰值信噪比PSNR;以及根据所述加噪图像和所述第二解码图像,得到所述第二解码图像与所述加噪图像之间的第二PSNR;
输出模块903,用于输出所述第一PSNR和所述第二PSNR。
可选地,其中,所述获取模块901具体用于:接收所述原始图像和所述加噪图像。
可选地,其中,所述获取模块901具体用于:接收所述原始图像;对所述原始图像进行加噪处理,生成所述加噪图像。
可选地,其中,所述获取模块901具体用于:随机选择所述原始图像的至少一个像素点添加盐噪声或椒噪声,得到所述加噪图像。
可选地,其中,所述获取模块901具体用于:随机选择所述原始图像的至少一个第一像素点添加盐噪声,以及随机选择所述原始图像的至少一个第二像素点添加椒噪声,得到所述加噪图像。
可选地,其中,所述获取模块901具体用于:为所述原始图像的每个像素点添加高斯噪声,得到所述加噪图像。
可选地,所述第一PSNR大于预设阈值,所述第一PSNR大于所述第二PSNR;所述获取模块901,还用于:根据第一PSNR和所述第二PSNR,获取所述第二PSNR低的原因;所述输出模块903,还用于:输出指示信息,所述指示信息用于指示所述第二PSNR低的原因。
可选地,所述原始图像为所述车辆的摄像头在所述车辆自动驾驶时采集的视频中的一帧图像。
可选地,所述原始图像的格式为YUV格式。
本实施例的装置,可以用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
根据本申请的实施例,本申请还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,车载终端的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得车载终端执行上述任一实施例提供的方案。
如图10所示,是根据本申请实施例的图像处理的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图10所示,该电子设备包括:一个或多个处理器1001、存储器1002,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器1001为例。
存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的图像处理的方法。本申请的非瞬时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本申请所提供的图像处理的方法。
存储器1002作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的图像处理的方法对应的程序指令/模块(例如,附图9所示的获取模块901、编解码模块902和输出模块903)。处理器1001通过运行存储在存储器1002中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的图像处理的方法。
存储器1002可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据图像处理的电子设备的使用所创建的数据等。此外,存储器1002可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1002可选包括相对于处理器1001远程设置的存储器,这些远程存储器可以通过网络连接至图像处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像处理的方法的电子设备还可以包括:输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接,图10中以通过总线连接为例。
输入装置1003可接收输入的数字或字符信息,以及产生与图像处理的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1004可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算机程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算机程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,本申请实施中获取到了第一原始图像与第一原始图像对应的第一解码图像之间的第一PSNR以及加噪图像与该加噪图像对应的第二解码图像之间的第二PSNR,可根据第一PSNR和第二PSNR这两个客观的实验数据,得到图像与对应的解码图像之间的PSNR较低的可信原因,即本申请实施例的方法能够获取到图像与对应的解码图像之间的PSNR较低的可信原因,以保证自动驾驶的正常运行。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (20)
1.一种图像处理方法,所述方法应用于车辆上运行自动驾驶系统的车载终端,所述方法包括:
获取原始图像和加噪图像;其中,所述加噪图像为所述原始图像加噪后的图像,所述原始图像中具有噪声的像素点的数量小于预设数量;
对所述原始图像和所述加噪图像分别进行编解码,得到所述原始图像对应的第一解码图像,以及,所述加噪图像对应的第二解码图像;
根据所述原始图像和所述第一解码图像,得到所述第一解码图像与所述原始图像之间的第一峰值信噪比PSNR;
根据所述加噪图像和所述第二解码图像,得到所述第二解码图像与所述加噪图像之间的第二PSNR;
输出所述第一PSNR和所述第二PSNR;
所述第一PSNR和所述第二PSNR用于在图像与对应的解码图像之间的PSNR低时,确定图像与对应的解码图像之间的PSNR低的原因;
还包括:
若所述第一PSNR大于预设阈值,所述第一PSNR大于所述第二PSNR,则确定图像与对应的解码图像之间的PSNR低的原因包括车载终端在对图像进行压缩编码前进行了降噪处理、且不包括编解码算法不适用;若所述第一PSNR小于预设阈值,则确定图像与对应的解码图像之间的PSNR低的原因包括编解码算法不适用。
2.根据权利要求1所述的方法,其中,所述获取原始图像和加噪图像包括:
接收所述原始图像和所述加噪图像。
3.根据权利要求1所述的方法,其中,所述获取原始图像和加噪图像包括:
接收所述原始图像;
对所述原始图像进行加噪处理,生成所述加噪图像。
4.根据权利要求3所述的方法,其中,所述对所述原始图像进行加噪处理,生成所述加噪图像包括:
随机选择所述原始图像的至少一个像素点添加盐噪声或椒噪声,得到所述加噪图像。
5.根据权利要求3所述的方法,其中,所述对所述原始图像进行加噪处理,生成所述加噪图像包括:
