CN1183781C - 实时人类视觉系统性能模型化 - Google Patents

实时人类视觉系统性能模型化 Download PDF

Info

Publication number
CN1183781C
CN1183781C CNB001323733A CN00132373A CN1183781C CN 1183781 C CN1183781 C CN 1183781C CN B001323733 A CNB001323733 A CN B001323733A CN 00132373 A CN00132373 A CN 00132373A CN 1183781 C CN1183781 C CN 1183781C
Authority
CN
China
Prior art keywords
picture signal
variance
signal
processed picture
segmentation
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.)
Expired - Fee Related
Application number
CNB001323733A
Other languages
English (en)
Other versions
CN1296361A (zh
Inventor
K·M·菲尔古森
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.)
Tektronix Inc
Original Assignee
Tektronix Inc
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 Tektronix Inc filed Critical Tektronix Inc
Publication of CN1296361A publication Critical patent/CN1296361A/zh
Application granted granted Critical
Publication of CN1183781C publication Critical patent/CN1183781C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details

Abstract

一种从参考图像信号引出的产生测试图像信号受损伤量度的实时人类视觉系统模型化方法处理在各自通道的2个信号。将这些信号转换到亮度图像信号，并在2维上低通滤波。然后分段处理图像信号和获得块平均值，从在相应处理图像信号中的像素减去块平均值。引入噪声到分段处理图像信号中，并计算方差，用于参考分段处理图像信号和用于分段处理图像信号间的差。

Description

实时人类视觉系统性能模型化
技术领域
本发明涉及视频图像质量评价，更具体地说涉及实时人类视觉系统性能模型化，用于产生客观测量，以予示视频图像信号中的主观误差评估。视频图像信号通过如视频压缩这样有损失的方法被记录和传递。
背景技术
为预测观察者对引进经受如视频压缩这样的有损失的处理的视频图像信号的误差的主观反应采用人类视觉系统模型的方法包括计算上昂贵的人类视觉系统(HVS)模型，这些模型如下面文章描述的：J.Lubin，“A Visual Discrimination Model for Imaging System Design andEvaluation(用于成像系统设计和评价的视觉鉴别模型)”，VisionModels for Target Detection and Recognition(用于目标检测和确认的视觉模型)，World Scientific Publishing，River Edge，NJ1995，pp.245-283，或者S.Daly“The Visible DifferencesPredictor：An Algorithm for the Assessment of Image Fidelity(可见视差预测器：图像保真度评价用的算法)”，Digital Images andHuman Vision(数字化图像和人类视觉)，MIT Press，Cambridge，MA1993，pp.162-206.不采用人类视觉模型的用于预示主观受损伤评估的测量包括ANSI/IRT测量(见“Digital Transport of One-WaySignals-Parameters for Objective Performance Assistance(用于目标性能辅助的单向信号-参数的数字化传送)”，ANSIT1.801.03-yyy)ANSI/IRT测量一般比较快，但要给一组充分变化的视觉图像内容，不像包括HVS模型方法那样与主观评估相关。
多数HVS方法是建立在预测一般称为适当易见差(JND)的可见差阈值方法的基础上，适当易见差阈值如对比度检测和鉴别阈值。由于模型成分是建立在阈值模仿性能的基础上，所以在阈值以上，即在超阈值(Supra threshold)处的性能不被保证。这些HVS模型一般包括一个或多个计及接近递增的对比度检测和鉴别阈值的实验上确定的性能的一个或多个的步骤。这些性能受如下参数影响：
-平均亮度；
-在视网膜上的目标映像的角度范围和尺寸；
-取向(旋转的，目标映像图样和掩蔽器两者)；
-空间频率(目标映像图样和掩蔽器两者)；
-瞬时频率(目标映像和掩蔽器两者)；
-周围场(或旁边掩蔽效果)；
-偏心率(或离视线/凹斑中心的角距)。
接着的是简要概述在HVS模型中如何已计算这X个参数的一个或多个的影响。
首先值得注意的是在现有技术中对图像处理流结构的解决方法。在HVS模型中所需的大部分处理时间是由于两个共用的实施步骤引起的：
-滤波器组(如高斯棱锥体的图像分解)；
-对比度增益控制(对比度掩蔽的非线性)。
滤波器组普遍用于以在各种取向、空间频带、偏振性等的最大响应将图像分解成神经系统图像或通道。为了实际的实施，2个取向(水平的、垂直的)、4个空间频带和2个偏振性的最小分解需要每参考图像信号处理步骤2*4*2＝16个图像，对受损伤的视频图像信号也一样。
对于典型的HVS，已用称为对比度灵敏度的函数计算了作为空间频率函数的模型响应灵敏度。模型的对比度灵敏度部分按如下实施：
·计算在每个滤波器组通道的每个像素的对比度，对应子空间频带和旋转取向唯一组合，作为高频能量与低(DC)频能量之比或等值。
·标定依赖于子频带和旋转取向的对比度数值。
计算对比度需要2个不同的滤波器，高通和低通滤波器，以及每个通道的每个像素的分段。即使用这个复杂又昂贵的算法步骤，也没考虑图像的分段部分的或自相似区的局部平均亮度的空间频率灵敏度函数上的和角度范围上的变化。在这些模型中不呈现“线性范围”。在灵敏度大概为最大的频率上，在每角度一个和4个周期之间对比度灵敏度大致与平均亮度的方根成比例增加，而对于角度范围也一样。于是，当现有技术包括了相当复杂和计算上昂贵的方法时，通过忽略平均亮度和角度范围的影响，阈值预测可以在大于一个数量级的误差上。虽然已提议部分HVS模型计及平均亮度和角度范围的影响，但显然由于进一步增加的复杂性明显地没有将它们采纳成后来的全HVS模型。
模型的对比度增益控制部分一般建立在J.Foley的工作的基础上，例如他的“Human Luminance Pattern-VisionMechanisms：Masking Experiments Require a New Model(人类视觉亮度分布结构：掩蔽实验需要的新模型)”，Journal of the OpticalSociety of America，Vol.11，No.6 June 1994，pp.1710-1719，1710-1719。该工作需要最小量的计算：
·计算所有通道上标定的对比度的图像的各个像素的能量(平方)的和。低分辨率通道被上行采样以便与高分辨率通道相加。这个通道到通道的转换增加了在这一步骤的有效处理量和进一步使实施复杂化。
·每通道每像素一个加法、二个非整数取幂和一个除法运算。
一篇论文提出了一种扩展到超阈值的模型，它实质上增加了复杂性。这篇论文是M.Cannon“A Multiple Spatial Filter Model forSuprathreshold Contrast Perception(供超阈值对比度感受用的多空间滤光器模型)”，Vision Models for Target Detection andRecognition(用于目标检测和确认的视觉模型)，World ScientificPublishing，River Edge，NJ 1995，pp.88-117。然而，显然由于进一步增加的复杂性太明显所以没有将该模型采纳成后来的全HVS模型。
在这些模型中的对空间频率灵敏度的瞬时影响大部分缺少。
最后，取向和周围场的影响只被表示到正交滤波器和交叉棱锥体等级的掩蔽的程度，一般不与实稳数据完好匹配。
在美国专利5818520中介绍了一种当前的图像质量分析器，由美国俄勒冈州比弗顿的特克特罗尼克斯(Tektronix)公司制造的PQA-200分析器。这是个根据美国新泽西州普林斯顿的若人公司的JNDMetrixtm算法的非实时系统，其中将参考图像信号与相应的受损伤视频图像信号比较以获得按照一个HVS模型处理的差异。为进行评价，除维修外，基本采用测试条件下的系统，直到测试完成。
发明内容
希望有的是一种在实时视频环境中足够简单运行的用于视频图像质量评价的实时HVS性能模型化系统。
因此本发明提供用于在实时视频环境中进行图像质量分析的实时人类视觉系统性能模型化。在单独的通道中处理参考图像信号和从该参考图像信号导出的测试图像信号。将这些图像信号转换到亮度图像信号并被2维低通滤波器滤波产生处理的图像信号。将这些处理的图像信号分段成具有相似统计的区，分段图块或区的平均值从处理的图像信号的像素中减去产生已隐含高通滤波的分段的处理图像信号。噪声引入到分段的处理信号中，并对于参考分段处理图像信号和对于参考和测试分段处理图像信号之间的差异计算方差。用参考分段处理图像信号的方差归一化差分分段处理图像信号的方差，将该结果的N次方根确定为测试图像信号的可视受损伤的量度。该可视受损伤的量度可以转换成适当的单位，如JND、MOS等。
按照本发明，提供了一种从参考图像信号引出的获得可见测试图像信号受损伤量度的实时人类视觉系统性能模型化的方法，该方法包括以下步骤：
滤波每个图像信号，产生各个被处理图像信号；
将噪声信号引入到被处理图像信号中的每一个中；
计算方差，以表示参考图像信号的被处理图像信号，和表示来自引入步骤的被处理图像信号之间差的差处理图像信号；以及
将方差组合以获得受损伤的量度。
当结合附图阅读时从以下详细说明中可见本发明的目的、优点和其他新颖的特点。
附图说明
图1是用于利用按本发明的实时人类视觉系统性能模型化的视频图像质量评价的系统的方框图。
具体实施方式
在人类视觉系统中结合各种噪声源对人类视觉系统影响的史料检查由文献的数据揭示的人类视觉系统性能时，可进行如下观测：
1.在较高空间频率范围，亮度对对比度灵敏度函数影响的线性区的幅度灵敏度对变化的平均亮度不敏感，而按频率的平方下降。这对应于二阶低通滤波器。
2.韦伯(weber)区和德弗里斯-罗斯(Devries-Rose)区[见泰勒(Taylor)等，“Contrast Detection and Discrimmation for VisualModels(用于视觉模型的对比度检测和鉴别)”和N.格雷厄姆(Graham)，和“Visual pattern Analyzers(视觉图案分析仪)”，Oxford U.press 1989]两者都对应于低频范围，在这范围幅度灵敏度最受变化的平均亮度的影响。在各种平均亮度的幅度对频率曲线的检查揭示类似依赖于平均亮度的可变高通滤波器的性能。CornSweet和Yellott，“Intensity-Dependent Spatial Summation(依据亮度的空间累加)”，Journal of the Optical Society ofAmerica，Vol.22，No.10 1985，pp.1769-1786。提出一种根据类似观测的模型。Rohaly和Buchsbaum，“Global SpqtiochromaticMechanism Accounting for Luminance Variations in ContrastSensitivity Functions(在对比度灵敏性函数中供亮度变量用的球形空间色彩结构估算)”，Journal of the Optical Society ofAmerica，Vol.6，Feb.1989，pp.312-317，提出利用固定高通滤波器和可变低通滤波器根据与幅度相反的对比度的模型。在全部情况下，通过将低能器同高通滤波器组合或级联形成带通，一个滤波器是固定的，另一个是平均亮度的函数。由于对比度计算需要附加步骤，蕴含固定低通滤波器和可变高通滤波器的幅度表示是较有效的。
近阈值强度间的对比度鉴别中的底台(pedestal)影响与空间静止(固定)噪声-依赖于凹斑位置但与时间无关的误差-和其他人类视觉系统中的噪声的迹象一致。在噪声平台(Noise-floor)以下，用于检测的对比度增量随增加底台阈值而减少，然而在噪声平台以上它随增加底台阈值而增加。其他人提出了非固定噪声，但显然这些已包括在用于预测视频图像信号的可见受损伤的全HVS模型中。
角度范围和对比度或鉴别阈值两者间的平方根律关系意味着，每个图像应被分段成有相似统计的区，由此将全图像区分成多少有些“相干”的区域的较小组。区域愈大，当减去平均值时有效对比度灵敏度高通截止频率愈低。
由于降低的平均亮度。不相似的掩蔽信号和减小的补片区域引起的对比度鉴别增量上升意味一种类似于利用匹配滤波器的最佳信号检测的处理。在这样系统中，可以通过从1减去处理参考和测试图像间的相关系数测量差。
虽然从1减去相关系数很好地预测阈值和鉴别，但是它不很好地预测感觉的超阈值差。正好在阈值以上，感觉的对比度大致随实际对比度的平方根增加。为了用一个简单的数学表达式同时匹配在阈值和超阈值上的性能，使用处理图像差的归一化方差的第N根，在此例中是第4根。
响应＝K·(Var(Itest-Proc-Iref-Proc)/Var(Iref-Proc)).25其中，Iref-proc和Itest-proc分别为处理的、滤波的和有噪声的参考和测试图像，而Var()是方差。
(a)在阈值要求的性能近似是：
响应＝K*(和(Itest-proc2+Iref-proc2-2*Itest-proc·Iref-proc).25)/(Var(Iref-proc).25
响应～＝K*(2-2·相关(Iref-proc，Jtest-proc)).25＝1
(b)在阈值以上要求的性能近似是：
响应＝K*和(|Itest-proc-Iref-proc|2)/Var(Iref-proc)).25
对于平面场图像参考，Iref-proc＝噪声
响应＝K*(和(|Itest-pfoc|2)/Var(噪声)).25
在这里，响应相对于零对比度的对比度的超阈值按对比度的平方根增加。因此，阈值条件和超阈值条件两者都符合。便利的是，已在分段测量上汇集整个图像才需取第N次方根，这相当于取q范数，对于此例q＝4。
相应的模成分和6个计算参数
(a)2维无限脉冲响应二阶低通滤波器校准参数包括(i)输入标度，为方便它可放在显示模型里；(ii)反馈系数，它设置一个双极。如本专业人员相当了解的，可以用等效有限脉冲响应滤波器实现这种情况。
(b)由下列2项控制分段(区生长)：(i)用于分段声平均总数的阈值；(ii)用于块方差的近似分段方差的阈值。利用分段的块的平均值再计算作为按分段的亮度的平均值的块平均值，并从每个像素减去局部平均值(相应分段的平均亮度)。
(c)噪声发生器和“模糊器”(最大值运算器)校准包含噪声幅度的选择。对于每个分段计算除以处理参考图像的方差(Var(Iref-proc)的归一化差方差。处理参考减受损伤的方差Var(Iref-proc-Itest-proc))。对于这一步无需校准常数。
(d)对于整个图像，作为分段归一化差方差的平均值的第N次方根计算总合量度，对于此例N＝4。将这个总合量度转换到带有转换或标度因子(对于阈值或JND单位的上述的K)的适当单位。
现在参照附图，附图表示出通过图像质量评价装置实施的流程图，该装置通过将HVS模型的大部分准确性同可与非HVS模型相比的效能相结合在现有技术基础上作了改进。参考视频信号和受损伤(测试)视频信号通过各自的亮度显示器11、12转换成亮度单位。如相应2维低通滤波器13、14和一个隐含高通滤波器那样实施对应于对比度灵敏度阈值数据的空间频率响应(分别在步骤17、18从每个个别像素减去来自步骤15，16的局部平均值(低通))。这种滤波器组合满足由文献中用于每个取向、平均亮度和分段区域的数据(对比度灵敏度对频率)提出的要求。与现有技术中的许多从滤波器组输出的图像相反，对于每个图像只有一个从这一步骤输出的被接着的步骤处理。可插入非线性瞬时滤波器以便下一步计算大量的HVS模型的瞬时情况，然而在此装置中没有表示。
在步骤15、16计算块平均值，如对于3像素*3像素块。在步骤20根据块平均平均值和其他简单块统计在2个通道分段图像。然而为简化和减少计算资源可以略去步骤20。用在当前分段算法中块统计包括局部(块)亮度平均值和前述方差。但是，简单的最大和最小数值可以用于区生长。每个块平均值在它所属于的分段上平均，生成新的块平均值。在步骤17、18从各个块中的每个像素减去这些平均值完成隐含高通滤波器。
通过在过滤的输入图像的绝对值和噪声空间固定图样的绝对值间选较大者经取核运算21、22在每个像素上引进来自噪声发生器24的噪声。其中，
核(A，B)＝((|A|-|B|，对于|A|＞|B|；0，对于|A|＜|B|)
其中，A是信号，B是噪声。在步骤27、28，计算分段方差，用于参考图像分段以及参考和测试图像分段之间的差26。在步骤30，通过对每个由参考方差归一化(除)测试(差)通道方差的分段组合2通道分段方差数据组。
最后，在步骤32计算每个分段的归一化方差的平均值的第N根，组成总合量度。对于此例又是N＝4，N可以是任何整数值。可以将总合量度定标或另外转换到如JND、MOS等适当单位。
于是，本发明提供用于从参考视频图像信号来确定测度视频图像信号受损伤的实时人类视觉系统性能模型化。确定的方式是，处理在并行通道的2个信号，获得对于评价装置和方法的平均分段方差，归一化平均分段方差，取第N根组成总合量度，然后将该结果转换到适当的单位。

Claims (5)

1.一种从参考图像信号引出的获得可见测试图像信号受损伤量度的实时人类视觉系统性能模型化的方法，该方法包括以下步骤：
滤波每个图像信号，产生各个被处理图像信号；
将噪声信号引入到被处理图像信号中的每一个中；
计算方差，以表示参考图像信号的被处理图像信号，和表示来自引入步骤的被处理图像信号之间差的差处理图像信号；以及
将方差组合以获得受损伤的量度。
2.如权利要求1所述的方法，其中组合步骤包括以下步骤：
利用参考处理图像信号的方差使差处理图像信号的方差归一化，以产生对于差处理图像信号的归一化方差；以及
取归一化方差的第N根作为受损伤的量度。
3.如权利要求1所述的方法，还包括将受损伤量度转换成适当单位的步骤。
4.如权利要求1所述的方法，其中滤波步骤包括以下步骤：
将参考和测试图像信号转换成各自亮度图像信号；
按各自的亮度图像信号进行2维低通滤波运算，以产生各个被处理图像信号。
5.如权利要求4所述的方法，其中滤波步骤还包括以下步骤：
将进行2维低通滤波运算步骤产生的各个被处理图像信号分段成有相似统计的区，以产生分段的被处理图像信号；
获得用于每个分段的被处理图像信号的块平均值；以及
从各个被处理图像信号的每个像素中减去各自块平均值，以产生滤波图像信号，作为输入到引入步骤中的被处理图像信号。
CNB001323733A 1999-11-11 2000-11-10 实时人类视觉系统性能模型化 Expired - Fee Related CN1183781C (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/438,697 1999-11-11
US09/438697 1999-11-11
US09/438,697 US6678424B1 (en) 1999-11-11 1999-11-11 Real time human vision system behavioral modeling

Publications (2)

Publication Number Publication Date
CN1296361A CN1296361A (zh) 2001-05-23
CN1183781C true CN1183781C (zh) 2005-01-05

Family

ID=23741664

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB001323733A Expired - Fee Related CN1183781C (zh) 1999-11-11 2000-11-10 实时人类视觉系统性能模型化

Country Status (6)

Country Link
US (1) US6678424B1 (zh)
EP (1) EP1100278B1 (zh)
JP (1) JP3498842B2 (zh)
KR (1) KR100647146B1 (zh)
CN (1) CN1183781C (zh)
DE (1) DE60020795T2 (zh)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6876381B2 (en) * 2001-01-10 2005-04-05 Koninklijke Philips Electronics N.V. System and method for providing a scalable objective metric for automatic video quality evaluation employing interdependent objective metrics
US6941017B2 (en) * 2001-09-18 2005-09-06 Tektronix, Inc. Temporal processing for realtime human vision system behavior modeling
US20040036772A1 (en) * 2001-09-25 2004-02-26 Pugel Michael Anthony Method for optimizing the level of rf signals by comparing quality of the rf signals under different operation modes
US7139035B2 (en) * 2002-12-30 2006-11-21 Texas Instruments Incorporated Video noise floor estimator with impulse noise detection
US20040207643A1 (en) * 2003-04-18 2004-10-21 Bozidar Janko Attention model enhanced video waveform monitor
GB0314161D0 (en) * 2003-06-18 2003-07-23 British Telecomm Edge analysis in video quality assessment
JP2007525907A (ja) * 2004-02-27 2007-09-06 ティディヴィジョン コーポレイション エス．エー． デ シー．ヴィ． 立体３ｄビデオイメージディジタルデコーディングのシステムおよび方法
WO2005083636A1 (es) * 2004-02-27 2005-09-09 Td Vision Corporation, S.A. De C.V. Método y sistema de codificación digital de imágenes de video 3d estereoscópicas
US7405747B2 (en) * 2004-04-14 2008-07-29 Tektronix, Inc. Extended K2T measurement of video
US7356195B2 (en) * 2004-04-29 2008-04-08 Hewlett-Packard Development Company, L.P. System and method for estimating image sharpness
US8340177B2 (en) * 2004-07-12 2012-12-25 Microsoft Corporation Embedded base layer codec for 3D sub-band coding
US8442108B2 (en) * 2004-07-12 2013-05-14 Microsoft Corporation Adaptive updates in motion-compensated temporal filtering
US8374238B2 (en) * 2004-07-13 2013-02-12 Microsoft Corporation Spatial scalability in 3D sub-band decoding of SDMCTF-encoded video
US7715646B2 (en) 2005-03-25 2010-05-11 Siemens Medical Solutions Usa, Inc. Unified visual measurement of blur and noise distortions in digital images
US7801385B2 (en) * 2005-05-10 2010-09-21 Intel Corporation Perceptual filter support techniques
US8396468B1 (en) 2005-09-15 2013-03-12 At&T Mobility Ii Llc Assessing performance and quality of a mobile communication service
US8620293B2 (en) * 2005-09-15 2013-12-31 At&T Mobility Ii Llc Location-based transmitter selection and handoff
US8509761B2 (en) * 2005-09-15 2013-08-13 At&T Mobility Ii Llc Location based services quality assessment
US8587630B1 (en) 2005-09-15 2013-11-19 At&T Mobility Ii Llc Assessing performance and quality of a mobile communication service
US7956930B2 (en) * 2006-01-06 2011-06-07 Microsoft Corporation Resampling and picture resizing operations for multi-resolution video coding and decoding
US20080012856A1 (en) * 2006-07-14 2008-01-17 Daphne Yu Perception-based quality metrics for volume rendering
KR100824264B1 (ko) * 2006-11-23 2008-04-24 주식회사 이노와이어리스 통신망을 거친 영상에 대한 품질측정장치 및 방법
WO2009040417A2 (en) * 2007-09-28 2009-04-02 Oce-Technologies B.V. Method, apparatus and computer program for adaptive compensation of a mtf
US8953673B2 (en) * 2008-02-29 2015-02-10 Microsoft Corporation Scalable video coding and decoding with sample bit depth and chroma high-pass residual layers
US8711948B2 (en) * 2008-03-21 2014-04-29 Microsoft Corporation Motion-compensated prediction of inter-layer residuals
US8644642B2 (en) 2008-04-30 2014-02-04 Nec Corporation Image quality evaluation method, system, and program based on an alternating-current component differential value
WO2009133879A1 (ja) * 2008-04-30 2009-11-05 日本電気株式会社 画像評価方法、画像評価システム及びプログラム
JP5569808B2 (ja) * 2008-04-30 2014-08-13 日本電気株式会社 画質評価システム、方法およびプログラム
US9571856B2 (en) 2008-08-25 2017-02-14 Microsoft Technology Licensing, Llc Conversion operations in scalable video encoding and decoding
US8213503B2 (en) 2008-09-05 2012-07-03 Microsoft Corporation Skip modes for inter-layer residual video coding and decoding
CN102845071B (zh) 2010-04-19 2015-01-28 杜比实验室特许公司 高动态范围、视觉动态范围和宽色域的图像与视频的质量评估
EP2508754B1 (de) 2011-04-04 2016-03-30 Siemens Aktiengesellschaft Antriebssystem für eine Windkraftanlage
WO2012142285A2 (en) 2011-04-12 2012-10-18 Dolby Laboratories Licensing Corporation Quality assessment for images that have extended dynamic ranges or wide color gamuts
ES2525159T3 (es) 2011-09-26 2014-12-18 Siemens Aktiengesellschaft Sistema de accionamiento para una central eólica
CN102447945B (zh) * 2011-11-22 2013-09-25 河海大学 一种图像亮度的jnd值测定方法
CN103070671B (zh) * 2013-01-31 2014-07-30 郑州大学 啮齿类动物视觉认知行为功能自动化测评系统
CN109285146B (zh) * 2018-08-30 2021-12-10 南京邮电大学 基于恰可觉察失真的全参考图像质量评价方法
CN110399886B (zh) * 2019-07-15 2022-09-30 华侨大学 一种屏幕图像jnd模型构建方法
DE102022101854A1 (de) 2021-06-02 2022-12-22 HELLA GmbH & Co. KGaA Verfahren zur Analyse einer Leuchtdichteverteilung des von einer Beleuchtungsvorrichtungfür ein Fahrzeug ausgehenden Lichts

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4918633A (en) * 1985-11-25 1990-04-17 Eastman Kodak Company Digital image noise reduction method and transmission system
US5010405A (en) * 1989-02-02 1991-04-23 Massachusetts Institute Of Technology Receiver-compatible enhanced definition television system
US5309526A (en) * 1989-05-04 1994-05-03 At&T Bell Laboratories Image processing system
US5313298A (en) * 1992-03-05 1994-05-17 Rubin, Bednarek And Associates, Inc. Video companding method and system
US5446492A (en) 1993-01-19 1995-08-29 Wolf; Stephen Perception-based video quality measurement system
US5790717A (en) 1993-10-26 1998-08-04 Bell Communications Research Inc. Apparatus and method for predicting subjective quality of compressed images
US5818520A (en) * 1996-02-12 1998-10-06 Tektronix, Inc. Programmable instrument for automatic measurement of compressed video quality
US5719966A (en) 1996-03-29 1998-02-17 David Sarnoff Research Center, Inc. Apparatus for assessing the visiblity of differences between two image sequences
US5974159A (en) 1996-03-29 1999-10-26 Sarnoff Corporation Method and apparatus for assessing the visibility of differences between two image sequences
US6360022B1 (en) * 1997-04-04 2002-03-19 Sarnoff Corporation Method and apparatus for assessing the visibility of differences between two signal sequences
GB9803580D0 (en) 1998-02-21 1998-04-15 Nds Ltd Determining visually noticeable differences between two images
US6285797B1 (en) * 1999-04-13 2001-09-04 Sarnoff Corporation Method and apparatus for estimating digital video quality without using a reference video

Also Published As

Publication number Publication date
JP2001197527A (ja) 2001-07-19
EP1100278A2 (en) 2001-05-16
KR20010051612A (ko) 2001-06-25
DE60020795D1 (de) 2005-07-21
US6678424B1 (en) 2004-01-13
CN1296361A (zh) 2001-05-23
EP1100278B1 (en) 2005-06-15
JP3498842B2 (ja) 2004-02-23
EP1100278A3 (en) 2003-01-22
DE60020795T2 (de) 2006-05-04
KR100647146B1 (ko) 2006-11-17

Similar Documents

Publication Publication Date Title
CN1183781C (zh) 实时人类视觉系统性能模型化
Ong et al. A no-reference quality metric for measuring image blur
CN1324906C (zh) 视频序列中模糊的测量
CN105959684A (zh) 基于双目融合的立体图像质量评价方法
US5329379A (en) System and method of measuring fidelity of decompressed video signals and images
KR100347202B1 (ko) 이미지스트림을국부적콘트라스트단위들로분해하는방법및장치
CN102737370B (zh) 检测图像前景的方法及设备
CN109612888B (zh) 基于图像技术的粉体混合均匀性检测方法
CN1656824A (zh) 根据局部边缘统计分布估计清晰度度量的方法和系统
CN105049838B (zh) 一种用于压缩立体视频质量的客观评价方法
EP0977446B1 (en) Picture quality assessment using spatial location with or without subsampling
US6690839B1 (en) Efficient predictor of subjective video quality rating measures
WO1997037323A1 (en) Method and apparatus for assessing the visibility of differences between two image sequences
CN109118442B (zh) 一种基于Sobel算子滤波的图像增强方法
CN100508628C (zh) 一种ccd摄像机信噪比数字化测试方法
Liu et al. A super resolution algorithm based on attention mechanism and srgan network
US6941017B2 (en) Temporal processing for realtime human vision system behavior modeling
US7102667B2 (en) Picture quality diagnostics for revealing cause of perceptible impairments
Katajamäki et al. Objective quality potential measures of natural color images
CN113822835B (zh) 一种易于硬件实现的图像清晰度评价方法
Zhang et al. Visually lossless perceptual image coding based on natural-scene masking models
Parfenenkov et al. Comparison of Some Image Quality Approaches.
Ruikar et al. Structural SIMilarity and correlation based filtering for Image Quality Assessment
Narayanan Ramakrishnan Detection and estimation of image blur
Yerra A SCENE STATISTICAL APPROACH TO ENHANCE THE LOW-LIGHT IMAGES

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20050105

Termination date: 20181110

CF01 Termination of patent right due to non-payment of annual fee