CN113315995A - 提高视频质量的方法、装置、可读存储介质及电子设备 - Google Patents
提高视频质量的方法、装置、可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN113315995A CN113315995A CN202110492096.8A CN202110492096A CN113315995A CN 113315995 A CN113315995 A CN 113315995A CN 202110492096 A CN202110492096 A CN 202110492096A CN 113315995 A CN113315995 A CN 113315995A
- Authority
- CN
- China
- Prior art keywords
- image
- video
- target
- evaluated
- image block
- 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 71
- 238000011156 evaluation Methods 0.000 claims abstract description 144
- 238000012545 processing Methods 0.000 claims abstract description 140
- 230000004044 response Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 21
- 238000012512 characterization method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 11
- 238000013459 approach Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种提高视频质量的方法、装置、可读存储介质及电子设备。方法包括：响应于接收到视频处理请求，从待处理视频中获取待评估图像；针对每一待评估图像，根据至少一种类型的图像评估指标对待评估图像进行评估；根据每一待评估图像的与至少一种类型的图像评估指标对应的评估结果，确定待处理视频对应的处理等级；执行与处理等级对应的处理操作，以提高待处理视频的质量。通过此种方式，自动对待评估图像进行评估，以及自动有针对性地执行对应的处理操作，可以有效提高待处理视频的质量。并且，在对待处理视频进行处理时执行的是与处理等级对应的处理操作，对待处理视频的质量增强效果较好。
Description
技术领域
本公开涉及计算机技术领域，具体地，涉及一种提高视频质量的方法、装置、可读存储介质及电子设备。
背景技术
目前，很多线下授课(面授课)的教室内安装有朝向讲台方向的视频采集装置，利用该视频采集装置采集教师授课时的视频，以便于缺课或者线上的学生能够根据该视频进行学习，或者便于学生复听或复习教师所讲的知识。
然而，目前大部分教室安装的视频采集装置的标准不统一。例如，有的教室直接安装低成本的监控摄像头，该监控摄像头会导致低画质、大广角、强畸变、画质易受环境光照影响而不稳定等问题。又例如，视频采集装置的安装距离与讲台相距较远、视频采集装置的俯角或偏航角过大、视频采集装置在采集视频时存在明显的外物遮挡。再例如，教师授课时采用的投影仪的质量不高，图像不清晰，相应的视频采集装置采集到的视频也不清晰，或者，投影仪的刷新率与视频采集装置的采样率不一致，造成频闪现象，等等。以上这些因素，都会严重影响视频采集装置采集的视频的质量，从而影响学生根据该视频学习的效率，因此，有必要对质量不高的视频进行处理，以提高视频的质量。
发明内容
本公开的目的是提供一种提高视频质量的方法、装置、可读存储介质及电子设备，以解决相关技术中存在的问题。
为了实现上述目的，本公开第一方面提供一种提高视频质量的方法，包括：
响应于接收到视频处理请求，从待处理视频中获取待评估图像；
针对每一待评估图像，根据至少一种类型的图像评估指标对所述待评估图像进行评估，以得到所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果；
根据每一所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果，确定所述待处理视频对应的处理等级；
执行与所述处理等级对应的处理操作，以提高所述待处理视频的质量。
本公开第二方面提供一种提高视频质量的装置，包括：
获取模块，用于响应于接收到视频处理请求，从待处理视频中获取待评估图像；
评估模块，用于针对每一待评估图像，根据至少一种类型的图像评估指标对所述待评估图像进行评估，以得到所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果；
确定模块，用于根据每一所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果，确定所述待处理视频对应的处理等级；
执行模块，用于执行与所述处理等级对应的处理操作，以提高所述待处理视频的质量。
本公开第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所提供的所述方法的步骤。
本公开第四方面提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所提供的所述方法的步骤。
采用上述技术方案，在从待处理视频中获取到待评估图像之后，可以根据至少一种类型的图像评估指标对每一待评估图像进行评估，进而可以根据评估结果确定待处理视频的处理等级，并通过执行与处理等级对应的处理操作，提高待处理视频的质量。通过此种方式，自动对待评估图像进行评估，以及自动有针对性地执行对应的处理操作，无需对图像不同类型的失真进行人为降质处理、无需将图像转为特征向量、以及无需获取质量无损的图像，可以精准地对待评估图像进行评估，进而在根据准确的评估结果对待处理视频进行处理时，可以有效提高待处理视频的质量。并且，在对待处理视频进行处理时执行的是与处理等级对应的处理操作，对待处理视频的质量增强效果较好。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种提高视频质量的方法的流程图。
图2是根据一示例性实施例示出的一种对待评估图像进行评估方法的流程图。
图3是根据一示例性实施例示出的另一种对待评估图像进行评估方法的流程图。
图4是根据一示例性实施例示出的一种确定待处理视频对应的处理等级方法的流程图。
图5是根据一示例性实施例示出的一种提高视频质量的装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
在对视频进行处理以提高其质量之前，需要获知该视频的失真类型，从而根据失真类型有针对性地对视频质量进行改善。在相关技术中，多是通过以下几种方式获取视频帧图像的失真类型的。第一种方式为：利用神经网络模型获取视频帧图像的失真类型。在该方式中，在对神经网络模型进行训练时需要对图像的不同失真类型进行人为降质处理，由于通过人为降质程度难以控制且通过人为降质产生的失真与真实场景下的失真存在差异，从而导致神经网络模型无法精准获取视频帧图像的失真类型。并且，神经网络模型训练困难且计算占用大量资源。第二种方式为：将图像转换为特征向量，采用支持向量机等机器学习方法对图像进行评估，并利用深度学学习的方式对图像进行增强。然而，在该方式中，将图像转为特征向量时未必能准确提取到有利于图像质量评估的特征，且该方式是从图像整体出发评估图像的，没有侧重点，不适合线下教室视频质量的评估。第三种方式为：基于全参考或半参考的质量评估方法。在该方式中，全参考或半参考的方式均需要质量无损的图像与其对应的低质量图像，不适合线下教室视频质量的评估。第四种方式为：仅根据图像的一种失真类型进行评估，之后，利用深度学习方法进行图像增强(例如去噪)，或采用传统的图像增强方法进行图像增强，如自适应直方图均衡化方法。在该方式中，由于线下教室视频图像与自然场景图像不同，线下教室视频图像有其独特性(例如，包含较多的文字)。目前大多针对单一失真类型进行图像质量评估的方法不能准确评估线下教室视频帧图像质量，且质量评估与图像增强相独立，增强效果不佳。
鉴于此，本公开提供一种提高视频质量的方法、装置、可读存储介质及电子设备，以解决相关技术中不能有效提高视频质量的问题。
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是根据一示例性实施例示出的一种提高视频质量的方法的流程图。如图1所示，该提高视频质量的方法可以包括以下步骤。
在步骤11中，响应于接收到视频处理请求，从待处理视频中获取待评估图像。
值得说明的是，本公开所提供的提高视频质量的方法可以用于提高线下教室视频质量，也可以用于提高任何场景下的视频或图像的质量，本公开对此不做具体限定。
在一种实施例中，本公开所提供的提高视频质量的方法用于提高线下教室视频质量，由于线下教室视频既包含未上课时间段的视频帧图像，还包括上课时间段的视频帧图像，而学生在线下学习或复习时仅需要观看上课时间段的视频帧图像即可，即，可以仅对上课时间段的视频帧图像进行评估，因此，在该实施例中，在接收到视频处理请求时，需要从待处理视频中获取到上课时间段的视频帧图像。由于上课时间段的视频帧图像中通常会包含较多的文字，因此，从待处理视频中获取到包含文字较多的图像即为上课时间段的视频帧图像，并且，该包含文字较多的图像即为上述待评估图像。
在一种可能的方式中，人为输入视频处理请求。例如，用户先从安装在教室内的视频采集装置中获取到待处理视频，之后，将该待处理视频或者包含该待处理视频的处理请求，输入至执行该提高视频质量的方法的电子设备或服务器中，如此，电子设备或服务器即可接收到用户输入的视频处理请求。
在又一种可能的方式中，视频处理请求是视频采集装置发送的。例如，执行该提高视频质量的方法的电子设备或服务器可以与视频采集装置相连，当视频采集装置将采集的视频发送给电子设备或服务器时，电子设备或服务器即可接收到视频采集装置发送的视频处理请求。
在按照上述方式中任一方式接收到视频处理请求时，可以通过文字检测算法从待处理视频中获取文字场景图像(即，包含较多文字的图像)，并将该文字场景图像确定为待评估图像。示例地，在接收到待处理视频时，首先按照预设的时间间隔采集得到一组图像，之后，针对该组图像中的每一图像，通过文字检测算法得到该图像中文字字符所占区域面积，若文字字符所占区域面积大于预先设定的面积阈值，则确定该图像为文字场景图像，即，将该图像确定为待评估图像。如此，可以得到一组待评估图像。
在步骤12中，针对每一待评估图像，根据至少一种类型的图像评估指标对待评估图像进行评估，以得到待评估图像的与至少一种类型的图像评估指标对应的评估结果。
示例地，至少一种类型的图像评估指标可以包括以下指标中的至少一者：图像显著性与噪声指标、文字清晰度指标、对比度指标和模糊度指标。值得说明的是，在实际应用中，图像评估指标还可以包括饱和度指标、曝光度指标等等。其中，对待评估图像进行评估的具体方式将在下文进行详细描述。
在步骤13中，根据每一待评估图像的与至少一种类型的图像评估指标对应的评估结果，确定待处理视频对应的处理等级。
在步骤14中，执行与处理等级对应的处理操作，以提高待处理视频的质量。
值得说明的是，待评估图像的不同评估结果，对应的待处理视频的处理等级也不同。如果评估结果均为用于表征待评估图像质量较好的结果，则对应的待处理视频的处理等级即为用于表征无需处理的等级。如果评估结果为用于表征待评估图像质量较差的结果，则对应的待处理视频的处理等级即为用于表征需要处理或者难以处理的等级。并且，不同的处理等级会对应不同的处理操作，例如，处理等级为表征无需处理的等级，就不需要执行任何处理操作。如果处理等级为表征需要处理的等级，则就需要对待处理视频进行处理，等等。如此，通过有针对性地执行与该处理等级对应的处理操作，可以有效提高待处理视频的质量。
采用上述技术方案，在从待处理视频中获取到待评估图像之后，可以根据至少一种类型的图像评估指标对每一待评估图像进行评估，进而可以根据评估结果确定待处理视频的处理等级，并通过执行与处理等级对应的处理操作，提高待处理视频的质量。通过此种方式，自动对待评估图像进行评估，以及自动有针对性地执行对应的处理操作，无需对图像不同类型的失真进行人为降质处理、无需将图像转为特征向量、以及无需获取质量无损的图像，可以精准地对待评估图像进行评估，进而在根据准确的评估结果对待处理视频进行处理时，可以有效提高待处理视频的质量。并且，在对待处理视频进行处理时执行的是与处理等级对应的处理操作，对待处理视频的质量增强效果较好。
为了便于本领域技术人员更好的理解本公开所提供的提高视频质量的方法，下面对图1中各个步骤进行详细说明。
首先，对图1中步骤12根据至少一种类型的图像评估指标对待评估图像进行评估的具体方式进行说明。
图2是根据一示例性实施例示出的一种对待评估图像进行评估方法的流程图，该评估方法用于对待评估图像的图像显著性与噪声指标进行评估。如图2所示，该评估方法可以包括以下步骤。
在步骤121中，根据待评估图像，确定待评估图像对应的N个图像块，N为大于1的整数。
在按照图1中的步骤11得到待评估图像之后，首先，可以将该待评估图像的像素值转换为浮点类型，以得到该待评估图像的灰度图像G。接着，在得到灰度图像G之后，对灰度图像G进行高斯模糊处理得到图像U1，之后，将图像U1的像素矩阵与图像U1的像素矩阵相乘，得到图像U2，以及，将灰度图像G的像素矩阵与将灰度图像G的像素矩阵相乘得到的图像矩阵进行高斯模糊处理最终得到图像U3，然后，通过公式(1)得到图像U，并对图像U进行分割，以得到N个图像块。
值得说明的是，分割得到的N个图像块的尺寸可以相同也可以不同，并且，图像块的宽和高可以相同也可以不同，本公开对此不做具体限定。
示例地，以图像块的宽和高相同为例进行说明。假设每一图像块的宽和高均为n(其中，单位为像素，且n为大于1的整数，例如，n可以为16)。为了能够将图像U分割为N个n*n的图像块，在分割之前，还需确定图像U的宽和高是否均为n的整数倍。如果图像U的宽和高均为n的整数倍，则可以直接对图像U进行分割，以得到N个n*n的图像块。如果图像U的宽和/或高不为n的整数倍，则还需要对图像U补充像素值为0的像素，以使补充像素后的图像U的宽和/或高均为n的整数倍。例如，n为16，图像U的宽为45，则需要在图像U的宽度方向补充3个像素。在补充像素后的图像U的宽和/或高均为n的整数倍之后，对补充像素后的图像U进行分割以得到N个n*n的图像块。
在步骤122中，根据每一图像块各自包括的像素值，确定每一图像块各自的像素方差乘积，并将像素方差乘积大于第一预设阈值的图像块确定为第一目标图像块。
示例地，可以通过公式(2)确定每一图像块各自的像素方差乘积：
其中，Vi表征第i个图像块的像素方差乘积，i的取值范围为1至N，f(xi,yi)表征(xi,yi)位置点处的像素值，f(xi+1,yi)表征(xi+1,yi)位置点处的像素值，f(xi,yi+1)表征(xi,yi+1)位置点处的像素值，Hi表征第i个图像块的高度，Wi表征第i个图像块的宽度。
按照上述公式(2)可以确定出每一图像块的像素方差乘积，之后，将像素方差乘积大于第一预设阈值的图像块确定为第一目标图像块。
在步骤123中，针对每一第一目标图像块，根据第一目标图像块的像素方差乘积和第一目标图像块的像素值，确定第一目标图像块的质量分数。
首先，根据第一目标图像块的像素值，分别确定用于计算第一目标图像块的质量分数的第一系数和第二系数。示例地，第一系数可以通过以下步骤确定：
(1)、获取第一目标图像块的四个边界中每一边界上的多个相邻像素点的像素值。其中，四个边界包括第一目标图像块的上边界、第一目标图像块的下边界、第一目标图像块的左边界和第一目标图像块的右边界。针对每一边界，可以获取该边界上的多个相邻像素点的像素值，例如，可以获取每一边界上的相邻6个像素点的像素值。假设第一目标图像块的下边界的第一个像素点的坐标为(0，0)，则获取的第一目标图像块的下边界上的6个像素点的像素值可以为坐标为(1，0)的像素点的像素值、坐标为(2，0)的像素点的像素值、坐标为(3，0)的像素点的像素值、坐标为(4，0)的像素点的像素值、坐标为(5，0)的像素点的像素值、坐标为(6，0)的像素点的像素值。
(2)、针对每一边界，确定边界的多个相邻像素点的像素值的标准差。如上所示，在确定给出位于下边界的6个相邻像素点的像素值之后，根据该6个相邻像素点的像素值，确定该6个相邻像素点的像素值的标准差。如此，分别确定出每一第一目标图像块的四个边界中每一边界的多个相邻像素点的像素值的标准差。其中，求取标准差的公式属于相关技术。
(3)、若存在至少一个边界的标准差大于或等于第二预设阈值，则确定用于计算第一目标图像块质量分数的第一系数为1。
(4)、若四个边界中每一边界的标准差均小于第二预设阈值，则确定用于计算第一目标图像块质量分数的第一系数为0。
如此，可以针对每一第一目标图像块，确定出用于计算该第一目标图像块质量分数的第一系数。值得说明的是，每一第一目标图像块对应第一系数可能相同也可能不同。
第二系数可以通过以下步骤确定：
(5)、将第一目标图像块分割为第一区域和第二区域。
