-
公开(公告)号：CN108600745B
公开(公告)日：2020-02-18
申请号：CN201810882119.4
申请日：2018-08-06
Applicant: 北京理工大学
IPC: H04N17/00
Abstract: 本发明公开了一种基于时空域切片多图谱配置的视频质量评价方法，属于图像视频分析技术领域。本方法运用时空域切片思想，将原始和失真视频序列转换到时空域切片表示形式，在空域切片上提取失真友好的边缘图和帧差图，然后，在所有切片序列上提取梯度幅值和梯度方向组成的变化图和拉普拉斯校正的静止图，与原始图构成图谱从而完成图谱配置。之后，将待评价视频的时空域稳定性引入切片领域进行图谱的生成计算，引入2D图像质量评价方法，计算生成图谱参考‑失真对的差异值。最后，应用神经网络方法，以学习的方式自动确定每张图谱对视频失真的贡献度的权重。本发明方法与已有技术相比，具有主观一致性高、兼容性强、算法稳定性高等特点。
-
Patent Agency Ranking
公开(公告)号：CN107635136A
公开(公告)日：2018-01-26
申请号：CN201711003045.4
申请日：2017-10-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种立体图像质量评价方法，特别涉及一种基于视觉感知和双目竞争的无参考立体图像质量评价方法，属于图像分析领域。本方法首先将输入立体图像对转化为灰度信息，对灰度信息利用匹配算法得到立体图像对的模拟视差图和不确定性图，同时利用灰度信息及其滤波响应和模拟视差图校正合成单眼图像。其次，将得到的单眼图像和不确定性图在不同尺度空间和频率空间上进行高斯差分处理，并提取自然场景统计和视觉感知特征向量。然后，利用支持向量机和BP神经网络分别对特征进行训练，得到预测模型，应用预测模型和测试及对应的特征向量，进行质量预测和评估。本方法具有主观一致性高，数据库独立性高，稳定性高的特点，在处理多种复杂失真类型时都表现出了极具竞争力的效果，可以嵌入到立体图像/视频处理等立体视觉内容相关的应用系统中，具有很强的应用价值。
-
公开(公告)号：CN107018410A
公开(公告)日：2017-08-04
申请号：CN201710323747.4
申请日：2017-05-10
Applicant: 北京理工大学
IPC: H04N17/00
CPC classification number: H04N17/004
Abstract: 本发明涉及一种图像质量评价方法，特别涉及一种基于预注意机制和空间依赖性的无参考图像质量评价方法，属于图像分析领域。本方法首先将输入图像分解为彩色信息和灰度信息，其中彩色信息通过SCIELAB颜色空间变换得到，同时应用尺度空间对灰度信息做进一步的处理。其次，应用灰度色调共生矩阵从这两部分信息中提取特征向量。然后，利用支持向量机和BP神经网络分别对特征进行训练，得到预测模型，应用预测模型和测试及对应的特征向量，进行质量预测和评估。本方法具有主观一致性高，数据库独立性高，稳定性高的特点，可以嵌入到图像/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：CN108600745A
公开(公告)日：2018-09-28
申请号：CN201810882119.4
申请日：2018-08-06
Applicant: 北京理工大学
IPC: H04N17/00
Abstract: 本发明公开了一种基于时空域切片多图谱配置的视频质量评价方法，属于图像视频分析技术领域。本方法运用时空域切片思想，将原始和失真视频序列转换到时空域切片表示形式，在空域切片上提取失真友好的边缘图和帧差图，然后，在所有切片序列上提取梯度幅值和梯度方向组成的变化图和拉普拉斯校正的静止图，与原始图构成图谱从而完成图谱配置。之后，将待评价视频的时空域稳定性引入切片领域进行图谱的生成计算，引入2D图像质量评价方法，计算生成图谱参考-失真对的差异值。最后，应用神经网络方法，以学习的方式自动确定每张图谱对视频失真的贡献度的权重。本发明方法与已有技术相比，具有主观一致性高、兼容性强、算法稳定性高等特点。
-
公开(公告)号：CN107635136B
公开(公告)日：2019-03-19
申请号：CN201711003045.4
申请日：2017-10-24
Applicant: 北京理工大学
IPC: H04N17/00
Abstract: 本发明涉及一种立体图像质量评价方法，特别涉及一种基于视觉感知和双目竞争的无参考立体图像质量评价方法，属于图像分析领域。本方法首先将输入立体图像对转化为灰度信息，对灰度信息利用匹配算法得到立体图像对的模拟视差图和不确定性图，同时利用灰度信息及其滤波响应和模拟视差图校正合成单眼图像。其次，将得到的单眼图像和不确定性图在不同尺度空间和频率空间上进行高斯差分处理，并提取自然场景统计和视觉感知特征向量。然后，利用支持向量机和BP神经网络分别对特征进行训练，得到预测模型，应用预测模型和测试及对应的特征向量，进行质量预测和评估。本方法具有主观一致性高，数据库独立性高，稳定性高的特点，在处理多种复杂失真类型时都表现出了极具竞争力的效果，可以嵌入到立体图像/视频处理等立体视觉内容相关的应用系统中，具有很强的应用价值。
-
公开(公告)号：CN107018410B
公开(公告)日：2019-02-15
申请号：CN201710323747.4
申请日：2017-05-10
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，特别涉及一种基于预注意机制和空间依赖性的无参考图像质量评价方法，属于图像分析领域。本方法首先将输入图像分解为彩色信息和灰度信息，其中彩色信息通过SCIELAB颜色空间变换得到，同时应用尺度空间对灰度信息做进一步的处理。其次，应用灰度色调共生矩阵从这两部分信息中提取特征向量。然后，利用支持向量机和BP神经网络分别对特征进行训练，得到预测模型，应用预测模型和测试及对应的特征向量，进行质量预测和评估。本方法具有主观一致性高，数据库独立性高，稳定性高的特点，可以嵌入到图像/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 0.022 seconds)
