-
公开(公告)号：CN103475898A
公开(公告)日：2013-12-25
申请号：CN201310421710.7
申请日：2013-09-16
Applicant: 北京理工大学
IPC: H04N17/00
Abstract: 本发明涉及一种图像质量评价方法，特别涉及一种基于信息熵特征的无参考图像质量评价方法，属于图像分析领域。本方法首先对失真图像进行Contourlet变换，得到N×M个变换子带，再将每个变换子带和未变换的原始失真图像进行分块处理，然后在每个分块系数矩阵上计算空域信息熵和频域信息熵，筛选分块特征并计算均值得到每个变换子带的质量特征值。然后利用支持向量机的方法和无参考图像质量评价的两步框架，在测试集上进行测试，利用训练得到的分类模型、评价模型和测试集对应的质量特征向量，进行质量预测和评估。本方法具有主观一致性高，时间复杂度小、通用性好的特点；可以嵌入到与图像质量相关的应用系统中，具有很强的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN103475898B
公开(公告)日：2015-05-20
申请号：CN201310421710.7
申请日：2013-09-16
Applicant: 北京理工大学
IPC: H04N17/00
Abstract: 本发明涉及一种图像质量评价方法，特别涉及一种基于信息熵特征的无参考图像质量评价方法，属于图像分析领域。本方法首先对失真图像进行Contourlet变换，得到N×M个变换子带，再将每个变换子带和未变换的原始失真图像进行分块处理，然后在每个分块系数矩阵上计算空域信息熵和频域信息熵，筛选分块特征并计算均值得到每个变换子带的质量特征值。然后利用支持向量机的方法和无参考图像质量评价的两步框架，在测试集上进行测试，利用训练得到的分类模型、评价模型和测试集对应的质量特征向量，进行质量预测和评估。本方法具有主观一致性高，时间复杂度小、通用性好的特点；可以嵌入到与图像质量相关的应用系统中，具有很强的应用价值。
-
-
-
公开(公告)号：CN105338343B
公开(公告)日：2017-05-31
申请号：CN201510683215.2
申请日：2015-10-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种图像质量评价方法，特别涉及一种基于双目感知的无参考立体图像质量评价方法，属于图像分析领域。本方法首先利用失真的立体图像的左视图和右视图，计算视差和信息熵，然后分别合成单眼图像和点积图。其次，在四种输入图像(左视图、右视图、单眼图像和点积图)上分别提取自然场景统计特征。然后利用机器学习(比如SVM)的方法，进行质量预测和评估。本方法具有主观一致性高的特点；可以嵌入到立体图像/视频处理相关的应用系统中，具有很强的应用价值。
-
公开(公告)号：CN105338343A
公开(公告)日：2016-02-17
申请号：CN201510683215.2
申请日：2015-10-20
Applicant: 北京理工大学
CPC classification number: H04N17/00 , H04N13/106
Abstract: 本发明涉及一种图像质量评价方法，特别涉及一种基于双目感知的无参考立体图像质量评价方法，属于图像分析领域。本方法首先利用失真的立体图像的左视图和右视图，计算视差和信息熵，然后分别合成单眼图像和点积图。其次，在四种输入图像(左视图、右视图、单眼图像和点积图)上分别提取自然场景统计特征。然后利用机器学习(比如SVM)的方法，进行质量预测和评估。本方法具有主观一致性高的特点；可以嵌入到立体图像/视频处理相关的应用系统中，具有很强的应用价值。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