在一种可能的方式中，可以将第一目标图像块随机分成两个区域。例如，上下两个区域、左右两个区域。在另一种可能的方式中，还可以将第一目标图像块分为中心区域和非中心区域。例如，针对每一第一目标图像块，确定该第一目标图像块在宽度方向上的中心列c，之后，根据中心列c和c+1列，或者，根据中心列c和c-1列确定中心区域bc(即，第一区域)，该第一目标图像块中除中心区域之外的其他区域确定为剩余区域bs(即，第二区域)。又例如，分别确定该第一目标图像块在宽度方向上的中心列c，以及在高度方向上的中心行d，之后根据中心列c和c+1(或c-1)列、中心行d和d+1或(d-1)行，确定中心区域bc(即，第一区域)，将第一目标图像块中除中心区域之外的其他区域确定为剩余区域bs(即，第二区域)。
(6)、分别计算位于第一区域内的像素的第一标准差、位于第二区域内的像素的第二标准差。
(7)、根据第一目标图像块的像素方差乘积，确定第一目标图像块的第三标准差。例如，将第一目标图像块的像素方差乘积进行开方运算，所得结果作为第三标准差。
(8)、根据第一标准差、第二标准差和第三标准差，通过以下公式(3)确定参数bβ：
其中，bθ表征所述第一目标图像块的第三标准差，b1表征所述第一标准差，b2表征所述第二标准差。
(9)、若第三标准差bθ大于或等于参数bβ的二倍，则第二系数为1。
(10)、若第三标准差bθ小于参数bβ的二倍，则所述第二系数为0。
如此，可以针对每一第一目标图像块，确定出用于计算该第一目标图像块质量分数的第二系数。值得说明的是，每一第一目标图像块对应第二系数可能相同也可能不同。。
之后，根据第一系数、第二系数和第一目标图像块的像素方差乘积，确定第一目标图像块的质量分数。
示例地，可以通过公式(4)确定第一目标图像块的质量分数：
t＝w1·(1-V)2+w2·V2 (4)
其中，t表征所述第一目标图像块的质量分数，w1表征所述第一系数，w2表征所述第二系数，V表征所述第一目标图像块的质量分数。
按照上述方式，可以获取到每一第一目标图像块的质量分数。
在步骤124中，根据每一第一目标图像块的质量分数和第一目标图像块的数量，确定待评估图像的质量分数，待评估图像的质量分数为待评估图像的与图像显著性与噪声指标对应的评估结果。
在本公开中，根据公式(4)确定的第一目标图像块的质量分数均为大于或等于0的数值。由于质量分数为0的图像块对待评估图像的质量影响较小，因此，在一种实施例中，可以仅根据质量分数大于0的第一目标图像块，确定待评估图像的质量分数。
示例地，首先，将质量分数大于0的第一目标图像块确定为第二目标图像块。接着，对质量分数最小的K个第二目标图像块的质量分数求和得到质量分数下限参数，以及，对每一第二目标图像块的质量分数求和得到第一质量分数总和参数。示例地，可以利用冒泡排序方式确定出质量分数最小的K个第二目标图像块。又示例地，可以按照质量分数由小到大的顺序对第二目标图像块进行排序，进而确定出质量分数最小的K个第二目标图像块。其中，K可以为第二目标图像块的数量与10％的乘积的整数部分。
接着，针对每一第二目标图像块的质量分数，根据质量分数下限参数、第一质量分数总和参数，通过公式(5)，对第二目标图像块的质量分数进行更新：
其中，t”表征更新后的第二目标图像块的质量分数，t'表征更新前的第二目标图像块的质量分数，Lsum表征质量分数下限参数，S'sum表征第一质量分数总和参数。
也即是，根据上述公式(5)可以对每一第二目标图像块的质量分数进行更新，得到更新后的第二目标图像块的质量分数。
之后，对更新后的第二目标图像块的质量根数求和得到第二质量分数总和参数。
最后，根据第二质量分数总和参数和第一目标图像块的数量，通过以下公式(6)，确定待评估图像的质量分数：
其中，res表征待评估图像的质量分数，Ssum表征第二质量分数总和参数，q表征第一目标图像块的数量。
如此，按照图2所示的方式即可确定出待评估图像的与图像显著性与噪声指标对应的评估结果。
图3是根据一示例性实施例示出的另一种对待评估图像进行评估方法的流程图，待评估图像包括文字，该评估方法用于对待评估图像的文字清晰度指标进行评估。如图3所示，该评估方法可以包括以下步骤。
在步骤125中，利用文字检测框识别待评估图像中每一文字。
示例地，通过相关技术中的文字检测框可以将待评估图像中的每一文字识别出来。值得说明的是，在本公开中，一个文字检测框可以识别出一个文字或多个文字。但是，由于文字之间存在空白，若一个文字检测框识别出多个文字，则可能会导致后续所确定的组成文字的像素数量偏大，即，会导致后续所确定的组成文字的像素数量不准确。因此，本公开以一个文字检测框识别出一个文字为例进行说明。
在步骤126中，确定每一文字各自对应的像素数量，以及每一文字各自对应的文本检测框的面积。
在本公开中，文字对应的像素数量是指组成该文字的像素数量。为了确定组成文字的像素数量，首先需要确定文字背景是黑色还是白色。例如，可以对待评估图像进行灰度化、二值化，之后，统计像素值0与像素值255的数量，若像素值0的数量大于或等于像素值255的数量，则确定文字背景为黑色，若像素值0的数量小于像素值255的数量，则确定文字背景为白色。
接着，将每一单个文字都裁剪出来并进行灰度化、二值化，之后，确定每一文字各自对应的像素数量。示例地，如果文字背景为白色，则统计像素值为0的像素数量，将该像素数量确定为该文字对应的像素数量。如果文字背景为黑色，则统计像素值为255的像素数量，将该像素数量确定为该文字对应的像素数量。如此，可以确定出每一文字各自对应的像素数量。
此外，根据检测每一文字时所用的文字检测框的宽高，可以得到每一文字各自对应的文字检测框的面积。
在步骤127中，根据像素数量和所述文本检测框的面积，确定第一文字清晰度。
在一种可能的方式中，针对每一文字，确定该文字对应的像素数量与该文字对应的文本检测框的面积的比值r，之后，将多个文字各自对应的比值r的平均值确定为第一文字清晰度。
在另一种可能的方式中，将每一文字对应的像素数量之和确定为该待评估图像中组成所有文字的像素总数量，以及，将每一文字对应的文本检测框的面积之和确定为待评估图像中文字检测框的总面积。之后，将像素总数量与文字检测框的总面积的比值确定为第一文字清晰度。
在步骤128中，根据第一文字清晰度确定待评估图像的目标文字清晰度，该目标文字清晰度为待评估图像的与该文字清晰度指标对应的评估结果。
在一种实施例中，可以直接将第一文字清晰度确定待评估图像的目标文字清晰度。
在另一种实施例中，还可以通过另一方式获取第二文字清晰度，根据第一文字清晰度和第二文字清晰度确定待评估图像的目标文字清晰度。示例地，第二文字清晰度可以通过以下方式确定：首先，分别获取待评估图像经腐蚀膨胀处理前后的文字区域面积。例如，将腐蚀膨胀处理前的待评估图像的文字区域面积记为area1，将经腐蚀膨胀处理后的文字区域面积记为area2。之后，将两次获得的文字区域面积的比值确定为第二文字清晰度，即，将area1与area2的比值确定为第二文字清晰度。
在确定出第二文字清晰度之后，根据第一文字清晰度和第二文字清晰度，通过以下公式(7)确定待评估图像的目标文字清晰度：
R＝a·R1+b·R2 (7)
其中，R表征待评估图像的目标文字清晰度，R1表征第一文字清晰度，R2表征第二文字清晰度，a、b表征预设的权重系数，且取值范围均为0到1。
如此，按照图3所示的方式即可确定出待评估图像的与文字清晰度指标对应的评估结果。
此外，在一种实施例中，该至少一种类型的图像评估指标包括模糊度指标，对待评估图像的模糊度指标进行评估的具体实施方式为：通过公式(8)确定待评估图像的模糊度：
其中，blur表征待评估图像的模糊度，edgew表征待评估图像中指定对象轮廓的宽度；edgem表征组成待评估图像中指定对象轮廓的像素数量。
值得说明的是，如果待评估图像为文字场景图像，该指定对象可以为文字，如果待评估图像为人物图像，则指定对象可以为人物，等等。
示例地，首先，采用相关技术计算待评估图像的水平方向和垂直方向的梯度矩阵。例如，在计算水平方向的梯度矩阵时，采用的模板算子Sx如公式(9)所示，卷积操作公式如公式(10)所示，所得到的水平方向的梯度矩阵如公式(11)所示。
其中，
表征待评估图像的水平方向的梯度，f为待评估图像的像素矩阵，Δfx为水平方向的梯度矩阵。
在计算垂直方向的梯度矩阵时，采用的模板算子Sy如公式(12)所示，卷积操作公式如公式(13)所示，所得到的垂直方向的梯度矩阵如公式(14)所示：
其中，
表征待评估图像的垂直方向的梯度，f为待评估图像的像素矩阵，Δfy为垂直方向的梯度矩阵。
之后，根据相关技术中的双阈值处理方式判断像素点是否位于该待评估图像的轮廓上，并计算指定对象轮廓的宽度edgew以及组成待评估图像中指定对象轮廓的像素数量edgem。其中，确定指定对象轮廓的宽度edgew和组成待评估图像中指定对象轮廓的像素数量edgem的方式均属于现有技术，本公开对此不做限制。
此外，在另一种实施例中，该至少一种类型的图像评估指标包括对比度指标，对待评估图像的对比度指标进行评估的具体实施方式为：通过公式(15)确定待评估图像的对比度，其中，该对比度即为待评估图像的与对比度指标对应的评估结果：
其中，contrast表征待评估图像的对比度，H、W分别表征待评估图像的高、宽，f(x,y)表征(x,y)位置处的像素值，其中，x的取值范围为[1,W]，y的取值范围为[1,H]。
如此，按照上述公式，可以分别对待评估图像的图像显著性与噪声指标、文字清晰度指标、模糊度指标和对比度指标进行评估，并分别得到待评估图像的与图像显著性与噪声指标对应的评估结果、待评估图像的与文字清晰度指标对应的评估结果、待评估图像的与模糊度指标对应的评估结果、以及待评估图像的与对比度指标对应的评估结果。
下面，对图1中步骤13根据每一待评估图像的与至少一种类型的图像评估指标对应的评估结果，确定待处理视频对应的处理等级的具体方式进行说明。
图4是根据一示例性实施例示出的一种确定待处理视频对应的处理等级方法的流程图。如图4所示，图1中的步骤13可以进一步包括步骤131和步骤132。
在步骤131中，针对每种类型的图像评估指标，根据每一待评估图像的与该类型的图像评估指标对应的评估结果，确定该种类型的图像评估指标对应的目标评估结果。
示例地，以图像显著性与噪声指标为例，按照图2所示的评估方式可以确定出每一待评估图像的质量分数，并进一步确定所有待评估图像的质量分数的平均值，之后，根据该平均值与预设数值区间，确定图像显著性与噪声指标对应的目标评估结果。
在一种实施例中，每种类型的图像评估指标对应三个数值区间，且该三个数值区间分别是用户根据低质量的图像、中质量的图像和高质量的图像预先设置的。例如，若待评估图像的质量分数的平均值位于第一数值区间，则确定图像显著性与噪声指标对应的目标评估结果为低，若该平均值位于第二数值区间，则确定图像显著性与噪声指标对应的目标评估结果为中，若该平均值位于第三数值区间，则确定图像显著性与噪声指标对应的目标评估结果为高。
值得说明的是，参照类似方式可以分别确定出其他类型的图像评估指标对应的目标评估结果，且每一类型的图像评估指标对应的目标评估结果为低、中和高中的一者。
在步骤132中，根据每种类型的图像评估指标各自对应的目标评估结果，确定待处理视频对应的处理等级。
本公开中，假设至少一种类型的图像评估指标包括图像显著性与噪声指标、文字清晰度指标、模糊度指标和对比度指标，在步骤131中，可以确定出图像显著性与噪声指标对应的目标评估结果、文字清晰度指标对应的目标评估结果、模糊度指标对应的目标评估结果以及对比度指标对应的目标评估结果。
示例地，处理等级可以包括用于表征难以处理的第一处理等级和用于表征需要处理的第二处理等级，以及用于表征无需处理的第三处理等级。
如果上述四种类型指标对应的目标评估结果中存在用于表征低的目标评估结果，则确定该待处理视频对应的处理等级为第一处理等级。如果上述四种类型指标对应的目标评估结果中不存在用于表征低的目标评估结果，且至少存在两个用于表征中的目标评估结果，则确定该待处理视频对应的处理等级为第二处理等级。如果上述四种类型指标对应的目标评估结果中不存在表征低的目标评估结果，且最多存在一个用于表征中的目标评估结果，则确定该待处理视频对应的处理等级为第三处理等级。
值得说明的是，如果确定待处理视频对应的处理等级为第三处理等级，可以不执行任何操作。此外，以上仅示出了一种确定待处理视频的处理等级的规则，而在实际应用中，可以根据用于预设的不同的规则确定待处理视频的处理等级，本公开对此不做具体限制。
若确定待处理视频对应的处理等级为第一处理等级，则输出用于指示更换视频采集装置的提示信息，其中视频采集装置用于采集待处理视频。在该情况下，待处理视频对应的处理等级为用于表征难以处理的第一处理等级，此时，待处理视频的质量无法通过图像处理进行改善，需要更换视频采集装置。
若确定待处理视频对应的处理等级为第二处理等级，则按照预设的对比度增强方式和/或锐度增强方式，对待处理视频中的每一帧视频图像进行处理，以提高待处理视频的质量。
值得说明的是，在一种可能的方式中，若确定处理视频对应的处理等级为第二处理等级，则对待处理视频中的每一帧视频图像依次按照预设的对比度增强方式和锐度增强方式对视频图像进行处理，以提高待处理视频的质量。其中，对比度增强方式和锐度增强方式的执行顺序不作限制，可以先执行对比度增强方式再执行锐度增强方式，也可以先执行锐度增强方式再执行对比度增强方式。
在另一种可能的方式中，在确定出待处理视频对应的处理等级为第二处理等级之后，还可以进一步确定出每种类型的图像评估指标各自对应的目标评估结果，以确定出用于表征中的目标评估结果对应的目标图像评估指标。之后，利用与该目标图像评估指标对应的处理操作，对待处理视频进行处理。例如，对比度指标对应的目标评估结果为中，则需要按照预设的对比度增强方式进行视频图像进行处理，如果图像显著性与噪声指标、文字清晰度指标、模糊度指标中任一类型图像评估指标对应的目标评估结果为中，则需要按照预设的锐度增强方式对视频图像进行处理。
其中，预设的对比度增强方式为：
针对待处理视频中的每一帧第一目标视频图像均执行以下步骤：
首先，将该帧第一目标视频图像划分为M个视频图像块，获取每一视频图像块分别在R通道、G通道、B通道的直方图和每一视频图像块的亮度直方图，该帧第一目标视频图像分别在R通道、G通道、B通道的直方图，以及该帧第一目标视频图像的亮度直方图。
在本公开中，第一目标视频图像可以为待处理视频中的每一帧视频图像，也可以是经过锐度增强后的视频图像。例如，若先执行对比度增强方式，则第一目标视频图像即为待处理视频中的每一帧视频图像。若先执行锐度增强之后再执行对比度增强，则第一目标视频图像即为经过锐度增强后的视频图像。
将该帧第一目标视频图像划分为M个视频图像块的具体实施方式为：首先，逐帧以RGB的方式读取第一目标视频图像，之后，将第一目标视频图像的RGB图像空间转换到Lab空间，并计算L通道的均方差m_var，并根据均方差m_var与预设方差阈值的大小关系，确定视频图像块的数量。例如，如果均方差m_var小于预设方差阈值，则视频图像块的数量可以为8*8＝64，即，M＝64，否则M＝4*4＝16。
在本公开中，亮度直方图Brightness＝0.3*R+0.6*G+0.1*B，其中，公式中，R、G和B分别表征R通道的直方图、G通道的直方图、B通道的直方图。也即是说，每一视频图像块的亮度直方图是根据每一视频图像块各自的R通道、G通道、B通道的直方图确定的，第一目标视频图像的亮度直方图是根据第一目标视频图像的R通道、G通道、B通道的直方图确定的。
值得说明的是，可以采用相关技术中确定R通道、G通道、B通道的直方图的方式确定每一视频图像块在R通道、G通道、B通道的直方图，以及第一目标视频图像分别在R通道、G通道、B通道的直方图。
接着，针对每一视频图像块均执行以下步骤：
(11)、将该帧第一目标视频图像的亮度直方图融合至该视频图像块的亮度直方图，以得到融合后的该视频图像块的亮度直方图。示例地，可以通过公式(16)，将该帧第一目标视频图像的亮度直方图融合至该视频图像块的亮度直方图：
h_l'＝(h_l·s1+(100-s1)·H_l)/100 (16)
其中，h_l'为融合后的该视频图像块的亮度直方图，h_l为融合前的该视频图像块的亮度直方图，H_l为该帧第一目标视频图像的亮度直方图，s1为融合系数，取值范围为[0,100]。其中，上述所计算的对比度contrast越大s1取值越小。
(12)、将融合后的该视频图像块的亮度直方图、该帧第一目标视频图像在R通道、G通道、B通道的直方图分别融合至该视频图像块在R通道、G通道、B通道的直方图，以得到融合后的该视频图像块在R通道、G通道、B通道的直方图。
示例地，可以是先将该帧第一目标视频图像在R通道、G通道、B通道的直方图分别对应融合到该视频图像块在R通道、G通道、B通道的直方图中，得到一次融合后的该视频图像块在R通道、G通道、B通道的直方图。例如，以在B通道的直方图融合为例进行说明，可以通过公式(17)，得到一次融合后的该视频图像块在B通道的直方图：
h_b'＝(h_b·s2+(100-s2)·H_b)/100 (17)
其中，h_b'为一次融合后的该视频图像块在B通道的直方图，h_b为融合前该视频图像块在B通道的直方图，H_b为该帧第一目标视频图像在B通道的直方图，s2表征融合系数，取值范围为[0,100]。其中，上述所计算的对比度contrast越大s2取值越大。
接着，将步骤(11)中得到的融合后的该视频图像块的亮度直方图分别与一次融合的视频图像块在R通道、G通道、B通道的直方图融合，得到二次融合后的该视频图像块在R通道、G通道、B通道的直方图。例如，以在R通道的直方图融合为例进行说明，可以通过公式(18)，得到二次融合后的该视频图像块在R通道的直方图：
h_r”＝(h_r'·s3+(100-s3)·h_l')/100 (18)
其中，h_r”为二次融合后的该视频图像块在R通道的直方图，h_r'为一次融合后的该视频图像块在R通道的直方图，h_l'为融合后的该视频图像块的亮度直方图，s3表征融合系数，取值范围为[0,100]。
(13)、遍历该视频图像块的每一融合后的直方图，以根据直方图中每一元素的数值对直方图进行均衡化处理得到视频图像块对应的映射矩阵。
示例地，在遍历过程中，首先，将直方图中数值超过阈值的元素的数值减去阈值后求和并记为sum，并将这些超过阈值的元素的数值更新为阈值。接着，将直方图中每一个元素的数值均加b，以及将直方图中前k个元素的数值加1，其中，b＝sum/256，k＝sum-(b*256)，其中，b和k均为int类型，即，b为sum/256的整数部，k为sum-(b*256)的整数部。最后，对直方图进行均衡化处理得到视频图像块对应的映射矩阵。其中，得到映射矩阵的方式属于现有技术，此处不再赘述。
之后，根据第一目标视频图像中每一视频图像块对应的映射矩阵，将第一目标视频图像中的像素划分为第一像素和第二像素。
例如，根据是否靠近图像边界将第一目标视频图像中的像素划分为第一像素和第二像素。值得说明的是，此处的靠近可以是与边界相距小于或等于两个像素点。即，将距离上边界小于或等于两个像素点的像素、距离下边界小于或等于两个像素点的像素、距离左边界小于或等于两个像素点的像素、以及距离右边界小于或等于两个像素点的像素确定为第一像素，将第一目标视频图像中的其他像素确定为第二像素。
最后，分别对第一像素和第二像素进行插值处理，以增强第一目标视频图像的对比度。
例如，对每个视频图像块对应的映射矩阵在一维方向进行高斯平滑处理，并根据高斯平滑处理后的映射矩阵对第一像素进行插值。以及，采用双线性插值对第二像素进行处理。如此即可实现对待处理视频的对比度进行增强的目的。
下面对锐度增强方式进行说明。
针对所述待处理视频中的每一帧第二目标视频图像均执行以下步骤：
首先，分别获取该帧第二目标视频图像经高斯模糊处理前后的第一图像和第二图像。
在本公开中，第二目标视频图像可以为待处理视频中的每一帧视频图像，也可以是经过对比度增强后的视频图像。例如，若先执行锐度增强方式，则第二目标视频图像即为待处理视频中的每一帧视频图像。若先执行对比度增强方式之后再执行锐度增强方式，则第二目标视频图像即为经过对比度增强后的视频图像。
接着，根据第一图像和第二图像，确定该帧第二目标视频图像对应的锐度图像。
示例地，通过公式(19)得到锐度图像：
Img＝src+s4·(src-bimg) (19)
其中，Img为锐度图像，src为第一图像，bimg为第二图像，s4为系数，是根据待评估图像的模糊度确定的，待评估图像的模糊度越大s4就越大。
之后，根据第一图像、第二图像和预设的像素阈值，确定该帧第二目标视频图像对应的掩膜图像，该掩膜图像为二值图像。
示例地，针对第一图像和第二图像的每一对像素，根据该对像素的像素值差值的绝对值与预设的像素阈值的大小关系，确定掩膜图像中对应像素的像素值。例如，若像素值差值的绝对值小于或等于预设的像素阈值，则掩膜图像中对应像素的像素值为1，否则为0。如此，可以得到该帧第二目标视频图像对应的掩膜图像，且该掩膜图像为二值图像。
值得说明的是，位于第一图像和第二图像中的同一位置的像素为一对像素，位于掩膜图像中同一位置的像素与位于第一图像和第二图像中的同一位置的一对像素对应。例如，位于第一图像上的(1，2)位置处的像素与位于第二图像上的(1，2)位置处的像素为一对像素，且该对像素与位于掩膜图像中(1，2)位置处的像素相对应。
最后，将与掩膜图像中像素值为1的像素对应的第一图像中像素的像素值叠加到锐度图像中对应像素上，以增强第二目标视频图像的锐度。
值得说明的是，位于第一图像和第二图像中的同一位置的像素为一对像素，位于掩膜图像中同一位置的像素与位于第一图像和第二图像中的同一位置的一对像素对应。例如，位于第一图像上的(1，2)位置处的像素与位于第二图像上的(1，2)位置处的像素为一对像素，且该对像素与位于掩膜图像中(1，2)位置处的像素相对应。因此，在本公开中，位于第一图像、第二图像、锐度图像以及掩膜图像同一位置的像素相对应，从而可以将与掩膜图像中像素值为1的像素对应的第一图像中像素的像素值叠加到锐度图像中对应像素上，以增强第二目标视频图像的锐度。
采用上述方式，利用预设的对比度增强方式和/或锐度增强方式，可以有效提高视频的质量。
基于同一发明构思，本公开还提供一种提高视频质量的装置。图5是根据一示例性实施例示出的一种提高视频质量的装置的框图。如图5所示，该提高视频质量的装置500可以包括：
获取模块501，用于响应于接收到视频处理请求，从待处理视频中获取待评估图像；
评估模块502，用于针对每一待评估图像，根据至少一种类型的图像评估指标对所述待评估图像进行评估，以得到所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果；
确定模块503，用于根据每一所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果，确定所述待处理视频对应的处理等级；
执行模块504，用于执行与所述处理等级对应的处理操作，以提高所述待处理视频的质量。
可选地，所述至少一种类型的图像评估指标包括图像显著性与噪声指标，所述评估模块502可以包括：
第一确定子模块，用于根据所述待评估图像，确定所述待评估图像对应的N个图像块，N为大于1的整数；
第二确定子模块，用于根据每一所述图像块各自包括的像素值，确定每一所述图像块各自的像素方差乘积，并将所述像素方差乘积大于第一预设阈值的图像块确定为第一目标图像块；
第三确定子模块，用于针对每一所述第一目标图像块，根据所述第一目标图像块的像素方差乘积和所述第一目标图像块的像素值，确定所述第一目标图像块的质量分数；
第四确定子模块，用于根据每一所述第一目标图像块的质量分数和所述第一目标图像块的数量，确定所述待评估图像的质量分数，所述待评估图像的质量分数为所述待评估图像的与所述图像显著性与噪声指标对应的评估结果。
可选地，所述第二确定子模块用于：根据每一所述图像块各自包括的像素值，通过以下公式确定每一图像块各自的像素方差乘积：
其中，Vi表征第i个图像块的像素方差乘积，i的取值范围为1至N，f(xi,yi)表征(xi,yi)位置点处的像素值，f(xi+1,yi)表征(xi+1,yi)位置点处的像素值，f(xi,yi+1)表征(xi,yi+1)位置点处的像素值，Hi表征第i个图像块的高度，Wi表征第i个图像块的宽度。
可选地，所述第四确定子模块用于：
将所述质量分数大于0的第一目标图像块确定为第二目标图像块；
对所述质量分数最小的K个所述第二目标图像块的质量分数求和得到质量分数下限参数，以及，对每一所述第二目标图像块的质量分数求和得到第一质量分数总和参数；
针对每一所述第二目标图像块的质量分数，根据所述质量分数下限参数、所述第一质量分数总和参数，通过以下公式，对所述第二目标图像块的质量分数进行更新：
其中，t”表征更新后的第二目标图像块的质量分数，t'表征更新前的第二目标图像块的质量分数，Lsum表征所述质量分数下限参数，S'sum表征第一质量分数总和参数；
对所述更新后的第二目标图像块的质量分数求和得到第二质量分数总和参数；
根据所述第二质量分数总和参数和所述第一目标图像块的数量，通过以下公式，确定所述待评估图像的质量分数：
其中，res表征所述待评估图像的质量分数，Ssum表征所述第二质量分数总和参数，q表征所述第一目标图像块的数量。
可选地，所述第三确定子模块用于：根据所述第一目标图像块的像素值，分别确定用于计算所述第一目标图像块的质量分数的第一系数和第二系数，并根据所述第一系数、所述第二系数和所述第一目标图像块的像素方差乘积，确定所述第一目标图像块的质量分数。
可选地，所述第三确定子模块还用于根据所述第一系数、所述第二系数和所述第一目标图像块的像素方差乘积，通过以下公式，确定所述第一目标图像块的质量分数：
t＝w1·(1-V)2+w2·V2
其中，t表征所述第一目标图像块的质量分数，w1表征所述第一系数，w2表征所述第二系数，V表征所述第一目标图像块的质量分数。
可选地，所述第一系数通过以下方式确定：
获取所述第一目标图像块的四个边界中每一边界上的多个相邻像素点的像素值；
针对每一边界，确定所述边界的多个相邻像素点的像素值的标准差；
若存在至少一个边界的标准差大于或等于第二预设阈值，则确定用于计算所述第一目标图像块质量分数的第一系数为1；
若四个边界的标准差均小于第二预设阈值，则确定用于计算所述第一目标图像块质量分数的第一系数为0；
可选地，所述第二系数通过以下方式确定：
将所述第一目标图像块分割为第一区域和第二区域；
分别计算位于所述第一区域内的像素的第一标准差、位于第二区域内的像素的第二标准差；
根据所述第一目标图像块的像素方差乘积，确定所述第一目标图像块的第三标准差；
根据所述第一标准差、所述第二标准差和所述第三标准差，通过以下公式确定参数bβ：
其中，bθ表征所述第一目标图像块的第三标准差，b1表征所述第一标准差，b2表征所述第二标准差；
若所述第三标准差bθ大于或等于所述参数bβ的二倍，则所述第二系数为1；
若所述第三标准差bθ小于所述参数bβ的二倍，则所述第二系数为0。
可选地，所述待评估图像包括文字；所述评估模块502可以包括：
识别子模块，用于利用文字检测框识别所述待评估图像中每一文字；
第五确定子模块，用于确定每一所述文字各自对应的像素数量，以及每一所述文字各自对应的文本检测框的面积；
第六确定子模块，用于根据所述像素数量和所述文本检测框的面积，确定第一文字清晰度；
第七确定子模块，用于根据所述第一文字清晰度确定所述待评估图像的目标文字清晰度，所述目标文字清晰度为所述待评估图像的与所述文字清晰度指标对应的评估结果。
可选地，所述评估模块502还可以包括：
获取子模块，用于分别获取所述待评估图像经腐蚀膨胀处理前后的文字区域面积；
第八确定子模块，用于将两次获得的所述文字区域面积的比值确定为第二文字清晰度；
所述第七确定子模块用于：根据所述第一文字清晰度和所述第二文字清晰度，通过以下公式确定所述待评估图像的目标文字清晰度：
R＝a·R1+b·R2
其中，R表征所述待评估图像的目标文字清晰度，R1表征所述第一文字清晰度，R2表征所述第二文字清晰度，a、b表征预设的权重系数，且取值范围均为0到1。
可选地，所述至少一种类型的图像评估指标包括模糊度指标，所述评估模块502用于：通过以下公式，确定所述待评估图像的模糊度：
其中，blur表征所述待评估图像的模糊度，edgew表征所述待评估图像中指定对象轮廓的宽度；edgem表征组成所述待评估图像中指定对象轮廓的像素数量。
可选地，所述确定模块503可以包括：
第九确定子模块，用于针对每种类型的图像评估指标，根据每一所述待评估图像的与该种类型的图像评估指标对应的评估结果，确定该种类型的图像评估指标对应的目标评估结果；
第十确定子模块，用于根据每种类型的图像评估指标各自对应的目标评估结果，确定所述待处理视频对应的处理等级。
可选地，所述处理等级包括第一处理等级和第二处理等级，所述执行模块504可以包括：
输出子模块，用于若所述处理等级为所述第一处理等级，则输出用于指示更换视频采集装置的提示信息，所述视频采集装置用于采集所述待处理视频；
处理子模块，用于若所述处理等级为所述第二处理等级，则按照预设的对比度增强方式和/或锐度增强方式，对所述待处理视频中的每一帧视频图像进行处理，以提高所述待处理视频的质量。
可选地，所述对比度增强方式为：
针对所述待处理视频中的每一帧第一目标视频图像均执行以下步骤：
将该帧第一目标视频图像划分为M个视频图像块，获取每一视频图像块分别在R通道、G通道、B通道的直方图和每一视频图像块的亮度直方图，该帧第一目标视频图像分别在R通道、G通道、B通道的直方图，以及该帧第一目标视频图像的亮度直方图；
针对每一视频图像块执行以下子步骤：
将该帧第一目标视频图像的亮度直方图融合至该视频图像块的亮度直方图，以得到融合后的该视频图像块的亮度直方图；
将融合后的该视频图像块的亮度直方图、该帧第一目标视频图像在R通道、G通道、B通道的直方图分别融合至该视频图像块在R通道、G通道、B通道的直方图，以得到融合后的该视频图像块在R通道、G通道、B通道的直方图；
遍历该视频图像块的每一融合后的直方图，以根据所述直方图中每一元素的数值对所述直方图进行均衡化处理得到所述视频图像块对应的映射矩阵；
根据所述第一目标视频图像中每一视频图像块对应的映射矩阵，将所述第一目标视频图像中的像素划分为第一像素和第二像素；
分别对所述第一像素和所述第二像素进行插值处理，以增强所述第一目标视频图像的对比度。
可选地，所述锐度增强方式为：
针对所述待处理视频中的每一帧第二目标视频图像均执行以下步骤：
分别获取该帧第二目标视频图像经高斯模糊处理前后的第一图像和第二图像；
根据所述第一图像和所述第二图像，确定该帧第二目标视频图像对应的锐度图像；以及
根据所述第一图像、所述第二图像和预设的像素阈值，确定该帧第二目标视频图像对应的掩膜图像，所述掩膜图像为二值图像；
将与所述掩膜图像中像素值为1的像素对应的所述第一图像中像素的像素值叠加到所述锐度图像中对应像素上，以增强所述第二目标视频图像的锐度。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种电子设备的框图。如图6所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。
其中，处理器701用于控制该电子设备700的整体操作，以完成上述的提高视频质量的方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的提高视频质量的方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的提高视频质量的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的提高视频质量的方法。
图7是根据一示例性实施例示出的一种电子设备的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理器1922，其数量可以为一个或多个，以及存储器1932，用于存储可由处理器1922执行的计算机程序。存储器1932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器1922可以被配置为执行该计算机程序，以执行上述的提高视频质量的方法。
另外，电子设备1900还可以包括电源组件1926和通信组件1950，该电源组件1926可以被配置为执行电子设备1900的电源管理，该通信组件1950可以被配置为实现电子设备1900的通信，例如，有线或无线通信。此外，该电子设备1900还可以包括输入/输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM，LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的提高视频质量的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器1932，上述程序指令可由电子设备1900的处理器1922执行以完成上述的提高视频质量的方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的提高视频质量的方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (18)
1.一种提高视频质量的方法，其特征在于，包括：
响应于接收到视频处理请求，从待处理视频中获取待评估图像；
针对每一待评估图像，根据至少一种类型的图像评估指标对所述待评估图像进行评估，以得到所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果；
根据每一所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果，确定所述待处理视频对应的处理等级；
执行与所述处理等级对应的处理操作，以提高所述待处理视频的质量。
2.根据权利要求1所述的方法，其特征在于，所述至少一种类型的图像评估指标包括图像显著性与噪声指标，所述根据至少一种类型的图像评估指标对所述待评估图像进行评估，包括：
根据所述待评估图像，确定所述待评估图像对应的N个图像块，N为大于1的整数；
根据每一所述图像块各自包括的像素值，确定每一所述图像块各自的像素方差乘积，并将所述像素方差乘积大于第一预设阈值的图像块确定为第一目标图像块；
针对每一所述第一目标图像块，根据所述第一目标图像块的像素方差乘积和所述第一目标图像块的像素值，确定所述第一目标图像块的质量分数；
根据每一所述第一目标图像块的质量分数和所述第一目标图像块的数量，确定所述待评估图像的质量分数，所述待评估图像的质量分数为所述待评估图像的与所述图像显著性与噪声指标对应的评估结果。
3.根据权利要求2所述的方法，其特征在于，所述根据每一所述图像块各自包括的像素值，确定每一所述图像块各自的像素方差乘积，包括：
根据每一所述图像块各自包括的像素值，通过以下公式确定每一图像块各自的像素方差乘积：
其中，Vi表征第i个图像块的像素方差乘积，i的取值范围为1至N，f(xi,yi)表征(xi,yi)位置点处的像素值，f(xi+1,yi)表征(xi+1,yi)位置点处的像素值，f(xi,yi+1)表征(xi,yi+1)位置点处的像素值，Hi表征第i个图像块的高度，Wi表征第i个图像块的宽度。
4.根据权利要求2所述的方法，其特征在于，所述根据每一所述第一目标图像块的质量分数和所述第一目标图像块的数量，确定所述待评估图像的质量分数，包括：
将所述质量分数大于0的第一目标图像块确定为第二目标图像块；
对所述质量分数最小的K个所述第二目标图像块的质量分数求和得到质量分数下限参数，以及，对每一所述第二目标图像块的质量分数求和得到第一质量分数总和参数；
针对每一所述第二目标图像块的质量分数，根据所述质量分数下限参数、所述第一质量分数总和参数，通过以下公式，对所述第二目标图像块的质量分数进行更新：
其中，t”表征更新后的第二目标图像块的质量分数，t'表征更新前的第二目标图像块的质量分数，Lsum表征所述质量分数下限参数，S'sum表征第一质量分数总和参数；
对所述更新后的第二目标图像块的质量分数求和得到第二质量分数总和参数；
根据所述第二质量分数总和参数和所述第一目标图像块的数量，通过以下公式，确定所述待评估图像的质量分数：
其中，res表征所述待评估图像的质量分数，Ssum表征所述第二质量分数总和参数，q表征所述第一目标图像块的数量。
5.根据权利要求2所述的方法，其特征在于，所述根据所述第一目标图像块的像素方差乘积和所述第一目标图像块的像素值，确定所述第一目标图像块的质量分数，包括：
根据所述第一目标图像块的像素值，分别确定用于计算所述第一目标图像块的质量分数的第一系数和第二系数，并根据所述第一系数、所述第二系数和所述第一目标图像块的像素方差乘积，确定所述第一目标图像块的质量分数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一系数、所述第二系数和所述第一目标图像块的像素方差乘积，确定所述第一目标图像块的质量分数，包括：
根据所述第一系数、所述第二系数和所述第一目标图像块的像素方差乘积，通过以下公式，确定所述第一目标图像块的质量分数：
t＝w1·(1-V)2+w2·V2
其中，t表征所述第一目标图像块的质量分数，w1表征所述第一系数，w2表征所述第二系数，V表征所述第一目标图像块的质量分数。
7.根据权利要求5所述的方法，其特征在于，所述第一系数通过以下方式确定：
获取所述第一目标图像块的四个边界中每一边界上的多个相邻像素点的像素值；
针对每一边界，确定所述边界的多个相邻像素点的像素值的标准差；
若存在至少一个边界的标准差大于或等于第二预设阈值，则确定用于计算所述第一目标图像块质量分数的第一系数为1；
若四个边界的标准差均小于第二预设阈值，则确定用于计算所述第一目标图像块质量分数的第一系数为0。
8.根据权利要求5所述的方法，其特征在于，所述第二系数通过以下方式确定：
将所述第一目标图像块分割为第一区域和第二区域；
分别计算位于所述第一区域内的像素的第一标准差、位于第二区域内的像素的第二标准差；
根据所述第一目标图像块的像素方差乘积，确定所述第一目标图像块的第三标准差；
根据所述第一标准差、所述第二标准差和所述第三标准差，通过以下公式确定参数bβ：
其中，bθ表征所述第一目标图像块的第三标准差，b1表征所述第一标准差，b2表征所述第二标准差；
若所述第三标准差bθ大于或等于所述参数bβ的二倍，则所述第二系数为1；
若所述第三标准差bθ小于所述参数bβ的二倍，则所述第二系数为0。
9.根据权利要求1所述的方法，其特征在于，所述待评估图像包括文字；所述至少一种类型的图像评估指标包括文字清晰度指标，所述根据至少一种类型的图像评估指标对所述待评估图像进行评估，包括：
利用文字检测框识别所述待评估图像中每一文字；
确定每一所述文字各自对应的像素数量，以及每一所述文字各自对应的文本检测框的面积；
根据所述像素数量和所述文本检测框的面积，确定第一文字清晰度；
根据所述第一文字清晰度确定所述待评估图像的目标文字清晰度，所述目标文字清晰度为所述待评估图像的与所述文字清晰度指标对应的评估结果。
10.根据权利要求9所述的方法，其特征在于，在确定所述待评估图像的目标文字清晰度之前，所述根据至少一种类型的图像评估指标对所述待评估图像进行评估，还包括：
分别获取所述待评估图像经腐蚀膨胀处理前后的文字区域面积；
将两次获得的所述文字区域面积的比值确定为第二文字清晰度；
所述根据所述第一文字清晰度确定所述待评估图像的目标文字清晰度，包括：
根据所述第一文字清晰度和所述第二文字清晰度，通过以下公式确定所述待评估图像的目标文字清晰度：
R＝a·R1+b·R2
其中，R表征所述待评估图像的目标文字清晰度，R1表征所述第一文字清晰度，R2表征所述第二文字清晰度，a、b表征预设的权重系数，且取值范围均为0到1。
11.根据权利要求1所述的方法，其特征在于，所述至少一种类型的图像评估指标包括模糊度指标，所述根据至少一种类型的图像评估指标对所述待评估图像进行评估，包括：
通过以下公式，确定所述待评估图像的模糊度：
其中，blur表征所述待评估图像的模糊度，edgew表征所述待评估图像中指定对象轮廓的宽度；edgem表征组成所述待评估图像中指定对象轮廓的像素数量。
12.根据权利要求1-11中任一项所述的方法，其特征在于，所述根据每一所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果，确定所述待处理视频对应的处理等级，包括：
针对每种类型的图像评估指标，根据每一所述待评估图像的与该种类型的图像评估指标对应的评估结果，确定该种类型的图像评估指标对应的目标评估结果；
根据每种类型的图像评估指标各自对应的目标评估结果，确定所述待处理视频对应的处理等级。
13.根据权利要求12所述的方法，其特征在于，所述处理等级包括第一处理等级和第二处理等级；所述执行与所述处理等级对应的处理操作，包括：
若所述处理等级为所述第一处理等级，则输出用于指示更换视频采集装置的提示信息，所述视频采集装置用于采集所述待处理视频；
若所述处理等级为所述第二处理等级，则按照预设的对比度增强方式和/或锐度增强方式，对所述待处理视频中的每一帧视频图像进行处理，以提高所述待处理视频的质量。
14.根据权利要求13所述的方法，其特征在于，所述对比度增强方式为：
针对所述待处理视频中的每一帧第一目标视频图像均执行以下步骤：
将该帧第一目标视频图像划分为M个视频图像块，获取每一视频图像块分别在R通道、G通道、B通道的直方图和每一视频图像块的亮度直方图，该帧第一目标视频图像分别在R通道、G通道、B通道的直方图，以及该帧第一目标视频图像的亮度直方图；
针对每一视频图像块执行以下子步骤：
将该帧第一目标视频图像的亮度直方图融合至该视频图像块的亮度直方图，以得到融合后的该视频图像块的亮度直方图；
将融合后的该视频图像块的亮度直方图、该帧第一目标视频图像在R通道、G通道、B通道的直方图分别融合至该视频图像块在R通道、G通道、B通道的直方图，以得到融合后的该视频图像块在R通道、G通道、B通道的直方图；
遍历该视频图像块的每一融合后的直方图，以根据所述直方图中每一元素的数值对所述直方图进行均衡化处理得到所述视频图像块对应的映射矩阵；
根据所述第一目标视频图像中每一视频图像块对应的映射矩阵，将所述第一目标视频图像中的像素划分为第一像素和第二像素；
分别对所述第一像素和所述第二像素进行插值处理，以增强所述第一目标视频图像的对比度。
15.根据权利要求13所述的方法，其特征在于，所述锐度增强方式为：
针对所述待处理视频中的每一帧第二目标视频图像均执行以下步骤：
分别获取该帧第二目标视频图像经高斯模糊处理前后的第一图像和第二图像；
根据所述第一图像和所述第二图像，确定该帧第二目标视频图像对应的锐度图像；以及
根据所述第一图像、所述第二图像和预设的像素阈值，确定该帧第二目标视频图像对应的掩膜图像，所述掩膜图像为二值图像；
将与所述掩膜图像中像素值为1的像素对应的所述第一图像中像素的像素值叠加到所述锐度图像中对应像素上，以增强所述第二目标视频图像的锐度。
16.一种提高视频质量的装置，其特征在于，包括：
获取模块，用于响应于接收到视频处理请求，从待处理视频中获取待评估图像；
评估模块，用于针对每一待评估图像，根据至少一种类型的图像评估指标对所述待评估图像进行评估，以得到所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果；
确定模块，用于根据每一所述待评估图像的与所述至少一种类型的图像评估指标对应的评估结果，确定所述待处理视频对应的处理等级；
执行模块，用于执行与所述处理等级对应的处理操作，以提高所述待处理视频的质量。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-15中任一项所述方法的步骤。
18.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-15中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110492096.8A CN113315995B (zh) | 2021-05-06 | 2021-05-06 | 提高视频质量的方法、装置、可读存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110492096.8A CN113315995B (zh) | 2021-05-06 | 2021-05-06 | 提高视频质量的方法、装置、可读存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113315995A true CN113315995A (zh) | 2021-08-27 |
| CN113315995B CN113315995B (zh) | 2023-04-14 |
Family
ID=77371662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110492096.8A Active CN113315995B (zh) | 2021-05-06 | 2021-05-06 | 提高视频质量的方法、装置、可读存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113315995B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114510989A (zh) * | 2021-12-23 | 2022-05-17 | 中国科学院软件研究所 | 图像数据集的规范性评估方法、装置及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160335754A1 (en) * | 2015-05-11 | 2016-11-17 | Netflix, Inc | Techniques for predicting perceptual video quality |
| CN109948625A (zh) * | 2019-03-07 | 2019-06-28 | 上海汽车集团股份有限公司 | 文本图像清晰度评估方法及系统、计算机可读存储介质 |
| CN110139169A (zh) * | 2019-06-21 | 2019-08-16 | 上海摩象网络科技有限公司 | 视频流的质量评估方法及其装置、视频拍摄系统 |
| CN111178118A (zh) * | 2018-11-13 | 2020-05-19 | 浙江宇视科技有限公司 | 图像采集处理方法、装置及计算机可读存储介质 |
| CN112070739A (zh) * | 2020-09-03 | 2020-12-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-05-06 CN CN202110492096.8A patent/CN113315995B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160335754A1 (en) * | 2015-05-11 | 2016-11-17 | Netflix, Inc | Techniques for predicting perceptual video quality |
| CN111178118A (zh) * | 2018-11-13 | 2020-05-19 | 浙江宇视科技有限公司 | 图像采集处理方法、装置及计算机可读存储介质 |
| CN109948625A (zh) * | 2019-03-07 | 2019-06-28 | 上海汽车集团股份有限公司 | 文本图像清晰度评估方法及系统、计算机可读存储介质 |
| CN110139169A (zh) * | 2019-06-21 | 2019-08-16 | 上海摩象网络科技有限公司 | 视频流的质量评估方法及其装置、视频拍摄系统 |
| CN112070739A (zh) * | 2020-09-03 | 2020-12-11 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114510989A (zh) * | 2021-12-23 | 2022-05-17 | 中国科学院软件研究所 | 图像数据集的规范性评估方法、装置及设备 |
| CN114510989B (zh) * | 2021-12-23 | 2022-10-25 | 中国科学院软件研究所 | 图像数据集的规范性评估方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113315995B (zh) | 2023-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111028213B (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
| CN112348815B (zh) | 图像处理方法、图像处理装置以及非瞬时性存储介质 | |
| US10769487B2 (en) | Method and device for extracting information from pie chart | |
| CN107403130A (zh) | 一种字符识别方法及字符识别装置 | |
| CN109871845B (zh) | 证件图像提取方法及终端设备 | |
| CN112287941B (zh) | 一种基于自动字符区域感知的车牌识别方法 | |
| CN110689000B (zh) | 一种基于生成复杂环境下车牌样本的车辆车牌识别方法 | |
| CN112819008B (zh) | 实例检测网络的优化方法、装置、介质及电子设备 | |
| CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
| CN110827312A (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
| CN115497108B (zh) | 一种基于椭圆离心率的汉字骨架角点检测方法 | |
| CN113315995B (zh) | 提高视频质量的方法、装置、可读存储介质及电子设备 | |
| CN113965814B (zh) | 基于视频会议场景的多会场关键帧提取方法及系统 | |
| CN113627302A (zh) | 一种登高施工合规性检测方法及系统 | |
| CN109141457B (zh) | 导航评估方法、装置、计算机设备和存储介质 | |
| CN116630992A (zh) | 一种字帖网格文字智能匹配方法及系统 | |
| CN115471773A (zh) | 一种面向智慧教室的学生跟踪方法及系统 | |
| CN112560929B (zh) | 溢油区域确定方法及装置、存储介质 | |
| CN114140551A (zh) | 一种基于轨迹图像的高速道路分歧合流点推测方法及系统 | |
| CN113870210A (zh) | 一种图像质量评估方法、装置、设备及存储介质 | |
| CN109886276B (zh) | 一种表盘滚动数字字符的半字判断方法 | |
| CN112347865A (zh) | 一种基于关键点检测的票据矫正方法 | |
| CN113705562A (zh) | 目标区域确定方法、装置、设备及存储介质 | |
| CN111899184A (zh) | 图像缺陷修复、神经网络训练方法、装置、设备和系统 | |
| CN117474932B (zh) | 对象分割方法和装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |