-
公开(公告)号:CN111798473A
公开(公告)日:2020-10-20
申请号:CN202010696030.6
申请日:2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于弱监督学习的图像协同分割方法,包括以下步骤:步骤S1:获取一组包含m张图像的图像集,并设置高斯模型个数和加权参数;步骤S2:采用高斯模型将第i个图像聚成k个类,并计算图像的前景概率图;步骤S3:将所有边界高斯分布视为背景查询,激活图像集的前景概率图;步骤S4:生成图像协同分割的结果并用图像的连通性进行处理,得到二进制图像集,即为所得图像协同分割的结果。本发明将图像边界作为弱监督先验嵌入到协同分割的问题公式中去,得到二进制图像集,并结合图的连通性实现图像协同分割。
-
公开(公告)号:CN111711816A
公开(公告)日:2020-09-25
申请号:CN202010649273.4
申请日:2020-07-08
Applicant: 福州大学
IPC: H04N19/154 , G06K9/62 , G06N3/04 , H04N17/00
Abstract: 本发明涉及一种基于可察知编码效应强度的视频客观质量评价方法,包括以下步骤:步骤S1:每类可察知编码效应的正负样本输入DenseNet卷积神经网络,训练得到相应的可察知编码效应的检测和识别模型;步骤S2:根据训练后的基于DenseNet卷积神经网络的可察知编码效应的检测和识别模型,得到视频的可察知编码效应强度;步骤S3:计算基于可察知编码效应强度的客观质量指标Q;步骤S4:通过主观测试,计算视频的平均主观意见分,建立基于可察知编码效应强度的客观质量指标Q与视频平均主观意见分的映射关系;步骤S5:根据客观质量指标Q与视频平均主观意见分的映射关系,构建基于可察知编码效应的视频质量评价模型。本发明能够精确的获得视频图像质量的评价结果。
-