随机选择所述原始图像的至少一个第一像素点添加盐噪声,以及随机选择所述原始图像的至少一个第二像素点添加椒噪声,得到所述加噪图像。
6.根据权利要求3所述的方法,其中,所述对所述原始图像进行加噪处理,生成所述加噪图像包括:
为所述原始图像的每个像素点添加高斯噪声,得到所述加噪图像。
7.根据权利要求1-6任一项所述的方法,还包括:
输出指示信息,所述指示信息用于指示图像与对应的解码图像之间的PSNR低的原因。
8.根据权利要求1-6任一项所述的方法,所述原始图像为所述车辆的摄像头在所述车辆自动驾驶时采集的视频中的一帧图像。
9.根据权利要求1-6任一项所述的方法,所述原始图像的格式为YUV格式。
10.一种图像处理装置,所述装置应用于车辆上运行自动驾驶系统的车载终端,所述装置包括:
获取模块,用于获取原始图像和加噪图像;其中,所述加噪图像为所述原始图像加噪后的图像,所述原始图像中具有噪声的像素点的数量小于预设数量;
编解码模块,用于对所述原始图像和所述加噪图像分别进行编解码,得到所述原始图像对应的第一解码图像,以及,所述加噪图像对应的第二解码图像;
所述获取模块,还用于根据所述原始图像和所述第一解码图像,得到所述第一解码图像与所述原始图像之间的第一峰值信噪比PSNR;以及根据所述加噪图像和所述第二解码图像,得到所述第二解码图像与所述加噪图像之间的第二PSNR;
输出模块,用于输出所述第一PSNR和所述第二PSNR;
所述第一PSNR和所述第二PSNR用于在图像与对应的解码图像之间的PSNR低时,确定图像与对应的解码图像之间的PSNR低的原因;
所述获取模块,还用于:
若所述第一PSNR大于预设阈值,所述第一PSNR大于所述第二PSNR,则确定图像与对应的解码图像之间的PSNR低的原因包括车载终端在对图像进行压缩编码前进行了降噪处理、且不包括编解码算法不适用;若所述第一PSNR小于预设阈值,则确定图像与对应的解码图像之间的PSNR低的原因包括编解码算法不适用。
11.根据权利要求10所述的装置,其中,所述获取模块具体用于:
接收所述原始图像和所述加噪图像。
12.根据权利要求10所述的装置,其中,所述获取模块具体用于:
接收所述原始图像;
对所述原始图像进行加噪处理,生成所述加噪图像。
13.根据权利要求12所述的装置,其中,所述获取模块具体用于:
随机选择所述原始图像的至少一个像素点添加盐噪声或椒噪声,得到所述加噪图像。
14.根据权利要求12所述的装置,其中,所述获取模块具体用于:
随机选择所述原始图像的至少一个第一像素点添加盐噪声,以及随机选择所述原始图像的至少一个第二像素点添加椒噪声,得到所述加噪图像。
15.根据权利要求12所述的装置,其中,所述获取模块具体用于:
为所述原始图像的每个像素点添加高斯噪声,得到所述加噪图像。
16.根据权利要求10-15任一项所述的装置,所述输出模块,还用于:
输出指示信息,所述指示信息用于指示图像与对应的解码图像之间的PSNR低的原因。
17.根据权利要求10-15任一项所述的装置,所述原始图像为所述车辆的摄像头在所述车辆自动驾驶时采集的视频中的一帧图像。
18.根据权利要求10-15任一项所述的装置,所述原始图像的格式为YUV格式。
19.一种电子设备,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1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610256.XA CN111726554B (zh) | 2020-06-30 | 2020-06-30 | 图像处理方法、装置、设备和存储介质 |
US17/209,834 US11523141B2 (en) | 2020-06-30 | 2021-03-23 | Image processing method, apparatus, device and storage medium |
EP21164374.7A EP3933761A1 (en) | 2020-06-30 | 2021-03-23 | Image processing method, apparatus, device and storage medium |
KR1020210038690A KR102463854B1 (ko) | 2020-06-30 | 2021-03-25 | 이미지 처리 방법, 장치, 기기 및 저장매체 |
JP2021064162A JP7166382B2 (ja) | 2020-06-30 | 2021-04-05 | 画像処理の方法、装置、機器及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610256.XA CN111726554B (zh) | 2020-06-30 | 2020-06-30 | 图像处理方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111726554A CN111726554A (zh) | 2020-09-29 |
CN111726554B true CN111726554B (zh) | 2022-10-14 |
Family
ID=72571964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010610256.XA Active CN111726554B (zh) | 2020-06-30 | 2020-06-30 | 图像处理方法、装置、设备和存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11523141B2 (zh) |
EP (1) | EP3933761A1 (zh) |
JP (1) | JP7166382B2 (zh) |
KR (1) | KR102463854B1 (zh) |
CN (1) | CN111726554B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6973298B2 (ja) * | 2018-05-31 | 2021-11-24 | トヨタ自動車株式会社 | 物体監視装置 |
US11341682B2 (en) * | 2020-08-13 | 2022-05-24 | Argo AI, LLC | Testing and validation of a camera under electromagnetic interference |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050111128A (ko) * | 2004-05-21 | 2005-11-24 | 주식회사 케이티 | 압축 복원된 영상에 대한 정량적 품질 평가 방법 및 장치 |
CN102186098A (zh) * | 2011-05-05 | 2011-09-14 | 西北工业大学 | 视频序列编码质量客观评价方法 |
CN104123705A (zh) * | 2014-07-22 | 2014-10-29 | 北华大学 | 一种超分辨率重建图像质量Contourlet域评价方法 |
CN105933705A (zh) * | 2016-07-07 | 2016-09-07 | 山东交通学院 | 一种hevc解码视频主观质量评价方法 |
CN107770517A (zh) * | 2017-10-24 | 2018-03-06 | 天津大学 | 基于图像失真类型的全参考图像质量评价方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040175056A1 (en) * | 2003-03-07 | 2004-09-09 | Chulhee Lee | Methods and systems for objective measurement of video quality |
GB0314161D0 (en) * | 2003-06-18 | 2003-07-23 | British Telecomm | Edge analysis in video quality assessment |
KR100612691B1 (ko) * | 2004-04-30 | 2006-08-16 | 에스케이 텔레콤주식회사 | 동영상 화질 평가시스템 및 방법 |
WO2006099743A1 (en) * | 2005-03-25 | 2006-09-28 | Algolith Inc. | Apparatus and method for objective assessment of dct-coded video quality with or without an original video sequence |
KR20090063406A (ko) * | 2007-12-14 | 2009-06-18 | 삼성전자주식회사 | 전송 특성을 고려한 실시간 동영상 화질 평가 시스템 및방법 |
KR100954303B1 (ko) | 2008-01-22 | 2010-04-21 | 갤럭시아커뮤니케이션즈 주식회사 | 영상의 공간 해상도 제어 시스템 및 이를 이용한 영상 전송제어 방법 |
TWI364220B (en) * | 2008-08-15 | 2012-05-11 | Acer Inc | A video processing method and a video system |
US8718145B1 (en) * | 2009-08-24 | 2014-05-06 | Google Inc. | Relative quality score for video transcoding |
US8442299B2 (en) * | 2009-11-10 | 2013-05-14 | International Business Machines Corporation | Evaluation of image processing algorithms |
US9225962B2 (en) * | 2012-07-16 | 2015-12-29 | Cisco Technology, Inc. | Stereo matching for 3D encoding and quality assessment |
US9269127B2 (en) * | 2013-01-31 | 2016-02-23 | Ohio State Innovation Foundation | De-noising of real-time dynamic magnetic resonance images by the combined application of karhunen-loeve transform (KLT) and wavelet filtering |
KR101416265B1 (ko) * | 2013-02-28 | 2014-07-09 | 연세대학교 산학협력단 | 하이브리드 방식 기반 영상의 화질을 평가하기 위한 장치 및 그 방법 |
US9426478B2 (en) * | 2014-07-21 | 2016-08-23 | Cisco Technology, Inc. | Resolution robust video quality metric |
KR101832418B1 (ko) * | 2015-12-31 | 2018-02-26 | 네이버 주식회사 | 이미지 압축 품질을 최적화 하기 위한 방법 및 시스템 |
JP6747502B2 (ja) | 2016-03-25 | 2020-08-26 | ソニー株式会社 | 情報処理装置 |
JP6275362B1 (ja) | 2016-04-01 | 2018-02-07 | 株式会社wise | 3dグラフィック生成、人工知能の検証・学習システム、プログラム及び方法 |
KR101716082B1 (ko) | 2016-04-12 | 2017-03-14 | 연세대학교 산학협력단 | 영상의 화질을 평가하는 방법 및 장치 |
JP6809114B2 (ja) | 2016-10-12 | 2021-01-06 | 株式会社リコー | 情報処理装置、画像処理システム、プログラム |
KR102606200B1 (ko) * | 2018-03-06 | 2023-11-24 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
-
2020
- 2020-06-30 CN CN202010610256.XA patent/CN111726554B/zh active Active
-
2021
- 2021-03-23 US US17/209,834 patent/US11523141B2/en active Active
- 2021-03-23 EP EP21164374.7A patent/EP3933761A1/en not_active Withdrawn
- 2021-03-25 KR KR1020210038690A patent/KR102463854B1/ko active IP Right Grant
- 2021-04-05 JP JP2021064162A patent/JP7166382B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050111128A (ko) * | 2004-05-21 | 2005-11-24 | 주식회사 케이티 | 압축 복원된 영상에 대한 정량적 품질 평가 방법 및 장치 |
CN102186098A (zh) * | 2011-05-05 | 2011-09-14 | 西北工业大学 | 视频序列编码质量客观评价方法 |
CN104123705A (zh) * | 2014-07-22 | 2014-10-29 | 北华大学 | 一种超分辨率重建图像质量Contourlet域评价方法 |
CN105933705A (zh) * | 2016-07-07 | 2016-09-07 | 山东交通学院 | 一种hevc解码视频主观质量评价方法 |
CN107770517A (zh) * | 2017-10-24 | 2018-03-06 | 天津大学 | 基于图像失真类型的全参考图像质量评价方法 |
Non-Patent Citations (2)
Title |
---|
"Is there a relationship between peak-signal-to-noise ratio and structural similarity index measure?";Hore A , Ziou D;《Image Processing Iet》;20130201;第7卷(第1期);全文 * |
"基于PSNR评价方法的H.264与HEVC视频编码标准比较分析";任仲夷等;《信息与电脑》;20161122(第15期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111726554A (zh) | 2020-09-29 |
EP3933761A1 (en) | 2022-01-05 |
KR102463854B1 (ko) | 2022-11-03 |
US20210211740A1 (en) | 2021-07-08 |
US11523141B2 (en) | 2022-12-06 |
JP2021108169A (ja) | 2021-07-29 |
JP7166382B2 (ja) | 2022-11-07 |
KR20210040881A (ko) | 2021-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8824554B2 (en) | Systems and methods for video content analysis | |
TWI519136B (zh) | 一種用以移除編碼視頻數據中的編碼瑕疵之自適應過濾機構的方法、資料處理裝置及系統 | |
US9524536B2 (en) | Compression techniques for dynamically-generated graphics resources | |
CN111726554B (zh) | 图像处理方法、装置、设备和存储介质 | |
JP6242029B2 (ja) | 低電力画像圧縮及び表示のための技術 | |
US11399187B2 (en) | Screen content detection for adaptive encoding | |
CN111757111B (zh) | 视频编码方法、装置、设备和存储介质 | |
CN113596442B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
JP2021108186A (ja) | 画像認識方法、装置、電子デバイス、記憶媒体、及びプログラム | |
CN111242874A (zh) | 图像修复的方法、装置、电子设备和存储介质 | |
CN110648293A (zh) | 图像修复方法、装置及电子设备 | |
WO2023124461A1 (zh) | 面向机器视觉任务的视频编解码方法、装置、设备及介质 | |
US20170201759A1 (en) | Method and device for image encoding and image decoding | |
US9083990B2 (en) | Electronic device and method for managing video snapshot | |
JP2024512914A (ja) | マシンビジョンのためのビデオ符号化のための方法および装置 | |
EP3033877A1 (en) | Techniques for low power video compression and transmission | |
CN116996503B (zh) | 一种桌面图像传输方法、系统、电子设备及介质 | |
US20240137558A1 (en) | Vertex motion vector predictor coding for vertex mesh (v-mesh) | |
US20240236362A9 (en) | Vertex motion vector predictor coding for vertex mesh (v-mesh) | |
CN117938823A (zh) | 云游戏画面分享方法、装置、设备及存储介质 | |
CN111768459A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115272071A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN114286094A (zh) | 云桌面场景下的编解码方法、装置、电子设备和存储介质 | |
US20140307808A1 (en) | Protection against packet loss during transmitting video information | |
CN117097913A (zh) | 视频编码方法、装置、设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211019 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |