-
公开(公告)号：CN105678775A
公开(公告)日：2016-06-15
申请号：CN201610017543.3
申请日：2016-01-13
Applicant: 福州大学
CPC classification number: G06K9/4671 , G06T2207/10004 , G06T2207/10024 , G06T2207/20081 , G06T2207/30168
Abstract: 本发明涉及一种基于机器学习的颜色校正评估方法，包括以下步骤：S1：输入参考图像和目标图像，目标图像即为失真图像，采用基于图像配准的全参考图像质量评估方法对目标图像进行特征提取，获得特征集F1；S2：采用图像重定向评估方法对目标图像进行特征提取，获得特征集F2；S3：综合特征集F1和F2，将其作为机器学习算法的特征集F，并通过机器学习算法和三等分交叉验证方法学习得出客观评估模型；S4：采用客观评估模型对目标图像进行客观评估，得到最终的目标图像的质量评估得分值。该方法可有效的对图像间颜色一致性进行评估，与用户主观感知之间具有较高的相关性与准确性。
-
公开(公告)号：CN105046708A
公开(公告)日：2015-11-11
申请号：CN201510410621.1
申请日：2015-07-14
Applicant: 福州大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/30168
Abstract: 本发明涉及一种与主观感知相一致的颜色校正客观评估方法，包括以下步骤：步骤S1：读取参考图像和目标图像，使用场景映射算法生成匹配图像作为新的参考图像；步骤S2：使用对比度相似度评估方法对目标图像进行评估获得对比度相似度评估结果CS；步骤S3：使用基于平均值的像素差值评估方法对目标图像进行评估获得差值评估结果DV1；步骤S4：使用融合最大差值的像素差值评估方法对目标图像进行评估获得差值评估结果DV2；步骤S5：使用线性融合模型对评估结果CS、DV1和DV2进行融合获得最终的客观评估得分值V。该方法可有效对图像间颜色一致性进行评估，与用户主观评分之间具有较好的相关性与准确性，可应用于图像拼接和三维图像左右视图颜色一致性评估领域。
-
公开(公告)号：CN105046708B
公开(公告)日：2017-11-17
申请号：CN201510410621.1
申请日：2015-07-14
Applicant: 福州大学
Abstract: 本发明涉及一种与主观感知相一致的颜色校正客观评估方法，包括以下步骤：步骤S1：读取参考图像和目标图像，使用场景映射算法生成匹配图像作为新的参考图像；步骤S2：使用对比度相似度评估方法对目标图像进行评估获得对比度相似度评估结果CS；步骤S3：使用基于平均值的像素差值评估方法对目标图像进行评估获得差值评估结果DV1；步骤S4：使用融合最大差值的像素差值评估方法对目标图像进行评估获得差值评估结果DV2；步骤S5：使用线性融合模型对评估结果CS、DV1和DV2进行融合获得最终的客观评估得分值V。该方法可有效对图像间颜色一致性进行评估，与用户主观评分之间具有较好的相关性与准确性，可应用于图像拼接和三维图像左右视图颜色一致性评估领域。
-
公开(公告)号：CN105678775B
公开(公告)日：2017-03-08
申请号：CN201610017543.3
申请日：2016-01-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于机器学习的颜色校正评估方法，包括以下步骤：S1：输入参考图像和目标图像，目标图像即为失真图像，采用基于图像配准的全参考图像质量评估方法对目标图像进行特征提取，获得特征集F1；S2：采用图像重定向评估方法对目标图像进行特征提取，获得特征集F2；S3：综合特征集F1和F2，将其作为机器学习算法的特征集F，并通过机器学习算法和三等分交叉验证方法学习得出客观评估模型；S4：采用客观评估模型对目标图像进行客观评估，得到最终的目标图像的质量评估得分值。该方法可有效的对图像间颜色一致性进行评估，与用户主观感知之间具有较高的相关性与准确性。
-
-
-
Search Results
4
records
(took 0.023 seconds)
