CN1470014A - 用于优化视频处理算法链中的控制参数设置的系统和方法 - Google Patents
用于优化视频处理算法链中的控制参数设置的系统和方法 Download PDFInfo
- Publication number
- CN1470014A CN1470014A CNA018090389A CN01809038A CN1470014A CN 1470014 A CN1470014 A CN 1470014A CN A018090389 A CNA018090389 A CN A018090389A CN 01809038 A CN01809038 A CN 01809038A CN 1470014 A CN1470014 A CN 1470014A
- Authority
- CN
- China
- Prior art keywords
- video
- unit
- processnig algorithms
- algorithms
- chain
- 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
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
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Picture Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
为用于一种能够利用视频处理算法链处理视频流的视频处理系统，公开了一种系统和方法，用于在视频处理算法链中优化配置各个视频处理算法的控制参数设置，从而提供高质量视频图像。本发明的视频处理系统包括视频处理算法链、优化单元以及客观质量量度单元。来自视频处理算法链的输出视频流被反馈到客观质量量度单元。客观质量量度单元计算适合值并将该适当值提供给优化单元。优化单元利用该适当值配置视频处理算法的控制参数设置。在本发明的一个有利的实施例中，优化单元在优化过程中利用遗传算法。视频处理系统反复向产生非常高质量视频图像的控制参数配置收敛。
Description
本发明涉及2000年12月12日由Ali等人提交的题为“用于为自动视频质量评估提供可缩放的动态客观量度的系统和方法”的美国专利申请序列号No.09/734823中所公开的内容。相关专利已共同转让给了本发明的受让方。相关专利申请的公开在这里通过引用结合到本专利申请中，就象在这里完全地阐述了一样。
本发明一般针对能够利用视频处理算法链来处理视频流的视频处理系统，更具体地说，本发明针对用于优化配置各种视频处理算法的控制参数设置，从而提供高质量视频图像的系统和方法。
视频专家不断地寻求发展新的和改进的视频处理算法，以改进视频图像的质量。主要目的是获得可能的最高质量视频图像。在视频处理系统中，将一种或多种视频处理算法应用到视频流，以修改视频流的特性，从而获得最高水平的视频质量。
例如，在电视机中，可以由若干视频函数对视频信号流进行处理。这些视频函数可包括提高清晰度、噪声抑制、色彩校正以及其它类似的视频图像处理技术。各个视频函数可具有一个或多个必须设置为特定值的控制参数。控制参数设置的值影响视频图像的质量。此外，各种视频函数的应用顺序也可能影响视频图像的质量。
随着视频系统的发展，常常引进新型的视频处理算法。另外，常常对较老的视频处理算法类型进行改进。随着时间的过去，视频处理算法的能力趋向于提高。类似地，执行视频处理算法的复杂性也趋向于随时间而增大。
通常与最终使用视频处理算法的视频处理系统相隔离地发展和评估视频处理算法。在评估后，各个视频处理算法被组合在诸如电视机、机顶盒或其它类型消费产品的视频处理系统中。
最终在视频处理系统中通过视频处理算法链获得的视频图像质量很大程度上取决于所有不同的组成的视频处理算法的相互作用。这种相互作用取决于各算法的控制参数设置、连续算法之间传递的数据量以及视频处理链中连续算法的顺序。长时间以来，一直利用adhoc方法确定一系列视频处理算法链的最佳控制参数设置。但是，现在用于优化整个视频图像质量的ad hoc方法非常耗时，并且并不保证最佳可能结果。
因此，本领域需要一种提供对视频处理算法链中视频处理算法的相互作用进行透彻分析的系统和方法。本领域还需要一种提供形式仿真环境的系统和方法，这种形式仿真环境用于测试视频处理算法的相互作用，以发现控制参数设置的优化组合，从而提供高质量视频图像。
本领域还需要一种能够确定视频处理算法的优化顺序的系统和方法。本领域还需要一种能够确定视频处理算法的控制参数的最佳设置的系统和方法。本领域还需要一种能够确定视频处理算法的比特精度参数的最佳设置的系统和方法。
为了解决上述现有技术的不足，本发明的系统和方法提供了视频处理算法中优化控制参数设置的自动程序，以获得非常高水平的视频图像质量。
本发明的视频处理系统包括视频处理算法链、优化单元以及客观质量量度单元。来自视频处理单元链的输出视频流被反馈到客观质量量度单元。客观质量量度单元计算适当的值并将该适合值提供给优化单元。优化单元利用该适合值配置视频处理算法的控制参数设置。视频处理系统反复向控制参数配置收敛，从而产生非常高质量的视频图像。在一个有利的实施例中，优化单元包括利用遗传算法执行优化处理的遗传算法单元。
本发明的一个目的是提供一种用于优化配置视频处理算法，以提供高质量视频图像的系统和方法。
本发明的另一个目的是提供一种用于优化配置视频处理算法的应用顺序，以提供高质量视频图像的系统和方法。
本发明的再一个目的是提供一种利用优化单元优化至少一种视频处理算法的至少一个控制参数设置的系统和方法。
本发明的又一个目的是提供一种利用遗传算法优化至少一种视频处理算法的至少一个控制参数设置的系统和方法。
本发明还有一个目的是提供一种利用表示视频流的视频质量的适合值来优化视频处理算法中的控制参数设置的系统和方法。
本发明还有一个目的是提供一种客观质量量度单元和优化单元的组合，用于优化视频处理算法中的控制参数设置。
本发明还有一个目的是提供一种在包括多个视频处理算法链的视频处理系统中用于优化视频处理算法中的控制参数设置的系统和方法。
上述内容相当概括地描述了本发明的特点和技术优点，以便使本领域的技术人员可以更好地理解下面对本发明的详细描述。下面将对构成本发明的权利要求的内容的本发明的其它特性和优点进行描述。本领域的技术人员应该理解，它们可以方便地利用所公开的概念和特定实施例作为基础，用于修改或设计执行本发明的相同目的的其它结构。本领域的技术人员还应该认识到，这类等效结构并不背离本发明在它最广泛形式上的精神和范围。
在理解本发明的详细描述之前，对贯串本专利文件的某些词和短语的定义进行阐述可能是有利的：术语“包括”和“包含”及其派生词表示非限制性的包括；术语“或”是包括在内的，表示和/或；短语“与…相关”和“与此相关”及其派生词可以表示包括、被包括在、与…相互联系、包含、被包含在、连接到或与…连接、耦合到或与…耦合、可传递到、与…合作、交织、并列、近似于、必然、具有…属性等等；同时术语“控制器”、“处理器”或“装置”表示控制至少一种操作的任何装置、系统或它们的部件，这种装置可以用硬件、固件或软件，或者它们中的至少两种的组合来实现。应该注意，与任何特定控制器有关的功能性可以是集中的或分布的，不论本地的或远程的。具体地说，控制器可包括一个或多个处理器以及相关的输入/输出装置和存储器，它们执行一个或多个应用程序和/或操作系统程序。对于这些词和短语的定义应用于整个专利文件。本领域的技术人员应该理解，在许多情况下，如果不是大多数情况下，这种定义适用于这样定义的单词或短语的之前以及将来的应用。
为了更全面地理解本发明及其优点，现在开始参考附图对一些描述进行说明，其中相同标号表示相同对象，图中：
图1说明了利用本发明的系统和方法，用于配置视频处理算法链的例示视频处理系统的方框图；
图2说明了四个视频处理算法组成的链的方框图，所述视频处理链包括空间换算算法、直方图修改算法、自适应峰值算法以及噪声抑制算法；
图3说明了本发明的视频处理染色体的方框图，其中包括功能顺序基因、比特精度基因、噪声抑制参数基因以及峰值参数基因；以及
图4描述了说明本发明的方法的有利实施例的操作的流程图，其中对视频处理算法链进行了优化，以得到高质量视频信号。
本专利文件中，以下讨论的图1到4，以及用于描述本发明的原理的各种实施例都仅仅作为说明性的，并不应该以任何方式解释为对本发明的范围的限制。在下面对例示实施例的描述中，本发明被集成到视频处理系统中或者与视频处理系统联合使用。本领域的技术人员将认识到，本发明的例示实施例可以被方便地修改，以用于任何类型的视频处理系统。
图1说明了本发明的例示视频处理系统100的方框图，用于在视频处理算法链中优化各种视频处理算法的控制参数设置。视频处理系统100一般地包括视频处理算法链110、优化单元120以及客观质量量度单元130。将输入视频流(图1中标记为“视频输入”)作为输入提供给链110。从链110输出输出视频流(图1中标记为“视频输出”)。输出视频流的复制被反馈到客观质量量度单元130。
客观质量量度单元130提供可缩放的动态客观量度，用于自动评估视频质量。在2000年12月12日Ali等人提交的题为“用于为自动视频质量评估提供可缩放的动态客观量度的系统和方法”的美国专利申请序列号No.09/734823中提出并描述了有关客观质量量度单元130的操作细节的信息。
客观质量量度单元130的输出作为输入提供给了优化单元120。就如将进行的更全面描述，优化单元120为链110中的各个视频处理算法配置控制参数设置。优化单元120可以利用不同类型的优化技术。为了对本发明进行说明，将对利用“遗传算法”优化技术的优化单元120的有利实施例进行描述。但是，本发明并不限于利用遗传算法优化技术。显然，本发明也可以采用其它类型的优化技术。
遗传算法优化技术是基于进化概念的，多样性帮助保证在变化的环境条件下群体的生存。一般参见David E.Goldberg、Addison-Wesley、Reading、Massachusetts在1989年所著的“在研究、优化和机器学习中的遗传算法”。遗传算法是优化和搜索方面简单而又稳固的方法。遗传算法是保持以染色体形式编码的候选方案的群体的反复过程。候选方案的初始群体可以用探试或随机方式选择。染色体定义一代中的各个候选方案。对于每一代，为各个候选方案估计并分配一个适合值。适合值一般是各候选方案的染色体中所包含的解码比特的函数。根据它们的适合值选择这些候选方案，用于下一代的再生。本发明的适合值由客观质量量度单元130提供。
利用称之为“交叉”的遗传重组操作组合所选的候选方案。交叉操作者交换部分染色体的比特，这样做有希望产生更好的候选方案，其中下一代具有更高的适合。接着应用“突变”来干扰染色体的比特，以便保证搜索问题空间的特定子空间的概率永不为零。更多的信息可参考A.Chipperfield和P.fleming所著题为“平行遗传算法”的文章(page 1118-1143 of the book Parallel and Distributed ComputingHandbook by A.Y.H.Zomaya Mcgraw Hill，New York，1996)。“突变”还防止了遗传算法陷入局部最优。一般地参见P.Husbands所著题为“优化和适应中的遗传算法”的文章(page 227-276 of the bookAdvances in Parallel Algorithms by L.Kronsjo andD.Shumsheruddin(editors)，Blackwell Scientific，Boston，Massachusetts，1990)。
再次对下一代中的整个候选方案群体进行估计，并且该过程一直持续到过程达到终止标准。可以由找到可接受的近似方案、由达到特定代数、或者由达到将方案收敛到理论最优来触发终止标准。
本发明的系统和方法利用遗传算法来发现用于视频处理算法的优化控制设置的选择，遗传算法还提供实现的备选方案并提供用于获得最佳客观视频质量的互联方案。在优化视频处理方案中，染色体定义了一种方式，不同的视频处理算法以这种方式被联系在一起，因此以这种方式处理视频序列。染色体由若干基因组成。本发明的视频优化过程中的基因包括(1)视频处理函数，以及(2)视频处理函数的应用顺序(它确定了连接方案)。
图2说明了链110的例示实施例的方框图。在此实施例中，链110包括四个(4)视频处理算法。这四个视频处理算法为空间换算算法210、直方图修改算法220、自适应峰值算法230以及噪声抑制算法240。本发明并不限于具有四个(4)视频处理算法的实施例。视频处理算法链110一般可包括任何整数数量的视频处理算法。
图3说明了本发明的视频处理染色体300的方框图。染色体300包括功能顺序基因310、比特精度基因320、噪声抑制参数基因330以及峰值参数基因340。链110中的各种视频处理算法(210，220，230，240)可以被配置为利用染色体300中的四个(4)基因(310，320，330，340)。具体地说，视频处理算法的应用顺序可以被改变，各个视频处理算法的控制参数设置可以被改变，同时各个视频处理算法的比特精度可以被改变。
在本发明的一个有利实施例中，优化单元120利用遗传算法优化技术配置各个视频处理算法(210，220，230，240)的控制参数。遗传算法利用位于染色体300的基因(310，320，330，340)中的信息。例如，可以利用峰值参数基因340改变四个(4)视频处理算法中的各个算法的峰值(清晰度)控制参数。配置视频处理算法的过程在图1中由箭头140进行了示意性地表示。
优化单元120尽可能地从类上配置各个视频处理算法。也就是说，优化单元120假定没有有关特定视频处理算法或有关它的连接性约束(即视频处理算法的顺序)的先有信息。优化单元120干扰链110中各个视频处理算法的预定控制参数组。两个连续视频处理算法之间的数据比特精度(即数据总线中比特的数量，或者“总线宽度”)也是要优化的控制参数。
利用来自客观质量量度单元130的适合值，由优化单元120连续使用遗传算法确定下面应该尝试控制参数(即候选方案)的哪种配置。提供良好视频图像的候选方案被保留，同时提供不良视频图像的候选方案被放弃。在这种“适者生存”原则的驱使下，视频处理系统100反复地向产生最佳高质量视频图像的控制参数配置收敛。
优化单元120所用的遗传算法可以是各种各样的标准遗传搜索算法。更多的信息参见L.Eshelman所著的题为“CHC自适应搜索算法，如何在进行非传统遗传重组时具有安全搜索”的文章(page265-283 of the book Foundations of Genetic Algorithms byG.Rawlins(editor)，Morgan Kaufman Publishers，New Your，1991)。随机地产生N个染色体的初始群体，并且对各个染色体进行估计。以下述方式产生中间群体：(1)将当前群体复制到中间群体。(2)当前群体中的各个染色体随机地与另一染色体进行配对。(3)如果满足不同标准，则进行交叉。(4)用户可以指定交叉标准。(5)对得到的“子女”进行估计，并添加到中间群体中。
得到的中间群体具有大于N个染色体(如果所有染色体对具有足够的差异，则为2N)。从中间群体选择最佳的N个染色体并将它们传递到下一代。注意，在这个阶段没有执行突变。仅当两个染色体之间的差异大于阀值时交换这两个染色体。当找不到差异大于阀值的染色体对，则降低阀值。当阀值到零(“0”)时，进行群体的重新初始化(或“发散”)。这里，选择可得到的最佳染色体作为代表，并复制到下一代。通过突变这个模板染色体的比特的一个百分比(百分之三十五(35％))来产生剩下的染色体。
当发散或发散“失败”(即没有改进结果的发散)的数量达到特定数量时，遗传算法终止。用户也可以指定允许的最大尝试次数(即估计)。
图2所示的特定视频处理算法组被选作说明性示例，这是由于它们在任何视频处理系统中的至关重要的地位。此外，图2所示的一些视频处理算法具有竞争要求。例如，(1)增加清晰度可增强对现有噪声的感觉，以及(2)抑制噪声将使画面模糊，导致图像明确性上的损失。
如上所述，视频处理系统100一般包括视频处理算法链110、优化单元120以及客观质量量度单元130。视频处理系统100中的计算瓶颈在于视频处理算法链110的复杂性。为了降低计算要求，可能同时并行运行若干视频处理算法链(取决于并行计算机上可得到的计算处理器)。还可能同时运行若干客观质量量度单元。这种将并行单元用于视频处理系统100中希望计算的部分的方法大大增强了可能得到的整体性能。
优化单元120所用的遗传算法的类型能够方便地适应在链110中插入新的视频处理算法以及从中去掉老的视频处理算法。以这种方式，视频处理系统100可以利用可得到的视频处理算法(210，220，230，240)的实现，在链110中周期性地重新优化视频处理算法。
注意，控制参数的可能组合具有大量选择数目。例如，相对小的四个视频处理算法链可以产生多至十万(100,000)种配置。为了有效地优化视频处理算法的控制参数设置，最好首先将巨大的搜索空间减少到可管理的规模。
不必考虑一代的整个种类中各个候选方案的各个单独特性。如果所讨论的染色体具有长序列，则对各个独立候选方案的完全研究将是昂贵的。有可能存在许多非常相似的候选方案。目标是找到并选择“适合”的个体(即：使链110产生高质量视频信号的候选方案)。更有效的是选择有限数量的典型个体并对这些典型个体进行研究，而不是对整代的每个个体进行研究。
还有可能根据分支的继承染色体结构删除“进化”过程的“不适合”分支。根据“进化”过程的概率，有可能好“父亲” (具有诸如良好的客观清晰度增强的所需行为特性的实现)将具有继承相同所需行为特性的“儿子”。也就是说，将允许“适合”分支繁殖，同时不允许“不适合”分支繁殖。
利用这些准则修改遗传算法将导致优化过程收敛到最佳候选方案所需时间减少。
图4描述了说明根据本发明的一个有利实施例例示视频系统100的操作的流程图400。视频处理系统100在视频处理算法链110中接收“视频输入”并用视频处理算法(210，220，230，240)处理视频信号(处理步骤410)。确定视频信号是否已经被优化(确定步骤420)。如果视频信号已被优化，则过程结束。如果视频信号还没有被优化，则控制继续到处理步骤430。
将来自链110的“视频输出”信号的复制信号反馈到客观质量量度单元130(处理步骤430)。客观质量量度单元130接着确定输出视频流的适合值(处理步骤440)。将适合值提供给优化单元120中的遗传算法，同时优化单元120利用遗传算法配置链110中视频处理算法(210，220，230，240)中的控制参数设置(处理步骤450)。控制接着继续到处理步骤410。利用新配置的视频处理算法(210，220，230，240)处理在链110中出现的视频信号(处理步骤410)。过程继续到视频信号被优化为止。
所以，本发明的系统和方法包括能够在视频处理算法(210，220，230，240)链110中优化控制参数设置的改进视频处理系统100，本发明的系统和方法利用遗传算法将控制参数设置的值反复向产生非常高质量视频图像的控制参数设置的配置收敛。
尽管已经详细描述了本发明，但本领域的技术人员应该理解，他们可以从中进行各种修改、替代和改变，并不背离本发明在其最广泛形式下的精神和范围。
Claims (24)
1.一种系统(120)，所述系统(120)用在包括处理视频流的视频处理算法链(110)的类型的视频处理系统(100)中，用于在所述视频处理算法链(110)中优化至少一种所述视频处理算法的至少一个控制参数设置，所述系统(120)包括优化单元(120)，其中所述优化单元(120)包括能够优化所述至少一种视频处理算法的至少一个控制参数设置的算法。
2.如权利要求1所述的系统(120)，其特征在于，还包括连接到所述优化单元(120)的客观质量量度单元(130)，所述客观质量量度单元(130)能够从所述视频处理算法链(110)接收输出视频流，并能够确定表征所述输出视频流的视频质量的适合值，以及能够向所述优化单元(120)中的所述算法提供所述适合值。
3.如权利要求2所述的系统(120)，其特征在于，所述优化单元中的所述算法利用所述适合值优化所述至少一种视频处理算法的至少一个控制参数设置。
4.如权利要求1所述的系统(120)，其特征在于，所述优化单元(120)包括一种能够在所述视频处理算法链(110)中优化多种视频处理算法中的每种算法的多个控制参数设置的算法。
5.如权利要求4所述的系统(120)，其特征在于，还包括连接到所述优化单元(120)的客观质量量度单元(130)，所述客观质量量度单元(130)能够从所述视频处理算法链(110)接收输出视频流，并能够确定表征所述输出视频流的所述视频质量的适合值，以及能够向所述优化单元(120)中的所述算法提供所述适合值。
6.一种系统(120)，所述系统(120)用在包括处理视频流的视频处理算法链(110)的类型的视频处理系统(100)中，用于在所述视频处理算法链(110)中优化至少一种所述视频处理算法的至少一个控制参数设置，所述系统(120)包括遗传算法单元(120)，其中所述遗传算法单元(120)包括能够优化所述至少一种视频处理算法的至少一个控制参数设置的遗传算法。
7.如权利要求6所述的系统(120)，其特征在于，还包括连接到所述遗传算法单元(120)的客观质量量度单元(130)，所述客观质量量度单元(130)能够从所述视频处理算法链(110)接收输出视频流，并能够确定表征所述输出视频流的所述视频质量的适合值，以及能够向所述遗传算法单元(120)中的所述遗传算法提供所述适合值。
8.如权利要求7所述的系统(120)，其特征在于，所述遗传算法单元(120)中的所述遗传算法利用所述适合值优化所述至少一种视频处理算法的至少一个控制参数设置。
9.如权利要求6所述的系统(120)，其特征在于，所述遗传算法单元(120)包括一种能够在所述视频处理算法链(110)中优化多种视频处理算法中的每种算法的多个控制参数设置的遗传算法。
10.如权利要求9所述的系统(120)，其特征在于，还包括连接到所述遗传算法单元(120)的客观质量量度单元(130)，所述客观质量量度单元(130)能够从所述视频处理算法链(110)接收输出视频流，并能够确定表征所述输出视频流的视频质量的适合值，以及能够向所述遗传算法单元(120)中的所述遗传算法提供所述适合值。
11.如权利要求10所述的系统(120)，其特征在于，所述遗传算法单元(120)中的所述遗传算法利用所述适合值优化多种所述视频处理算法的多个控制参数设置。
12.如权利要求11所述的系统(120)，其特征在于，所述多个控制参数设置中的至少一个包括所述视频处理算法链(110)中应用所述视频处理算法的顺序。
13.如权利要求11所述的系统(120)，其特征在于，所述视频处理算法的所述多个控制参数设置中的至少一个包括下列参数之一：比特精度参数，噪声抑制参数以及峰值参数。
14.一种系统(120)，所述系统(120)用在包括处理多个视频流的多个视频处理算法链(110)的类型的视频处理系统(100)中，用于在所述多个视频处理算法链(110)中优化多个所述视频处理算法的多个控制参数设置，所述系统(120)包括：
-连接到所述多个并行视频处理算法链(110)的多个遗传算法单元(120)，所述多个遗传算法单元(120)中的每个单元包括一种能够优化所述多种视频处理算法的所述多个控制参数设置的遗传算法；以及
-多个客观质量量度单元(130)，所述多个客观质量量度单元(130)中的各个单元连接到所述多个遗传算法单元(120)之一，所述多个客观质量量度(130)中的各个单元能够从所述多个视频处理算法链(110)之一接收输出视频流，并能够确定表征所述输出视频流的视频质量的适合值，以及能够向所述客观质量量度单元(130)所连接的遗传算法单元(120)中的遗传算法提供所述适合值；
-其中所述多个遗传算法单元(120)中的各个单元中的所述遗传算法利用所述适合值优化所述多个视频处理算法的多个控制参数设置。
15.如权利要求6所述的系统(120)，其特征在于，所述系统(120)包括一种遗传算法，其中去除了不提供视频质量改进的候选方案。
16.如权利要求6所述的系统(120)，其特征在于，所述系统(120)包括一种遗传算法，其中考虑了很可能提供视频质量改进的有限数量的代表性候选方案。
17.如权利要求6所述的系统(120)，其特征在于，所述系统(120)包括一种遗传算法，其中考虑了从之前存在的很可能提供视频质量改进的合乎需要的候选方案中得到的候选方案。
18.一种方法，用在包括处理视频流的视频处理算法链(110)的类型的视频处理系统(100)中，所述方法用于在所述视频处理算法链(110)中优化至少一种所述视频处理算法的至少一个控制参数设置，所述方法包括以下步骤：利用优化单元(120)中的算法优化所述视频处理算法中的至少一种算法的至少一个控制参数设置。
19.如权利要求18所述的方法，其特征在于，所述算法包括遗传算法。
20.如权利要求19所述的方法，其特征在于，还包括一些步骤：
-在客观质量量度单元(130)中，从所述视频处理算法链(110)接收输出视频流；
-在所述客观质量量度单元(130)中确定所述输出视频流的适合值；
-向所述遗传算法提供所述适合值；以及
-在所述遗传算法中，利用所述适合值优化所述视频处理算法中的至少一种算法的至少一个控制参数设置。
21.如权利要求19所述的方法，其特征在于，所述遗传算法能够在所述视频处理算法链(110)中优化多种视频处理算法中的各种算法的多个控制参数设置。
22.如权利要求21所述的方法，其特征在于，还包括一些步骤：
-在客观质量量度单元(130)中，从所述视频处理算法链(110)接收输出视频流；
-在所述客观质量量度单元(130)中确定所述输出视频流的适合值；
-向所述遗传算法提供所述适合值；以及
-在所述遗传算法中，利用所述适合值优化多个所述视频处理算法的所述多个控制参数设置。
23.如权利要求22所述的方法，其特征在于，所述多个控制参数设置中的至少一个包括所述视频处理算法链(110)中应用所述视频处理算法的顺序。
24.如权利要求22所述的方法，其特征在于，所述视频处理算法的所述多个控制参数设置中的至少一个包括下列参数之一：比特精度参数，噪声抑制参数以及峰值参数。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US26084101P | 2001-01-10 | 2001-01-10 | |
| US60/260,841 | 2001-01-10 | ||
| US09/817,981 | 2001-03-27 | ||
| US09/817,981 US7082222B2 (en) | 2001-01-10 | 2001-03-27 | System and method for optimizing control parameter settings in a chain of video processing algorithms |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1470014A true CN1470014A (zh) | 2004-01-21 |
Family
ID=26948205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA018090389A Pending CN1470014A (zh) | 2001-01-10 | 2001-12-17 | 用于优化视频处理算法链中的控制参数设置的系统和方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US7082222B2 (zh) |
| EP (1) | EP1358539A2 (zh) |
| JP (1) | JP2004518340A (zh) |
| KR (1) | KR20030005220A (zh) |
| CN (1) | CN1470014A (zh) |
| WO (1) | WO2002056596A2 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105072139A (zh) * | 2015-06-26 | 2015-11-18 | 腾讯科技（深圳）有限公司 | 推荐方法和装置 |
| CN113645457A (zh) * | 2021-10-14 | 2021-11-12 | 北京创米智汇物联科技有限公司 | 自动化调试的方法及装置、设备、存储介质 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6915027B2 (en) * | 2002-04-17 | 2005-07-05 | Koninklijke Philips Electronics N.V. | Method and an apparatus to speed the video system optimization using genetic algorithms and memory storage |
| US20040025183A1 (en) * | 2002-07-31 | 2004-02-05 | Koninklijke Philips Electronics N.V. | Optimization of personal television |
| DE50212936D1 (de) * | 2002-10-24 | 2008-12-04 | L 1 Identity Solutions Ag | Prüfung von Bildaufnahmen von Personen |
| JP2006509402A (ja) * | 2002-12-05 | 2006-03-16 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 最小計算要求による高速収束のための映像システムの２進数表現による確率ベクトルを利用する方法及び装置 |
| JP2005032018A (ja) * | 2003-07-04 | 2005-02-03 | Semiconductor Energy Lab Co Ltd | 遺伝的アルゴリズムを用いたマイクロプロセッサ |
| WO2010093745A1 (en) | 2009-02-12 | 2010-08-19 | Dolby Laboratories Licensing Corporation | Quality evaluation of sequences of images |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6004015A (en) | 1994-11-24 | 1999-12-21 | Matsushita Electric Industrial Co., Ltd. | Optimization adjusting method and optimization adjusting apparatus |
| WO2000033207A1 (en) * | 1998-12-03 | 2000-06-08 | Qbeo, Inc. | Digital image improvement through genetic image evolution |
| AU3249600A (en) | 1999-03-18 | 2000-10-04 | Showbites, Inc. | Method for optimization of video coverage |
| DE10130274C2 (de) | 2001-06-26 | 2003-05-28 | Global Patent Consulting Gmbh | Datenfluß-Analysator |
-
2001
- 2001-03-27 US US09/817,981 patent/US7082222B2/en not_active Expired - Lifetime
- 2001-12-17 KR KR1020027011864A patent/KR20030005220A/ko not_active Application Discontinuation
- 2001-12-17 WO PCT/IB2001/002574 patent/WO2002056596A2/en not_active Application Discontinuation
- 2001-12-17 EP EP01273154A patent/EP1358539A2/en not_active Withdrawn
- 2001-12-17 JP JP2002557127A patent/JP2004518340A/ja not_active Withdrawn
- 2001-12-17 CN CNA018090389A patent/CN1470014A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105072139A (zh) * | 2015-06-26 | 2015-11-18 | 腾讯科技（深圳）有限公司 | 推荐方法和装置 |
| CN105072139B (zh) * | 2015-06-26 | 2018-09-04 | 腾讯科技（深圳）有限公司 | 推荐方法和装置 |
| CN113645457A (zh) * | 2021-10-14 | 2021-11-12 | 北京创米智汇物联科技有限公司 | 自动化调试的方法及装置、设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004518340A (ja) | 2004-06-17 |
| US20020143718A1 (en) | 2002-10-03 |
| EP1358539A2 (en) | 2003-11-05 |
| WO2002056596A2 (en) | 2002-07-18 |
| KR20030005220A (ko) | 2003-01-17 |
| WO2002056596A3 (en) | 2003-09-12 |
| US7082222B2 (en) | 2006-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Meng et al. | Parameters with adaptive learning mechanism (PALM) for the enhancement of differential evolution | |
| Horng | Vector quantization using the firefly algorithm for image compression | |
| CN111078911B (zh) | 一种基于自编码器的无监督哈希方法 | |
| TWI744827B (zh) | 用以壓縮類神經網路參數之方法與裝置 | |
| EP3051822B1 (en) | Color table generation for image coding | |
| CN1470014A (zh) | 用于优化视频处理算法链中的控制参数设置的系统和方法 | |
| KR101014296B1 (ko) | 가우시안 모델을 이용한 영상 처리 장치 및 방법 | |
| CN112633457A (zh) | 一种基于多目标水稻育种算法的高光谱图像波段选择方法 | |
| CN116302481B (zh) | 基于稀疏知识图谱链接预测的资源分配方法及系统 | |
| US20240314293A1 (en) | Lossless image compression using block based prediction and optimized context adaptive entropy coding | |
| CN1511304A (zh) | 视频处理系统高效自动设计和调整的系统和方法 | |
| Sun et al. | A novel fractal coding method based on MJ sets | |
| CN115618955A (zh) | 一种量子线路优化方法、装置、设备及存储介质 | |
| CN113177627B (zh) | 优化系统、重新训练系统及其方法及处理器和可读介质 | |
| US5781128A (en) | Data compression system and method | |
| Linck et al. | SVG-CNN: A shallow CNN based on VGGNet applied to intra prediction partition block in HEVC | |
| CN116383290B (zh) | 一种数据泛化解析方法 | |
| Li et al. | A general codebook design method for vector quantization | |
| Vogel et al. | Design and implementation of number representations for efficient multiplierless acceleration of convolutional neural networks | |
| CN115482383A (zh) | 一种具有稀疏化效应的持续学习语义分割方法 | |
| CN114610912A (zh) | 多媒体分类模型的剪枝方法、装置、服务器及存储介质 | |
| CN1748428A (zh) | 利用质量指示符优化可缩放视频算法资产分配 | |
| CN118674659A (zh) | 一种一体式任务的宽度自适应动态图像恢复方法 | |
| CN117252235A (zh) | 一种云边协同神经网络的切分点数据处理方法 | |
| CN118451713A (zh) | 用于视频编码的系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |