CN112714308A - 一种检测视频滚动条纹的方法及装置 - Google Patents
一种检测视频滚动条纹的方法及装置 Download PDFInfo
- Publication number
- CN112714308A CN112714308A CN202011525054.1A CN202011525054A CN112714308A CN 112714308 A CN112714308 A CN 112714308A CN 202011525054 A CN202011525054 A CN 202011525054A CN 112714308 A CN112714308 A CN 112714308A
- Authority
- CN
- China
- Prior art keywords
- image
- threshold
- psd
- effective pixels
- video
- 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
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
一种检测视频滚动条纹的方法,包括:步骤一,对原始实时视频流解码得到每一帧YUV数据,计算得到灰度图G;步骤二,将灰度图G缩放到合适尺寸得到图片I,对图片I进行离散傅里叶变换得到DFT(I);步骤三,对DFT(I)计算频谱密度分布图PSD;步骤四,将频谱密度分布图PSD分别进行低阈值和高阈值分割处理得到图A和图B;步骤五,对图B从图像中心点进行相邻区域域分析查找得到掩码图M,分析掩码图M的有效像素,如果有效像素足够,则对掩码图M进行联通区域分析,得到联通区域列表;步骤六,遍历联通区域列表,和图A进行像素点差分对比,对差分数量较大的标记为异常点,当累计的异常点数量高于或等于设定的阈值数量则判定当前视频帧包含滚动条纹噪声。
Description
技术领域
本发明属于视频监控处理诊断领域,具体涉及一种检测视频滚动条纹的方法及装置。
背景技术
在视频监控应用系统中,可能由于摄像机设备故障、传输硬件异常、视频流传输网络异常等原因,导致视频流显示出现滚动条纹等噪声现象,直接影响到后续的图像分析业务的准确性,所以针对滚动条纹等视频质量问题,如何准确的预先诊断并分析,在监控应用系统里面是极其重要的一个步骤。
目前,用于视频流图像滚动条纹检测的方法主要有:利用边缘检测拟合条纹的方法,利用直线判断的检测方法,利用方向搜索规则判断方法等。
然而,上述大多数方法只能用于检测方向水平或垂直的条纹,或对滚动条纹有一定的规律要求,而不能对任意方向的不同频率的滚动条纹干扰进行很好的检测。
发明内容
为解决现在技术存在的上述问题,本发明提供了一种能够在连续图像中检测出条纹干扰、适用范围广的检测视频滚动条纹的方法及装置。
本发明采用的技术方案是:
一种检测视频滚动条纹的方法,其具体步骤包括:
步骤一,对原始实时视频流解码得到每一帧YUV数据,计算得到灰度图G;
步骤二,将灰度图G缩放到合适尺寸得到图片I,并对图片I进行离散傅里叶变换得到DFT(I);
步骤三,对DFT(I)计算频谱密度分布图PSD,并对频谱密度分布图PSD依次进行排布转换,归一化操作,高斯模糊处理操作;
步骤四,将频谱密度分布图PSD进行低阈值分割处理得到图A,进行高阈值分割处理得到图B;
步骤五,对图B从图像中心点进行相邻区域域分析查找得到掩码图M,分析掩码图M的有效像素,如果有效像素数量少于设定的有效像素数量阈值,则直接判定为不带滚动条纹的正常视频帧;如果有效像素数量超过设定的有效像素数量阈值,则对掩码图M进行联通区域分析,得到联通区域列表;
步骤六,遍历联通区域列表,和图A进行一定填充区域的像素点差分对比,对差分数量大于设定的差分数量阈值的,标记为异常点,累计计数异常点数量,当累计的异常点数量高于或等于设定的异常点数量阈值则判定当前视频帧包含滚动条纹噪声。
进一步,步骤一中采用色彩空间转换算法计算得到灰度图G。
进一步,步骤二中离散傅里叶变换后得到的DFT(I)的公式如下:
其中M,N为图像的宽高,其中j表示复数形式,μ,ν对应变换后的频域矩阵。
进一步,步骤三中频谱密度分布图PSD的计算公式如下:
其中Re表示DFT的实数部,Im表示DFT的虚数部。
进一步,步骤三中的排布变换是将零频点移到图片的中心,以便于观察及分析。
进一步,步骤三中的归一化操作是按像素取值范围(0,255)进行线性归一化操作。
进一步,步骤三中的高斯模糊处理操作中滤波核的大小是基于频谱密度分布图PSD的实际尺寸进行调整。
进一步,步骤四中的低阈值的范围在数值0.0-1.0,高阈值为数值1.0。
一种基于上述方法的检测视频滚动条纹的装置,包括:
帧数据输入处理单元,用于对原始实时视频流解码得到每一帧YUV数据,并计算得到灰度图G;
信号处理单元,用于将灰度图G缩放到合适尺寸得到图片I,并对图片I进行离散傅里叶变换得到DFT(I);
预处理单元,用于对DFT(I)计算频谱密度分布图PSD,并对频谱密度分布图PSD依次进行排布转换,归一化操作,高斯模糊处理操作;
阈值处理单元,用于将频谱密度分布图PSD进行低阈值分割处理得到图A,进行高阈值分割处理得到图B;
连通域分析单元,用于对图B从图像中心点进行相邻区域域分析查找得到掩码图M,分析掩码图M的有效像素,如果有效像素数量少于设定的有效像素数量阈值,则直接判定为不带滚动条纹的正常视频帧;如果有效像素数量超过设定的有效像素数量阈值,则对掩码图M进行联通区域分析,得到联通区域列表;
异常分析单元,用于遍历联通区域列表,和图A进行一定填充区域的像素点差分对比,对差分数量大于设定的差分数量阈值的,标记为异常点,累计计数异常点数量,当累计的异常点数量高于或等于设定的异常点数量阈值则判定当前视频帧包含滚动条纹噪声;
帧数据输入处理单元、信号处理单元、预处理单元、阈值处理单元、连通域分析单元、异常分析单元依次电性连接。
本发明的有益效果:
1、传统的思路在拟合条纹的判断上,容易将一些实际本来存在的规律条纹场景拟合为滚动条纹噪声,比如摄像头对着马路斑马线的场景等,而基于离散傅里叶变换对频谱密度分布来进行逻辑分析判断的话,可以有效的防止这种情况。
2、通过对分布图进行联通区域的异常点分析,进行一定的阈值处理,能够对各类型的场景进行适应性的判断,不依赖特定的条纹噪声表现形式。
附图说明
图1为本发明的流程示意图。
图2为本发明的测试演示图。
图3是本发明的测试演示分析得到的PSD图。
图4是本发明分割得到的图A。
图5是本发明分割得到的图B。
图6是本发明的装置的结构示意图。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明,但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到,本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上,除非另有明确的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
术语解释:
YUV,是一种颜色编码方法,常使用在各个视频处理组件中。YUV在对照片或视频编码时,考虑到人类的感知能力,允许降低色度的带宽。
实施例一
参见图1,一种视频滚动干扰条纹检测实现方法,包括:
步骤一,对原始实时视频流解码得到每一帧YUV数据,采用色彩空间转换算法,计算得到灰度图G,见图2。
步骤二,将灰度图G缩放到合适尺寸得到图片I,以统一后续的相关滤波核大小,有利于准确的计算相关的对比参数。并对图片I进行离散傅里叶变换得到DFT(I),目的是将图像从空间域转至频域来进行分析。公式如下:
其中M,N为图像的宽高,其中j表示复数形式,μ,ν对应变换后的频域矩阵。
步骤三,对DFT(I)计算频谱密度分布图PSD
其中Re表示DFT的实数部,Im表示DFT的虚数部。
并对频谱密度分布图PSD进行排布转换,将零频点移到图片的中心,以便于观察及分析;对频谱密度分布图PSD按像素取值范围(0,255)进行线性归一化操作;对频谱密度分布图PSD进行高斯模糊处理操作,滤波核的大小基于PSD的实际尺寸进行调整,得到的频谱密度分布图PSD见图3所示。
步骤四,由频谱密度分布图PSD进行数值0.0-1.0左右的阈值分割处理得到图A,见图4;由频谱密度分布图PSD进行数值1.0左右的阈值分割处理得到图B,见图5。
步骤五,对图B从图像中心点进行相邻区域域分析查找得到掩码图M,分析掩码图M的有效像素,如果有效像素数量少于设定的有效像素数量阈值,则直接判定为不带滚动条纹的正常视频帧;如果有效像素数量超过设定的有效像素数量阈值,则对掩码图M进行联通区域分析,得到联通区域列表。有效像素数量阈值可以基于实际尺寸设定,通常设定为10以内。
步骤六,遍历联通区域列表,和图A进行一定填充(通常为5)区域的像素点差分对比,对差分数量大于设定的差分数量阈值(基于填充数量进行设定)的,标记为异常点,累计计数异常点数量,当累计的异常点数量高于或等于设定的异常点数量阈值(一般设定为2)则判定当前视频帧包含滚动条纹噪声。
传统的思路在拟合条纹的判断上,容易将一些实际本来存在的规律条纹场景拟合为滚动条纹噪声,比如摄像头对着马路斑马线的场景等,而本发明基于离散傅里叶变换对频谱密度分布来进行逻辑分析判断的话,可以有效的防止这种情况。本发明通过对分布图进行联通区域的异常点分析,进行一定的阈值处理,能够对各类型的场景进行适应性的判断,不依赖特定的条纹噪声表现形式。
实施例二
参见图6,本实施例提供了一种基于实施例所述的方法的检测视频滚动条纹的装置,包括:
帧数据输入处理单元,用于对原始实时视频流解码得到每一帧YUV数据,并采用色彩空间转换算法计算得到灰度图G;
信号处理单元,用于将灰度图G缩放到合适尺寸得到图片I,并对图片I进行离散傅里叶变换得到DFT(I);离散傅里叶变换后得到的DFT(I)的公式如下:
其中M,N为图像的宽高,其中j表示复数形式,μ,ν对应变换后的频域矩阵;
预处理单元,用于对DFT(I)计算频谱密度分布图PSD
其中Re表示DFT的实数部,Im表示DFT的虚数部,
并对频谱密度分布图PSD进行排布转换,将零频点移到图片的中心,以便于观察及分析;对频谱密度分布图PSD按像素取值范围(0,255)进行线性归一化操作;对频谱密度分布图PSD进行高斯模糊处理操作,滤波核的大小基于PSD的实际尺寸进行调整;
阈值处理单元,用于将频谱密度分布图PSD进行数值0.0-1.0左右的阈值分割处理得到图A;将频谱密度分布图PSD进行数值1.0左右的阈值分割处理得到图B;
连通域分析单元,用于对图B从图像中心点进行相邻区域域分析查找得到掩码图M,分析掩码图M的有效像素,如果有效像素数量少于设定的有效像素数量阈值,则直接判定为不带滚动条纹的正常视频帧;如果有效像素数量超过设定的有效像素数量阈值,则对掩码图M进行联通区域分析,得到联通区域列表。有效像素数量阈值可以基于实际尺寸设定,通常设定为10以内;
异常分析单元,用于遍历联通区域列表,和图A进行一定填充(通常为5)区域的像素点差分对比,对差分数量大于设定的差分数量阈值(基于填充数量进行设定)的,标记为异常点,累计计数异常点数量,当累计的异常点数量高于或等于设定的异常点数量阈值(一般设定为2)则判定当前视频帧包含滚动条纹噪声;
帧数据输入处理单元、信号处理单元、预处理单元、阈值处理单元、连通域分析单元、异常分析单元依次电性连接。
传统的思路在拟合条纹的判断上,容易将一些实际本来存在的规律条纹场景拟合为滚动条纹噪声,比如摄像头对着马路斑马线的场景等,而本发明基于离散傅里叶变换对频谱密度分布来进行逻辑分析判断的话,可以有效的防止这种情况。本发明通过对分布图进行联通区域的异常点分析,进行一定的阈值处理,能够对各类型的场景进行适应性的判断,不依赖特定的条纹噪声表现形式。
Claims (9)
1.一种检测视频滚动条纹的方法,其具体步骤包括:
步骤一,对原始实时视频流解码得到每一帧YUV数据,计算得到灰度图G;
步骤二,将灰度图G缩放到合适尺寸得到图片I,并对图片I进行离散傅里叶变换得到DFT(I);
步骤三,对DFT(I)计算频谱密度分布图PSD,并对频谱密度分布图PSD依次进行排布转换,归一化操作,高斯模糊处理操作;
步骤四,将频谱密度分布图PSD进行低阈值分割处理得到图A,进行高阈值分割处理得到图B;
步骤五,对图B从图像中心点进行相邻区域域分析查找得到掩码图M,分析掩码图M的有效像素,如果有效像素数量少于设定的有效像素数量阈值,则直接判定为不带滚动条纹的正常视频帧;如果有效像素数量超过设定的有效像素数量阈值,则对掩码图M进行联通区域分析,得到联通区域列表;
步骤六,遍历联通区域列表,和图A进行一定填充区域的像素点差分对比,对差分数量大于设定的差分数量阈值的,标记为异常点,累计计数异常点数量,当累计的异常点数量高于或等于设定的异常点数量阈值则判定当前视频帧包含滚动条纹噪声。
2.根据权利要求1所述的一种检测视频滚动条纹的方法,其特征在于:步骤一中采用色彩空间转换算法计算得到灰度图G。
5.根据权利要求1所述的一种检测视频滚动条纹的方法,其特征在于:步骤三中的排布变换是将零频点移到图片的中心。
6.根据权利要求1所述的一种检测视频滚动条纹的方法,其特征在于:步骤三中的归一化操作是按像素取值范围(0,255)进行线性归一化操作。
7.根据权利要求1所述的一种检测视频滚动条纹的方法,其特征在于:步骤三中的高斯模糊处理操作中滤波核的大小是基于频谱密度分布图PSD的实际尺寸进行调整。
8.根据权利要求1所述的一种检测视频滚动条纹的方法,其特征在于:步骤四中的低阈值的范围在数值0.0-1.0,高阈值为数值1.0。
9.一种基于权利要求1至8任意一项所述方法的检测视频滚动条纹的装置,包括:
帧数据输入处理单元,用于对原始实时视频流解码得到每一帧YUV数据,并计算得到灰度图G;
信号处理单元,用于将灰度图G缩放到合适尺寸得到图片I,并对图片I进行离散傅里叶变换得到DFT(I);
预处理单元,用于对DFT(I)计算频谱密度分布图PSD,并对频谱密度分布图PSD依次进行排布转换,归一化操作,高斯模糊处理操作;
阈值处理单元,用于将频谱密度分布图PSD进行低阈值分割处理得到图A,进行高阈值分割处理得到图B;
连通域分析单元,用于对图B从图像中心点进行相邻区域域分析查找得到掩码图M,分析掩码图M的有效像素,如果有效像素数量少于设定的有效像素数量阈值,则直接判定为不带滚动条纹的正常视频帧;如果有效像素数量超过设定的有效像素数量阈值,则对掩码图M进行联通区域分析,得到联通区域列表;
异常分析单元,用于遍历联通区域列表,和图A进行一定填充区域的像素点差分对比,对差分数量大于设定的差分数量阈值的,标记为异常点,累计计数异常点数量,当累计的异常点数量高于或等于设定的异常点数量阈值则判定当前视频帧包含滚动条纹噪声;
帧数据输入处理单元、信号处理单元、预处理单元、阈值处理单元、连通域分析单元、异常分析单元依次电性连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011525054.1A CN112714308B (zh) | 2020-12-22 | 2020-12-22 | 一种检测视频滚动条纹的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011525054.1A CN112714308B (zh) | 2020-12-22 | 2020-12-22 | 一种检测视频滚动条纹的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112714308A true CN112714308A (zh) | 2021-04-27 |
CN112714308B CN112714308B (zh) | 2022-05-06 |
Family
ID=75545047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011525054.1A Active CN112714308B (zh) | 2020-12-22 | 2020-12-22 | 一种检测视频滚动条纹的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112714308B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592801A (zh) * | 2021-07-23 | 2021-11-02 | 浙江大华技术股份有限公司 | 视频图像的条纹干扰检测方法及其装置 |
CN117523679A (zh) * | 2024-01-08 | 2024-02-06 | 成都运达科技股份有限公司 | 一种驾驶员手势识别方法、系统及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000123111A (ja) * | 1998-10-20 | 2000-04-28 | Dainippon Printing Co Ltd | 金属面の画像入力方法 |
JP2011097204A (ja) * | 2009-10-28 | 2011-05-12 | Hitachi Consumer Electronics Co Ltd | 撮像装置 |
CN102572504A (zh) * | 2011-03-29 | 2012-07-11 | 广州市浩云安防科技股份有限公司 | 一种基于快速傅里叶变换检测滚屏的方法 |
CN104378628A (zh) * | 2014-11-28 | 2015-02-25 | 广东中星电子有限公司 | 一种检测图像闪烁条纹的方法 |
CN105263018A (zh) * | 2015-10-12 | 2016-01-20 | 浙江宇视科技有限公司 | 一种视频图像中叠加条纹检测方法和装置 |
CN105791813A (zh) * | 2014-12-26 | 2016-07-20 | 深圳中兴力维技术有限公司 | 视频滚动干扰条纹检测实现方法及装置 |
CN109547777A (zh) * | 2018-11-06 | 2019-03-29 | 中国铁路上海局集团有限公司科学技术研究所 | 一种复杂场景的视频噪声快速检测方法 |
CN110858897A (zh) * | 2018-08-22 | 2020-03-03 | 北京航天长峰科技工业集团有限公司 | 一种视频条纹噪声检测方法 |
CN111741290A (zh) * | 2020-04-24 | 2020-10-02 | 展讯通信(上海)有限公司 | 图像频闪检测方法及装置、存储介质、终端 |
-
2020
- 2020-12-22 CN CN202011525054.1A patent/CN112714308B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000123111A (ja) * | 1998-10-20 | 2000-04-28 | Dainippon Printing Co Ltd | 金属面の画像入力方法 |
JP2011097204A (ja) * | 2009-10-28 | 2011-05-12 | Hitachi Consumer Electronics Co Ltd | 撮像装置 |
CN102572504A (zh) * | 2011-03-29 | 2012-07-11 | 广州市浩云安防科技股份有限公司 | 一种基于快速傅里叶变换检测滚屏的方法 |
CN104378628A (zh) * | 2014-11-28 | 2015-02-25 | 广东中星电子有限公司 | 一种检测图像闪烁条纹的方法 |
CN105791813A (zh) * | 2014-12-26 | 2016-07-20 | 深圳中兴力维技术有限公司 | 视频滚动干扰条纹检测实现方法及装置 |
CN105263018A (zh) * | 2015-10-12 | 2016-01-20 | 浙江宇视科技有限公司 | 一种视频图像中叠加条纹检测方法和装置 |
CN110858897A (zh) * | 2018-08-22 | 2020-03-03 | 北京航天长峰科技工业集团有限公司 | 一种视频条纹噪声检测方法 |
CN109547777A (zh) * | 2018-11-06 | 2019-03-29 | 中国铁路上海局集团有限公司科学技术研究所 | 一种复杂场景的视频噪声快速检测方法 |
CN111741290A (zh) * | 2020-04-24 | 2020-10-02 | 展讯通信(上海)有限公司 | 图像频闪检测方法及装置、存储介质、终端 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592801A (zh) * | 2021-07-23 | 2021-11-02 | 浙江大华技术股份有限公司 | 视频图像的条纹干扰检测方法及其装置 |
CN117523679A (zh) * | 2024-01-08 | 2024-02-06 | 成都运达科技股份有限公司 | 一种驾驶员手势识别方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112714308B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mittal et al. | A completely blind video integrity oracle | |
US10902563B2 (en) | Moran's / for impulse noise detection and removal in color images | |
CN116205906B (zh) | 一种电缆内部生产异常无损检测方法 | |
CN112714308B (zh) | 一种检测视频滚动条纹的方法及装置 | |
CN108053396B (zh) | 一种多失真图像质量的无参考评价方法 | |
CN109410177A (zh) | 一种超分辨率图像的图像质量分析方法及系统 | |
CN115841434B (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
Liu et al. | No-reference quality assessment for contrast-distorted images | |
CN108900864B (zh) | 基于运动轨迹的全参考视频质量评价方法 | |
CN111612741B (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
CN106651792B (zh) | 一种卫星影像条带噪声去除方法及装置 | |
CN115661669B (zh) | 一种基于视频监控的耕地违法占用监测方法及系统 | |
CN104486618A (zh) | 视频图像的噪声检测方法及装置 | |
CN111898486A (zh) | 监控画面异常的检测方法、装置及存储介质 | |
Lu et al. | A spatiotemporal model of video quality assessment via 3D gradient differencing | |
CN115619708A (zh) | 基于图像识别主轴轴承润滑油油质变化判断故障的方法 | |
Jin et al. | Perceptual Gradient Similarity Deviation for Full Reference Image Quality Assessment. | |
Chen et al. | Edge preservation ratio for image sharpness assessment | |
Li et al. | No-reference screen content video quality assessment | |
CN112613456A (zh) | 一种基于多帧差分图像累积的小目标检测方法 | |
CN111445435A (zh) | 一种基于多区块小波变换的无参考图像质量评价方法 | |
Jin et al. | A foveated video quality assessment model using space-variant natural scene statistics | |
CN114205578A (zh) | 基于频域偏度和频域峰值的视频模糊异常检测方法和系统 | |
Saad et al. | Natural DCT statistics approach to no-reference image quality assessment | |
Zhu et al. | Blind video quality assessment based on spatio-temporal internal generative mechanism |
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 |