CN115550658B - 基于智慧校园管理平台的数据传输方法 - Google Patents

基于智慧校园管理平台的数据传输方法 Download PDF

Info

Publication number
CN115550658B
CN115550658B CN202211513346.2A CN202211513346A CN115550658B CN 115550658 B CN115550658 B CN 115550658B CN 202211513346 A CN202211513346 A CN 202211513346A CN 115550658 B CN115550658 B CN 115550658B
Authority
CN
China
Prior art keywords
image
quality image
target area
pixel points
layer
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
Application number
CN202211513346.2A
Other languages
English (en)
Other versions
CN115550658A (zh
Inventor
阳菲菲
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.)
Jiangsu Yijiesi Information Technology Co ltd
Original Assignee
Jiangsu Yijiesi Information Technology 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 Jiangsu Yijiesi Information Technology Co ltd filed Critical Jiangsu Yijiesi Information Technology Co ltd
Priority to CN202211513346.2A priority Critical patent/CN115550658B/zh
Publication of CN115550658A publication Critical patent/CN115550658A/zh
Application granted granted Critical
Publication of CN115550658B publication Critical patent/CN115550658B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及机器视觉技术领域，具体涉及一种基于智慧校园管理平台的数据传输方法，包括获取每秒校园视频的连续帧的图像，对图像中的目标区域进行标记并获取灰度图像；获取优质图像的实际权重和劣质图像的实际权重；获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数；获取优质图像/劣质图像目标区域中每个像素点的传输权重值，并获取优质图像/劣质图像中其他区域中每个像素点的传输权重值；获取每张劣质图像中最大辐射邻域层内每个像素点的传输权重值；将所有连续帧图像中所有像素点传输权重值按照由小到大的顺序进行霍夫曼编码；本发明解决了用户在智慧校园平台下载文件时出现目标区域损失的技术问题。

Description

基于智慧校园管理平台的数据传输方法
技术领域
本发明涉及机器视觉技术领域，具体涉及一种基于智慧校园管理平台的数据传输方法。
背景技术
智慧校园是指以促进信息技术与教育教学融合、提高学与教的效果为目的，以物联网、云计算、大数据分析等新技术为核心技术，提供一种环境全面感知、智慧型、数据化、网络化、协作型一体化的教学、科研、管理和生活服务，并能对教育教学、教育管理进行洞察和预测的智慧学习环境。智慧校园平台就是对于学校资源整合的一个平台，更加方便学校里的各类人群进行资源了解、调用等。比如说新中新智慧一卡通，其针对与K12智慧校园的解决方案，将校园管理、校园安防、校园生活、家校互动等应用系统进行有机整合，采用云平台架构、模块化产品形态及多级部署模式，为教育管理者、教师、学生、家长提供智能化服务，促进教育均衡化和优质化发展。
随着我国经济发展进入新常态，国家政府对高校培养创新人才提出了新的要求，为了适应新时代开展的需要，全国高校都在致力于教学改革。教育专家可以在智慧校园平台调取学生在大学里的学习情况和行为信息，开展对于建设大学生学生知识素养、心理健康、身体健康的研究探讨，例如大学生上课状态、偏向科目、运动项目等，从而创新改革教育规划，促进教育事业发展。
智慧校园平台的文件或者影像数据都保存在云端储存中，常规的无损压缩传输是通过像素概率进行压缩传输的，也就是根据就是数据的冗余程度进行传输，在用户终端，当网络卡顿或者下载量较大时，会面临数据丢包损失；由于这些损失是随机的，仅按照像素冗余进行压缩的话，冗余程度最大的是相对并不重要的背景像素点，而若是冗余程度较小的关键数据丢失，就会使重要数据丢包，从而导致用户在智慧校园平台下载的文件或视频数据出现数据损失。
发明内容
本发明的目的是提供一种基于智慧校园管理平台的数据传输方法，以解决相关技术中，当网络卡顿或者下载量较大时，用户在智慧校园平台下载的文件或视频数据出现数据损失的技术问题。有鉴于此，本发明通过以下技术方案予以实现。
基于智慧校园管理平台的数据传输方法，包括以下步骤：
获取每秒校园视频的连续帧的图像；并对得到的所有连续帧图像进行灰度化处理获得所有连续帧图像的灰度图像，获取每张灰度图像中的目标区域；
获取每张灰度图像的峰值信噪比，根据每张灰度图像的峰值信噪比将所有灰度图像分为优质图像和劣质图像；分别利用所有优质图像和劣质图像的峰值信噪比获取优质图像的实际权重和劣质图像的实际权重；
分别获取每张优质图像和劣质图像中目标区域的面积，并根据每张优质图像和劣质图像中目标区域的面积获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数；
分别利用每张优质图像/劣质图像的实际权重和目标区域的占比系数获取该优质图像/劣质图像目标区域中每个像素点的传输权重值，并获取优质图像/劣质图像中其他区域中每个像素点的传输权重值；
获取每张劣质图像中目标区域的噪声像素点，根据所述噪声像素点的每层邻域像素点的混乱程度获取所述噪声像素点的最大辐射邻域层；根据所述最大辐射邻域层像素点的混乱程度对目标区域中最大辐射邻域层内全部像素点的传输权重值进行修正，得到每张劣质图像中最大辐射邻域层内每个像素点的传输权重值；
将所有连续帧图像中所有像素点传输权重值按照由小到大的顺序进行霍夫曼编码，完成对校园视频的压缩，并将压缩后的校园视频传输至智慧校园平台。
进一步地，在根据所述峰值信噪比将全部所述灰度图像区分为优质图像集和劣质图像集的过程中，还包括设定峰值信噪比阈值，通过所述峰值信噪比阈值将灰度图像的峰值信噪比大于所述峰值信噪比阈值的灰度图像确定为优质图像；通过所述峰值信噪比阈值将灰度图像的峰值信噪比小于所述峰值信噪比阈值的灰度图像确定为劣质图像。
进一步地，所述取优质图像的实际权重为每秒连续帧图像的灰度图像中全部优质图像的峰值信噪比的和与每秒连续帧图像的全部灰度图像峰值信噪比和的比值。
进一步地，所述取劣质图像的实际权重为每秒连续帧图像的灰度图像中全部劣质图像的峰值信噪比的和与每秒连续帧图像的全部灰度图像峰值信噪比和的比值。
进一步地，所述获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数的过程为：
获取任一张优质图像中目标区域的面积；
获取所述目标区域的面积与所述优质图像总面积的比值；
用1减去所述比值获得所述优质图像中目标区域的占比系数；依次获取每张优质图像中目标区域的占比系数；
同理，获取每张劣质图像中目标区域的面积，并根据每张劣质图像中目标区域的面积和该目标区域所在劣质图像的面积获取每张劣质图像中目标区域的占比系数。
进一步地，所述优质图像中目标区域中每个像素点的传输权重值为所述优质图像中目标区域的占比系数与所述优质图像的实际权重的乘积；所述劣质图像目标区域中每个像素点的传输权重值为所述劣质图像中目标区域的占比系数与所述劣质图像的实际权重的乘积。
进一步地，所述获取优质图像/劣质图像中其他区域中每个像素点的传输权重值的过程为：
获取任一张优质图像中除目标区域以外剩余区域的占比系数；所述剩余区域的占比系数为1减去所述剩余区域对应的目标区域的占比系数；
所述优质图像中其他区域中每个像素点的传输权重值为所述剩余区域的占比系数乘以所述优质图像的实际权重；依次获得每张优质图像其他区域中每个像素点的传输权重值；
同理，获取每张劣质图像中除目标区域以外剩余区域的占比系数，并根据每张劣质图像中除目标区域以外剩余区域的占比系数和所述劣质图像的实际权重获取每张劣质图像中其他区域中每个像素点的传输权重值。
进一步地，获取所述噪声像素点的最大辐射邻域层的过程中，还包括根据所述噪声像素点的每层邻域像素点的像素点种类获取所述噪声像素点的每层邻域像素点的混乱程度。
进一步地，获取所述噪声像素点的每层邻域像素点的混乱程度的过程为：
获取所述噪声像素点的每层邻域像素点；
获取每层邻域像素点中不同种类像素点的数量占比；
根据每层邻域像素点中不同种类像素点的数量占比获取所述噪声像素点的每层邻域像素点的混乱程度。
进一步地，所述每张劣质图像中最大辐射邻域层内每个像素点的传输权重值通过下式确定：
式中，为最大辐射邻域层内全部像素点的传输权重值；表示最大辐射邻域层；为劣质图像目标区域中像素点的传输权重值，表示劣质图像目标区域；为最大辐射邻域层内像素点的混乱程度；为自然常数。
与现有技术相比，本发明的有益效果是：
本发明提供了一种基于智慧校园管理平台的数据传输方法，该方法通过获取每张灰度图像的峰值信噪比，根据峰值信噪比将全部灰度图像区分为优质图像集和劣质图像集，并根据每张灰度图像的峰值信噪比获取优质图像的实际权重和劣质图像的实际权重；由此可确定对优质图像和劣质图像的传输权重；进一步地，获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数，由此可获取优质图像中全部像素点的传输权重值，以及劣质图像中全部像素点的传输权重值；进一步地通过获取每张获取劣质图像中目标区域的噪声像素点，并根据噪声像素点的每层邻域像素点的混乱程度获取噪声像素点的最大辐射邻域层；进一步地，根据最大辐射邻域层像素点的混乱程度对最大辐射邻域层内全部像素点的传输权重值进行修正，获得了每张劣质图像最大辐射邻域层内全部像素点的传输权重值；由此可确定每张劣质图像目标区域的噪声像素点的最大辐射邻域层内全部像素点的传输顺序；进一步地，本发明使用霍夫曼编码将全部图像中像素点的按照传输权重值从小到大进行压缩，并将压缩后的校园视频传输至智慧校园平台，可克服现有技术中由于使用冗余程度压缩，导致用户端下载时目标区域数据丢失，造成文件无法使用的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的实施例提供的一种数据传输方法的流程示意图；
图2为本发明的实施例提供的噪声像素点邻域层数与邻域层像素点熵值的和的示意图；
图3为本发明的实施例提供的连续帧图像中的一幅灰度图像的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供了一种基于智慧校园管理平台的数据传输方法，如图1所示，所述方法包括：
S101，使用视频采集单元采集校园视频，获取每秒校园视频的连续帧图像；通过CNN神经网络对连续帧图像进行多目标跟随并标记连续帧图像的目标区域；对完成目标区域标记的连续帧图像进行灰度化处理，获得连续帧图像的灰度图像；如图3所示，图3为连续帧图像中的一幅灰度图像，图3中框选的区域为目标区域；
需要说明的是，本实施例选取的视频采集单元为相机，相机的帧率为每秒30帧；本实施例所标记的目标区域为连续帧图像的人物区域，实施者也可以根据实际情况选择标记其他区域为目标区域；
S102，选取连续帧图像的灰度图像的中间图像，对中间图像进行降噪处理后，将中间图像作为每秒连续帧图像的灰度图像的原图像；需要说明的是，当选取的中间图像有两张时，优先选取两张图像中噪声像素点少的一张图像进行降噪处理，并作为连续帧图像的灰度图像的原图像；
获取每秒连续帧图像的灰度图像中每张灰度图像的灰度值均方误差，灰度图的规格为m*n；灰度图像的灰度值均方误差通过下式确定：
式中，为灰度图像的灰度值均方误差；为灰度图像的长；为灰度图像的宽；为原图像的像素点的灰度值；为灰度图像的像素点的灰度值，表示原图像；为灰度图像横向的第个像素点；为灰度图像纵向的第个像素点；表示原图像的平均功率；表示灰度图像的规格；表示原图像的像素点的灰度值与灰度图像的像素点的灰度值的差值；
每张灰度图像的信噪比通过下式确定：
式中，为灰度图像的信噪比；为灰度图像的灰度值均方误差；表示灰度图像的峰值255的平方与灰度图像的灰度值均方误差的比值；图像信噪比是评价图像质量的常见参数，用于反映成像器件抗干扰能力，是影响图像质量的重要因素；
由此可得到每秒连续帧图像的灰度图像中每张灰度图像的峰值信噪比，通过峰值信噪比就可以直接的反映灰度图像的质量；设置峰值信噪比阈值，通过峰值信噪比阈值将每秒连续帧图像的灰度图像区分为优质图像集和劣质图像集；
需要说明的是，本实施例中所设置的峰值信噪比阈值为100，实施者可根据实际情况设定其他的峰值信噪比阈值；将每秒连续帧图像的灰度图像中峰值信噪比大于100的图像确定为优质图像，将每秒连续帧图像的灰度图像中峰值信噪比小于100的图像确定为劣质图像，由此完成对每秒连续帧图像的区分；
根据灰度图的峰值信噪比获取优质图像的第一实际权重和劣质图像的第二实际权重；优质图像的第一实际权重通过下式确定：
式中，为优质图像的第一实际权重，表示优质图像；为每秒连续帧图像的灰度图像中全部优质图像的峰值信噪比的和；为每秒连续帧图像的灰度图像中优质图像的总数；为每秒连续帧图像的灰度图像中全部劣质图像的峰值信噪比的和；为每秒连续帧图像的灰度图像中劣质图像的总数；表示在()中的占比，并以在()占比表示优质图像的第一实际权重；
劣质图像的第二实际权重通过下式确定：
式中，为劣质图像的第二实际权重，表示劣质图像；为每秒连续帧图像的灰度图像中全部优质图像的峰值信噪比的和；为每秒连续帧图像的灰度图像中优质图像的总数；为每秒连续帧图像的灰度图像中全部劣质图像的峰值信噪比的和；为每秒连续帧图像的灰度图像中劣质图像的总数；表示在()中的占比，并以在()中的占比表示劣质图像的第二实际权重；
分别获取每张优质图像和劣质图像中目标区域的面积，并根据每张优质图像和劣质图像中目标区域的面积获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数；获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数的过程为，获取任一张优质图像中目标区域的面积；获取所述目标区域的面积与所述优质图像总面积的比值；用1减去所述比值获得所述优质图像中目标区域的占比系数；依次获取每张优质图像中目标区域的占比系数；同理，获取每张劣质图像中目标区域的面积，并根据每张劣质图像中目标区域的面积和该目标区域所在劣质图像的面积获取每张劣质图像中目标区域的占比系数；
分别利用每张优质图像/劣质图像的实际权重和目标区域的占比系数获取该优质图像/劣质图像目标区域中每个像素点的传输权重值，并获取优质图像/劣质图像中其他区域中每个像素点的传输权重值；所述优质图像中目标区域中每个像素点的传输权重值为所述优质图像中目标区域的占比系数与所述优质图像的实际权重的乘积；所述劣质图像目标区域中每个像素点的传输权重值为所述劣质图像中目标区域的占比系数与所述劣质图像的实际权重的乘积；
获取所述优质图像/劣质图像中其他区域中每个像素点的传输权重值的过程为，获取任一张优质图像中除目标区域以外剩余区域的占比系数；所述剩余区域的占比系数为1减去所述剩余区域对应的目标区域的占比系数；所述优质图像中其他区域中每个像素点的传输权重值为所述剩余区域的占比系数乘以所述优质图像的实际权重；依次获得每张优质图像其他区域中每个像素点的传输权重值；同理，获取每张劣质图像中除目标区域以外剩余区域的占比系数，并根据每张劣质图像中除目标区域以外剩余区域的占比系数和所述劣质图像的实际权重获取每张劣质图像中其他区域中每个像素点的传输权重值；
S103，本实施例获得了每张优质图像中目标区域和除目标区域外的其他区域中每个像素点的传输权重，以及每张劣质图像中目标区域和除目标区域外的其他区域中每个像素点的传输权重；对于每张劣质图像的目标区域，还要进一步分析目标区域噪声像素点的影响，并获取噪声像素点的最大辐射邻域层内像素点的传输权重值；对于劣质图像的目标区域内异常于周围像素点的孤立像素点都认为是噪声点；目标区域不同像素点代表不同的信息，而信息之间存在着重要性区别，由此目标区域中不同噪声像素点的影响程度是不一样的，由此需要获取目标区域内每个噪声像素点的最大辐射邻域层；
获取任一劣质图像的目标区域的噪声像素点，以噪声像素点为中心像素点，获取噪声像素点的每层邻域像素点；例如对于噪声像素点Z，则有噪声像素点的第一层邻域像素点为8个，第二层邻域像素点为16个，第三层邻域像素点为24个，第四层邻域像素点为32个；
对噪声像素点的每一层邻域像素点计算灰度级分布，根据邻域像素点的灰度级间隔分类，以确定邻域像素点的种类；本实施例中单个像素点或零散像素点不计入像素点种类，对噪声像素点的每一层邻域像素点计算灰度级分布可通过神经网络简单训练实现；
对于噪声像素点的任意层邻域像素点，该层邻域像素点中不同种类像素点的数量占比为：
式中，为噪声像素点一层邻域像素点中的第种像素点数量占比；为噪声像素点一层邻域像素点中第种像素点数量；表示噪声像素点的第层邻域；
获得了每层邻域内不同种类像素点的数量占比后，接下来要根据每层邻域内不同种类像素点的数量占比获取每层邻域像素点的混乱程度，混乱程度用熵值体现，每层邻域像素点的熵值通过下式确定：
式中，为噪声像素点每一层邻域像素点的熵值；为邻域像素点种类；为噪声像素点每一层邻域像素点中的第种像素点数量占比；表示邻域像素点的混乱程度；
本实施例可获得噪声像素点的每一层邻域像素点的混乱程度，即噪声像素点的每一层邻域像素点的熵值，根据熵值构建一个熵值累加函数，通过熵值累加函数获取噪声像素点的最大辐射邻域层；熵值累加函数通过下式表示：
式中，为噪声像素点的邻域层像素点熵值的和；为噪声像素点第层邻域像素点的熵值；为噪声像素点邻域层数；为邻域层的最大取值，且小于或等于邻域层；
以噪声像素点邻域层数为横坐标，以噪声像素点的邻域层像素点熵值的和为纵坐标绘制曲线图，如图2所示，当噪声像素点的邻域层像素点熵值的和在 P层至P+1 层的累加曲线出现激变时，则P层为噪声像素点的最大辐射邻域层；
获得了劣质图像目标区域的噪声像素点的最大辐射邻域层后，接下来要根据最大辐射邻域层像素点的混乱程度对最大辐射邻域层内全部像素点的输权重值进行修正，获得最大辐射邻域层内全部像素点的传输权重值；依次获得每张劣质图像最大辐射邻域层内全部像素点的传输权重值；最大辐射邻域层内像素点的个数为 (2P+1)2，其中，P为噪声像素点的最大辐射邻域层；最大辐射邻域层内像素点包含噪声像素点；最大辐射邻域层内全部像素点的传输权重值通过下式确定：
式中，为最大辐射邻域层内全部像素点的传输权重值；表示最大辐射邻域层；为劣质图像目标区域中像素点的传输权重值，表示劣质图像目标区域；为最大辐射邻域层内像素点的混乱程度；为自然常数；的取值范围为0到1之间，最大辐射邻域层内像素点的混乱程度越大，的值越大，从而的值越大，当的值越大，说明最大辐射邻域层内噪声影响覆盖的区域越复杂，其被优先传输的必要性自然更高；
S104，本实施例获得了全部图像中像素点的权重值，将所有连续帧图像中所有像素点传输权重值按照由小到大的顺序进行霍夫曼编码，完成对校园视频的压缩，并将压缩后的校园视频传输至智慧校园平台。
综上，本实施例提供了一种基于智慧校园管理平台的数据传输方法，包括获取每秒校园视频的连续帧的图像；并对得到的所有连续帧图像进行灰度化处理获得所有连续帧图像的灰度图像，获取每张灰度图像中的目标区域；获取每张灰度图像的峰值信噪比，根据每张灰度图像的峰值信噪比将所有灰度图像分为优质图像和劣质图像；分别利用所有优质图像和劣质图像的峰值信噪比获取优质图像的实际权重和劣质图像的实际权重；分别获取每张优质图像和劣质图像中目标区域的面积，并根据每张优质图像和劣质图像中目标区域的面积获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数；分别利用每张优质图像/劣质图像的实际权重和目标区域的占比系数获取该优质图像/劣质图像目标区域中每个像素点的传输权重值，并获取优质图像/劣质图像中其他区域中每个像素点的传输权重值；获取每张劣质图像中目标区域的噪声像素点，根据噪声像素点的每层邻域像素点的混乱程度获取噪声像素点的最大辐射邻域层；根据最大辐射邻域层像素点的混乱程度对目标区域中最大辐射邻域层内全部像素点的传输权重值进行修正，得到每张劣质图像中最大辐射邻域层内每个像素点的传输权重值；将所有连续帧图像中所有像素点传输权重值按照由小到大的顺序进行霍夫曼编码，完成对校园视频的压缩，并将压缩后的校园视频传输至智慧校园平台；本实施例解决了现有技术中，当网络卡顿或者下载量较大时，用户在智慧校园平台下载时文件出现目标区域损失，导致文件无法正常使用的技术问题。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于智慧校园管理平台的数据传输方法，其特征在于，包括以下步骤：
获取每秒校园视频的连续帧的图像；并对得到的所有连续帧图像进行灰度化处理获得所有连续帧图像的灰度图像，获取每张灰度图像中的目标区域；
获取每张灰度图像的峰值信噪比，根据每张灰度图像的峰值信噪比将所有灰度图像分为优质图像和劣质图像；分别利用所有优质图像和劣质图像的峰值信噪比获取优质图像的实际权重和劣质图像的实际权重；
分别获取每张优质图像和劣质图像中目标区域的面积，并根据每张优质图像和劣质图像中目标区域的面积获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数；
分别利用每张优质图像和劣质图像的实际权重和目标区域的占比系数获取该优质图像和劣质图像目标区域中每个像素点的传输权重值，并获取优质图像和劣质图像中其他区域中每个像素点的传输权重值；
获取每张劣质图像中目标区域的噪声像素点，根据所述噪声像素点的每层邻域像素点的混乱程度获取所述噪声像素点的最大辐射邻域层；根据所述最大辐射邻域层像素点的混乱程度对目标区域中最大辐射邻域层内全部像素点的传输权重值进行修正，得到每张劣质图像中最大辐射邻域层内每个像素点的传输权重值；
所述噪声像素点的每层邻域像素点的获取方法为，以所述噪声像素点为中心像素点，该噪声像素点的第一层邻域像素点为8个，第二层邻域像素点为16个，第三层邻域像素点为24个，第四层邻域像素点为32个，依次获取噪声像素点的每层邻域像素点；
获取所述噪声像素点的最大辐射邻域层的过程中，还包括根据所述噪声像素点的每层邻域像素点的像素点种类获取所述噪声像素点的每层邻域像素点的混乱程度；
获取所述噪声像素点的每层邻域像素点的混乱程度的过程为：
获取所述噪声像素点的每层邻域像素点；
获取每层邻域像素点中不同种类像素点的数量占比；
根据每层邻域像素点中不同种类像素点的数量占比获取所述噪声像素点的每层邻域像素点的混乱程度；
以噪声像素点邻域层数为横坐标，以噪声像素点的邻域层像素点熵值的和
为纵坐标绘制曲线图，当噪声像素点的邻域层像素点熵值的和在P层至P+1
层的累加曲线出现激变时，则P层为噪声像素点的最大辐射邻域层；
将所有连续帧图像中所有像素点传输权重值按照由小到大的顺序进行霍夫曼编码，完成对校园视频的压缩，并将压缩后的校园视频传输至智慧校园平台。
2.根据权利要求1所述的基于智慧校园管理平台的数据传输方法，其特征在于，在根据所述峰值信噪比将全部所述灰度图像区分为优质图像集和劣质图像集的过程中，还包括设定峰值信噪比阈值，通过所述峰值信噪比阈值将灰度图像的峰值信噪比大于所述峰值信噪比阈值的灰度图像确定为优质图像；通过所述峰值信噪比阈值将灰度图像的峰值信噪比小于所述峰值信噪比阈值的灰度图像确定为劣质图像。
3.根据权利要求1所述的基于智慧校园管理平台的数据传输方法，其特征在于，所述优质图像的实际权重为每秒连续帧图像的灰度图像中全部优质图像的峰值信噪比的和与每秒连续帧图像的全部灰度图像峰值信噪比和的比值。
4.根据权利要求1所述的基于智慧校园管理平台的数据传输方法，其特征在于，所述劣质图像的实际权重为每秒连续帧图像的灰度图像中全部劣质图像的峰值信噪比的和与每秒连续帧图像的全部灰度图像峰值信噪比和的比值。
5.根据权利要求1所述的基于智慧校园管理平台的数据传输方法，其特征在于，所述获取每张优质图像中目标区域的占比系数和劣质图像中目标区域的占比系数的过程为：
获取任一张优质图像中目标区域的面积；
获取所述目标区域的面积与所述优质图像总面积的比值；
用1减去所述比值获得所述优质图像中目标区域的占比系数；依次获取每张优质图像中目标区域的占比系数；
同理，获取每张劣质图像中目标区域的面积，并根据每张劣质图像中目标区域的面积和该目标区域所在劣质图像的面积获取每张劣质图像中目标区域的占比系数。
6.根据权利要求1所述的基于智慧校园管理平台的数据传输方法，其特征在于，所述优质图像中目标区域中每个像素点的传输权重值为所述优质图像中目标区域的占比系数与所述优质图像的实际权重的乘积；所述劣质图像目标区域中每个像素点的传输权重值为所述劣质图像中目标区域的占比系数与所述劣质图像的实际权重的乘积。
7.根据权利要求1所述的基于智慧校园管理平台的数据传输方法，其特征在于，所述获取优质图像和劣质图像中其他区域中每个像素点的传输权重值的过程为：
获取任一张优质图像中除目标区域以外剩余区域的占比系数；所述剩余区域的占比系数为1减去所述剩余区域对应的目标区域的占比系数；
所述优质图像中其他区域中每个像素点的传输权重值为所述剩余区域的占比系数乘以所述优质图像的实际权重；依次获得每张优质图像其他区域中每个像素点的传输权重值；
同理，获取每张劣质图像中除目标区域以外剩余区域的占比系数，并根据每张劣质图像中除目标区域以外剩余区域的占比系数和所述劣质图像的实际权重获取每张劣质图像中其他区域中每个像素点的传输权重值。
8.根据权利要求1所述的基于智慧校园管理平台的数据传输方法，其特征在于，所述每张劣质图像中最大辐射邻域层内每个像素点的传输权重值通过下式确定：
式中，为最大辐射邻域层内全部像素点的传输权重值；表示最大辐射邻域层；为劣质图像目标区域中像素点的传输权重值，表示劣质图像目标区域；为最大辐射邻域层内像素点的混乱程度；为自然常数。
CN202211513346.2A 2022-11-30 2022-11-30 基于智慧校园管理平台的数据传输方法 Active CN115550658B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211513346.2A CN115550658B (zh) 2022-11-30 2022-11-30 基于智慧校园管理平台的数据传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211513346.2A CN115550658B (zh) 2022-11-30 2022-11-30 基于智慧校园管理平台的数据传输方法

Publications (2)

Publication Number Publication Date
CN115550658A CN115550658A (zh) 2022-12-30
CN115550658B true CN115550658B (zh) 2023-05-09

Family

ID=84722045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211513346.2A Active CN115550658B (zh) 2022-11-30 2022-11-30 基于智慧校园管理平台的数据传输方法

Country Status (1)

Country Link
CN (1) CN115550658B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117152447B (zh) * 2023-11-01 2024-02-02 东莞市京品精密模具有限公司 一种冲切模具智能管理方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070294319A1 (en) * 2006-06-08 2007-12-20 Emc Corporation Method and apparatus for processing a database replica
EP3210384B1 (en) * 2014-10-20 2020-05-20 Telefonaktiebolaget LM Ericsson (publ) Network node and method for handling a process of controlling a data transfer related to video data of a video streaming service
JP7106022B1 (ja) * 2021-06-16 2022-07-25 三菱電機株式会社 空中映像表示装置及び空中映像表示方法
CN115225897A (zh) * 2022-07-14 2022-10-21 河南职业技术学院 一种基于霍夫曼编码的视频多级加密传输方法
CN115407053B (zh) * 2022-08-19 2024-03-15 山东科技大学 征兆优选方法、计算机设备以及可读存储介质

Also Published As

Publication number Publication date
CN115550658A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
CN114584849B (zh) 视频质量评估方法、装置、电子设备及计算机存储介质
CN105208374B (zh) 一种基于深度学习的无参考图像质量客观评价方法
CN104902267B (zh) 一种基于梯度信息的无参考图像质量评价方法
Hassan et al. Structural similarity measure for color images
CN104661021B (zh) 一种视频流的质量评估方法
CN108428227A (zh) 基于全卷积神经网络的无参考图像质量评价方法
CN109978854B (zh) 一种基于边缘与结构特征的屏幕内容图像质量评估方法
CN101562675B (zh) 基于Contourlet变换的无参考型图像质量评测方法
CN115550658B (zh) 基于智慧校园管理平台的数据传输方法
CN104202594B (zh) 一种基于三维小波变换的视频质量评价方法
CN112767385B (zh) 基于显著性策略与特征融合无参考图像质量评价方法
CN106993188A (zh) 一种基于多人脸视频显著性的hevc压缩编码方法
CN105894506A (zh) 一种人脸图像模糊度计算方法及装置
CN106339994A (zh) 一种图像增强方法
Chen et al. Subjective and objective quality evaluation of sonar images for underwater acoustic transmission
JP2005064679A (ja) 画像特徴量抽出方式および画質評価方式
CN107274388A (zh) 一种基于全局信息的无参考屏幕图像质量评价方法
US11790521B2 (en) System and method to use machine learning to ensure proper installation and/or repair by technicians
CN113609995A (zh) 遥感图像的处理方法、装置和服务器
Suresh et al. A fast and efficient no-reference video quality assessment algorithm using video action recognition features
CN106507100A (zh) 一种基于传输的劣化图像主观质量素材库构建方法
Ma et al. Performance validation and analysis for multi-method fusion based image quality metrics in a new image database
Athar Image Quality Assessment: Addressing the Data Shortage and Multi-Stage Distortion Challenges
He et al. Color fractal structure model for reduced-reference colorful image quality assessment
CN112991200B (zh) 一种红外图像自适应增强的方法与装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant