CN115239685A - 视频云图像的质量对比方法、装置、设备及存储介质 - Google Patents

视频云图像的质量对比方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115239685A
CN115239685A CN202210935320.0A CN202210935320A CN115239685A CN 115239685 A CN115239685 A CN 115239685A CN 202210935320 A CN202210935320 A CN 202210935320A CN 115239685 A CN115239685 A CN 115239685A
Authority
CN
China
Prior art keywords
image
video
index
quality
image 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
Application number
CN202210935320.0A
Other languages
English (en)
Inventor
韦斌
曹华珍
隋宇
陈亚彬
王向兵
邓小玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202210935320.0A priority Critical patent/CN115239685A/zh
Publication of CN115239685A publication Critical patent/CN115239685A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种视频云图像的质量对比方法、装置、设备及存储介质，通过获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据，以考虑多个图像指标维度对图像质量的影响，使得图像质量对比更全面和具有说服力；再利用预设层次结构模型，根据图像指标数据，建立指标层对比矩阵和对象层对比矩阵，以客观评估每种图像指标维度对图像质量的影响程度，降低用户主观影响；以及根据指标层对比矩阵和对象层对比矩阵，计算每个视频线路的组合权重，将组合权重最大的目标视频线路确定为图像质量最优的视频线路，从而以客观组合权重评估不同视频线路之间的图像质量，提高图像质量对比结果的准确度和说服力。

Description

视频云图像的质量对比方法、装置、设备及存储介质
技术领域
本申请涉及图像处理技术领域，尤其涉及一种视频云图像的质量对比方法、装置、设备及存储介质。
背景技术
不同摄像头采集的图像质量存在明显差异，在不同视频线路的图像获取、传输和处理过程中产生图像降质和失真程度不同，所以为了对比不同摄像头或不同视频线路的质量优劣，需要对比图像质量。
目前，图像质量对比方法主要通过用户选择的某一两个指标进行对比，或者通过依据用户喜好简单确定各个指标权重，并利用指标权重对指标加成，以进行图像对比。但是当前方法与用户个人主观倾向有强关联，无法客观表征图像质量，从而无法有效对比不同摄像头或不同视频线路的质量。
发明内容
本申请提供了一种视频云图像的质量对比方法、装置、设备及存储介质，以解决当前视频图像质量对比方法存在主观性强，无法客观表征图像质量的技术问题。
为了解决上述技术问题，第一方面，本申请提供了一种视频云图像的质量对比方法，包括：
获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据；
利用预设层次结构模型，根据图像指标数据，建立指标层对比矩阵和对象层对比矩阵，指标层对比矩阵用于表征每种图像指标维度相对于图像质量的重要性程度，对象层对比矩阵用于表征多个视频线路在每种图像指标维度下的质量优劣程度；
根据指标层对比矩阵和对象层对比矩阵，计算每个视频线路的组合权重；
将组合权重最大的目标视频线路确定为图像质量最优的视频线路。
作为优选，利用预设层次结构模型，根据图像指标数据，建立指标层对比矩阵和对象层对比矩阵，包括：
根据图像指标数据，比较每种图像指标维度对图像质量的重要性程度，并基于重要性程度，建立指标层对比矩阵；
根据图像指标数据，依次以一种图像指标维度，对比每个视频线路之间的质量优劣程度，并基于质量优劣程度，生成多个视频线路分别对应的对象层对比矩阵。
作为优选，根据指标层对比矩阵和对象层对比矩阵，计算每个视频线路的组合权重，包括：
根据指标层对比矩阵，计算每种图像指标维度的第一相对权重；
根据对象层对比矩阵，计算每个视频线路相对于每个图像指标维度的第二相对权重；
根据第一相对权重和第二相对权重，计算每个视频线路的组合权重。
作为优选，根据指标层对比矩阵，计算每种图像指标维度的第一相对权重，包括：
根据指标层对比矩阵，计算每个图像指标维度的几何平均数；
对几何平均数进行归一化处理，得到每个图像指标维度的第一相对权重。
作为优选，根据指标层对比矩阵，计算每个图像指标维度的几何平均数，包括：
利用预设平均数计算公式，根据指标层对比矩阵，计算每个图像指标维度的几何平均数，预设平均数计算公式为：
Figure BDA0003782643790000021
其中，w(2)i表示第i个图像指标维度的几何平均数，aij表示第i个图像指标维度与第j个图像指标维度相对于图像质量的重要性程度。
作为优选，对几何平均数进行归一化处理，得到每个图像指标维度的第一相对权重，包括：
利用预设归一化计算公式，对几何平均数进行归一化处理，得到每个图像指标维度的第一相对权重，所述预设归一化计算公式为：
Figure BDA0003782643790000031
其中，W(2)i表示第i个图像指标维度的第一相对权重，w(2)i表示第i个图像指标维度的几何平均数。
作为优选，根据第一相对权重和第二相对权重，计算每个视频线路的组合权重，包括：
利用预设组合权重计算公式，根据第一相对权重和第二相对权重，计算每个视频线路的组合权重，预设组合权重计算公式为：
Figure BDA0003782643790000032
其中，Pk为第k个视频线路的组合权重，W(2)i表示第i个图像指标维度的第一相对权重，W(3)ki表示第k个视频线路相对于第i个图像指标维度的第二相对权重。
第二方面，本申请提供一种视频云图像的质量对比装置，包括：
获取模块，用于获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据；
建立模块，用于利用预设层次结构模型，根据图像指标数据，建立指标层对比矩阵和对象层对比矩阵，指标层对比矩阵用于表征每种图像指标维度相对于图像质量的重要性程度，对象层对比矩阵用于表征多个视频线路在每种图像指标维度下的质量优劣程度；
计算模块，用于根据指标层对比矩阵和对象层对比矩阵，计算每个视频线路的组合权重；
确定模块，用于将组合权重最大的目标视频线路确定为图像质量最优的视频线路。
第三方面，本申请提供一种计算机设备，包括处理器和存储器，存储器用于存储计算机程序，计算机程序被处理器执行时实现如第一方面的视频云图像的质量对比方法。
第四方面，本申请提供一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现如第一方面的视频云图像的质量对比方法。
与现有技术相比，本申请具备以下有益效果：
通过获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据，以考虑多个图像指标维度对图像质量的影响，使得图像质量对比更全面和具有说服力；再利用预设层次结构模型，根据图像指标数据，建立指标层对比矩阵和对象层对比矩阵，指标层对比矩阵用于表征每种图像指标维度相对于图像质量的重要性程度，对象层对比矩阵用于表征多个视频线路在每种图像指标维度下的质量优劣程度，以客观评估每种图像指标维度对图像质量的影响程度，降低用户主观影响；以及根据指标层对比矩阵和对象层对比矩阵，计算每个视频线路的组合权重，将组合权重最大的目标视频线路确定为图像质量最优的视频线路，从而以客观组合权重评估不同视频线路之间的图像质量，提高图像质量对比结果的准确度和说服力。
附图说明
图1为本申请实施例示出的视频云图像的质量对比方法的流程示意图；
图2为本申请实施例示出的层次结构模型的示意图；
图3为本申请实施例示出的视频云图像的质量对比装置的结构示意图；
图4为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参照图1，图1为本申请实施例提供的一种视频云图像的质量对比方法的流程示意图。本申请实施例的视频云图像的质量对比方法可应用于计算机设备，该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示，本实施例的视频云图像的质量对比方法包括步骤S101至步骤S104，详述如下：
步骤S101，获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据。
在本步骤中，多个视频线路可以为同一视频平台的不同视频线路，也可以为不同视频平台之间的视频线路，还可以指不同摄像头对采集到的视频进行传输的线路，从而可以对比同一视频平台下的不同视频线路的图像质量，也可以对比不同视频平台之间的图像质量，还可以对比不同摄像头的性能。
图像指标维度为用于评价视频图像质量的指标维度，其包括但不限于画面模糊、黑屏、马赛克、丢帧跳帧、抖动、卡顿、色彩失真和条纹噪声等。其中，画面模糊指画面出现不清晰模糊的次数或程度；黑屏指视频中出现屏幕全黑没有图像的次数；马赛克指视频中出现马赛克的次数；丢帧跳帧指视频出现图像帧丢失的次数；抖动指视频闪动的次数或程度；卡顿指视频停顿画面静止的次数；色彩失真指图像色彩与真实物体色彩不一致的程度或次数；条纹噪声指图像出现条纹等噪声的程度或次数。
可选地，基于人工神经网络(如卷积神经网络)，对所述图像进行识别，以提取图像的图像指标数据。
步骤S102，利用预设层次结构模型，根据所述图像指标数据，建立指标层对比矩阵和对象层对比矩阵，所述指标层对比矩阵用于表征每种所述图像指标维度相对于图像质量的重要性程度，所述对象层对比矩阵用于表征多个所述视频线路在每种所述图像指标维度下的质量优劣程度。
在本步骤中，如图2示出的层次结构模型示意图，预设层次结构模型包括目标层、指标层和对象层，本实施例的目标层为确定图像质量最优的视频线路，指标层包括多种图像指标维度的对比分析，对象层包括两个或两个以上视频线路的对比分析。
示例性地，如图2所示，本实施例从画面模糊、黑屏、马赛克、丢帧跳帧、抖动、卡顿、色彩失真和条纹噪声共8种图像指标维度对比分析视频图像间的图像质量。从层次结构模型的第2层(指标层)开始，对于从属于上一层每个因素的同一层诸因素，用成对比较法和1-5比较尺度构造成对比较矩阵，直到最下层(对象层)，得到指标层对比矩阵和对象层对比矩阵。
在一些实施例中，所述步骤S102，包括：
根据所述图像指标数据，比较每种所述图像指标维度对图像质量的重要性程度，并基于所述重要性程度，建立所述指标层对比矩阵；
根据所述图像指标数据，依次以一种所述图像指标维度，对比每个所述视频线路之间的质量优劣程度，并基于所述质量优劣程度，生成多个所述视频线路分别对应的对象层对比矩阵。
在本实施例中，比较第i个元素与第j个元素相对上一层某个因素的重要性时，使用数量化的相对权重aij来描述。设共有n个元素参与比较，则A＝(aij)n*n称为成对比较矩阵。成对比较矩阵中aij的取值按下述标度进行赋值。aij在1-5及其倒数中间取值，其中aij＝1表示元素i与元素j对上一层次因素的重要性相同；aij＝2表示元素i比元素j略重要；aij＝3表示元素i比元素j重要；aij＝4表示元素i比元素j重要得多；aij＝5表示元素i比元素j的极其重要。
可选地，第2层指标层针对第1层目标层构建成对比较矩阵如下表所示，其中Cij的取值根据用户对各指标的关注度或考核要求来决定。
Figure BDA0003782643790000061
Figure BDA0003782643790000071
第3层对象层针对第2层中每一个指标Ck(k＝1～8)构建成对比较矩阵如下表所示：
C<sub>k</sub>(k＝1，2，…，8) P<sub>1</sub> P<sub>2</sub>
P<sub>1</sub> p<sub>11</sub> p<sub>12</sub>
P<sub>2</sub> p<sub>21</sub> p<sub>22</sub>
Pij的取值根据对比评估的两路视频P1、P2实际测出的每个准则层指标Ck的值，并参考业界对该指标优劣的评判标准来确定。例如，针对C2黑屏，根据两路视频黑屏的次数来确定，因此，P12＝1/(P1黑屏次数/P2黑屏次数)，P21＝1/(P2黑屏次数/P1黑屏次数)。
步骤S103，根据所述指标层对比矩阵和所述对象层对比矩阵，计算每个所述视频线路的组合权重。
在本步骤中，根据所述指标层对比矩阵，计算每种所述图像指标维度的第一相对权重；根据所述对象层对比矩阵，计算每个所述视频线路相对于每个所述图像指标维度的第二相对权重；根据所述第一相对权重和所述第二相对权重，计算每个所述视频线路的组合权重。
在一些实施例中，根据所述指标层对比矩阵，计算每个所述图像指标维度的几何平均数；对所述几何平均数进行归一化处理，得到每个所述图像指标维度的第一相对权重。
可选地，利用预设平均数计算公式，根据所述指标层对比矩阵，计算每个所述图像指标维度的几何平均数，所述预设平均数计算公式为：
Figure BDA0003782643790000081
其中，w(2)i表示第i个图像指标维度的几何平均数，aij表示所述第i个图像指标维度与第j个图像指标维度相对于图像质量的重要性程度。
可选地，利用预设归一化计算公式，对所述几何平均数进行归一化处理，得到每个所述图像指标维度的第一相对权重，所述预设归一化计算公式为：
Figure BDA0003782643790000082
其中，W(2)i表示第i个图像指标维度的第一相对权重，w(2)i表示第i个图像指标维度的几何平均数。示例性地，n＝8，i＝1至8。
同理，根据预设平均数计算公式和预设归一化计算公式，计算每一个对象层对比矩阵相对于每个2层指标的权重W(3)ki。示例性地，k＝1至2，i＝1至8。
可选地，利用预设组合权重计算公式，根据所述第一相对权重和所述第二相对权重，计算每个所述视频线路的组合权重，所述预设组合权重计算公式为：
Figure BDA0003782643790000083
其中，Pk为第k个视频线路的组合权重，W(2)i表示第i个图像指标维度的第一相对权重，W(3)ki表示第k个视频线路相对于第i个图像指标维度的第二相对权重。
步骤S104，将所述组合权重最大的目标视频线路确定为图像质量最优的视频线路。
在本步骤中，根据步骤S103得到每个视频线路的组合权重Pk，对所有视频线路的组合权重进行排序，将组合权重最大时对应的目标视频线路确定为图像质量最优的视频线路。
为了执行上述方法实施例对应的视频云图像的质量对比方法，以实现相应的功能和技术效果。参见图3，图3示出了本申请实施例提供的一种视频云图像的质量对比装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分，本申请实施例提供的视频云图像的质量对比装置，包括：
获取模块301，用于获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据；
建立模块302，用于利用预设层次结构模型，根据所述图像指标数据，建立指标层对比矩阵和对象层对比矩阵，所述指标层对比矩阵用于表征每种所述图像指标维度相对于图像质量的重要性程度，所述对象层对比矩阵用于表征多个所述视频线路在每种所述图像指标维度下的质量优劣程度；
计算模块303，用于根据所述指标层对比矩阵和所述对象层对比矩阵，计算每个所述视频线路的组合权重；
确定模块304，用于将所述组合权重最大的目标视频线路确定为图像质量最优的视频线路。
在一些实施例中，所述建立模块302，具体用于：
根据所述图像指标数据，比较每种所述图像指标维度对图像质量的重要性程度，并基于所述重要性程度，建立所述指标层对比矩阵；
根据所述图像指标数据，依次以一种所述图像指标维度，对比每个所述视频线路之间的质量优劣程度，并基于所述质量优劣程度，生成多个所述视频线路分别对应的对象层对比矩阵。
在一些实施例中，所述计算模块303，包括：
第一计算单元，用于根据所述指标层对比矩阵，计算每种所述图像指标维度的第一相对权重；
第二计算单元，用于根据所述对象层对比矩阵，计算每个所述视频线路相对于每个所述图像指标维度的第二相对权重；
第三计算单元，用于根据所述第一相对权重和所述第二相对权重，计算每个所述视频线路的组合权重。
在一些实施例中，所述第一计算单元，包括：
计算子单元，用于根据所述指标层对比矩阵，计算每个所述图像指标维度的几何平均数；
归一化子单元，用于对所述几何平均数进行归一化处理，得到每个所述图像指标维度的第一相对权重。
在一些实施例中，所述计算子单元，具体用于：
利用预设平均数计算公式，根据所述指标层对比矩阵，计算每个所述图像指标维度的几何平均数，所述预设平均数计算公式为：
Figure BDA0003782643790000101
其中，w(2)i表示第i个图像指标维度的几何平均数，aij表示所述第i个图像指标维度与第j个图像指标维度相对于图像质量的重要性程度。
在一些实施例中，所述归一化子单元，具体用于：
利用预设归一化计算公式，对所述几何平均数进行归一化处理，得到每个所述图像指标维度的第一相对权重，所述预设归一化计算公式为：
Figure BDA0003782643790000102
其中，W(2)i表示第i个图像指标维度的第一相对权重，w(2)i表示第i个图像指标维度的几何平均数。
在一些实施例中，所述第三计算单元，具体用于：
利用预设组合权重计算公式，根据所述第一相对权重和所述第二相对权重，计算每个所述视频线路的组合权重，所述预设组合权重计算公式为：
Figure BDA0003782643790000103
其中，Pk为第k个视频线路的组合权重，W(2)i表示第i个图像指标维度的第一相对权重，W(3)ki表示第k个视频线路相对于第i个图像指标维度的第二相对权重。
上述的视频云图像的质量对比装置可实施上述方法实施例的视频云图像的质量对比方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
图4为本申请一实施例提供的计算机设备的结构示意图。如图4所示，该实施例的计算机设备4包括：至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42，所述处理器40执行所述计算机程序42时实现上述任意方法实施例中的步骤。
所述计算机设备4可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器40、存储器41。本领域技术人员可以理解，图4仅仅是计算机设备4的举例，并不构成对计算机设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41在一些实施例中可以是所述计算机设备4的内部存储单元，例如计算机设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述计算机设备4的外部存储设备，例如所述计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
另外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中，可以理解的是，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围。特别指出，对于本领域技术人员来说，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种视频云图像的质量对比方法，其特征在于，包括：
获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据；
利用预设层次结构模型，根据所述图像指标数据，建立指标层对比矩阵和对象层对比矩阵，所述指标层对比矩阵用于表征每种所述图像指标维度相对于图像质量的重要性程度，所述对象层对比矩阵用于表征多个所述视频线路在每种所述图像指标维度下的质量优劣程度；
根据所述指标层对比矩阵和所述对象层对比矩阵，计算每个所述视频线路的组合权重；
将所述组合权重最大的目标视频线路确定为图像质量最优的视频线路。
2.如权利要求1所述的视频云图像的质量对比方法，其特征在于，所述利用预设层次结构模型，根据所述图像指标数据，建立指标层对比矩阵和对象层对比矩阵，包括：
根据所述图像指标数据，比较每种所述图像指标维度对图像质量的重要性程度，并基于所述重要性程度，建立所述指标层对比矩阵；
根据所述图像指标数据，依次以一种所述图像指标维度，对比每个所述视频线路之间的质量优劣程度，并基于所述质量优劣程度，生成多个所述视频线路分别对应的对象层对比矩阵。
3.如权利要求1所述的视频云图像的质量对比方法，其特征在于，所述根据所述指标层对比矩阵和所述对象层对比矩阵，计算每个所述视频线路的组合权重，包括：
根据所述指标层对比矩阵，计算每种所述图像指标维度的第一相对权重；
根据所述对象层对比矩阵，计算每个所述视频线路相对于每个所述图像指标维度的第二相对权重；
根据所述第一相对权重和所述第二相对权重，计算每个所述视频线路的组合权重。
4.如权利要求3所述的视频云图像的质量对比方法，其特征在于，所述根据所述指标层对比矩阵，计算每种所述图像指标维度的第一相对权重，包括：
根据所述指标层对比矩阵，计算每个所述图像指标维度的几何平均数；
对所述几何平均数进行归一化处理，得到每个所述图像指标维度的第一相对权重。
5.如权利要求4所述的视频云图像的质量对比方法，其特征在于，所述根据所述指标层对比矩阵，计算每个所述图像指标维度的几何平均数，包括：
利用预设平均数计算公式，根据所述指标层对比矩阵，计算每个所述图像指标维度的几何平均数，所述预设平均数计算公式为：
Figure FDA0003782643780000021
其中，w(2)i表示第i个图像指标维度的几何平均数，aij表示所述第i个图像指标维度与第j个图像指标维度相对于图像质量的重要性程度。
6.如权利要求4所述的视频云图像的质量对比方法，其特征在于，所述对所述几何平均数进行归一化处理，得到每个所述图像指标维度的第一相对权重，包括：
利用预设归一化计算公式，对所述几何平均数进行归一化处理，得到每个所述图像指标维度的第一相对权重，所述预设归一化计算公式为：
Figure FDA0003782643780000022
其中，W(2)i表示第i个图像指标维度的第一相对权重，w(2)i表示第i个图像指标维度的几何平均数。
7.如权利要求1所述的视频云图像的质量对比方法，其特征在于，所述根据所述第一相对权重和所述第二相对权重，计算每个所述视频线路的组合权重，包括：
利用预设组合权重计算公式，根据所述第一相对权重和所述第二相对权重，计算每个所述视频线路的组合权重，所述预设组合权重计算公式为：
Figure FDA0003782643780000031
其中，Pk为第k个视频线路的组合权重，W(2)i表示第i个图像指标维度的第一相对权重，W(3)ki表示第k个视频线路相对于第i个图像指标维度的第二相对权重。
8.一种视频云图像的质量对比装置，其特征在于，包括：
获取模块，用于获取多个视频线路的图像，并提取每路图像在多种图像指标维度下的图像指标数据；
建立模块，用于利用预设层次结构模型，根据所述图像指标数据，建立指标层对比矩阵和对象层对比矩阵，所述指标层对比矩阵用于表征每种所述图像指标维度相对于图像质量的重要性程度，所述对象层对比矩阵用于表征多个所述视频线路在每种所述图像指标维度下的质量优劣程度；
计算模块，用于根据所述指标层对比矩阵和所述对象层对比矩阵，计算每个所述视频线路的组合权重；
确定模块，用于将所述组合权重最大的目标视频线路确定为图像质量最优的视频线路。
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的视频云图像的质量对比方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的视频云图像的质量对比方法。
CN202210935320.0A 2022-08-04 2022-08-04 视频云图像的质量对比方法、装置、设备及存储介质 Pending CN115239685A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210935320.0A CN115239685A (zh) 2022-08-04 2022-08-04 视频云图像的质量对比方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210935320.0A CN115239685A (zh) 2022-08-04 2022-08-04 视频云图像的质量对比方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115239685A true CN115239685A (zh) 2022-10-25

Family

ID=83679876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210935320.0A Pending CN115239685A (zh) 2022-08-04 2022-08-04 视频云图像的质量对比方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115239685A (zh)

Similar Documents

Publication Publication Date Title
Manap et al. Non-distortion-specific no-reference image quality assessment: A survey
Liu et al. Blind quality assessment of camera images based on low-level and high-level statistical features
Ciancio et al. No-reference blur assessment of digital pictures based on multifeature classifiers
US8494283B2 (en) Image quality assessment
US8908989B2 (en) Recursive conditional means image denoising
CN104023230B (zh) 一种基于梯度关联性的无参考图像质量评价方法
Ma et al. Reduced-reference image quality assessment in reorganized DCT domain
CN110458789B (zh) 一种图像清晰度评测方法、装置及电子设备
CN108053396B (zh) 一种多失真图像质量的无参考评价方法
CN108337551A (zh) 一种屏幕录制方法、存储介质及终端设备
Kim et al. Multiple level feature-based universal blind image quality assessment model
CN110383332B (zh) 图像处理装置、图像处理方法及图像处理程序
Bohr et al. A no reference image blur detection using cumulative probability blur detection (cpbd) metric
CN116797510A (zh) 图像处理方法、装置、计算机设备和存储介质
Vora et al. Analysis of compressed image quality assessments, m
CN111402173A (zh) 一种混合噪声去除方法、装置、电子设备和存储介质
CN116485743A (zh) 一种无参考图像质量评价方法、系统、电子设备及存储介质
CN115239685A (zh) 视频云图像的质量对比方法、装置、设备及存储介质
Liu et al. Quality assessment for out-of-focus blurred images
Gavrovska et al. No-reference local image quality evaluation
De et al. No-reference image contrast measure using image statistics and random forest
CN111612766B (zh) 图像质量评价方法、装置和电子设备
CN111737519B (zh) 识别机器人账号的方法、装置、电子设备及计算机可读存储介质
Gao et al. Image quality assessment using image description in information theory
CN114514539A (zh) 剪枝模块的确定方法、装置及计算机可读存储介质

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