-
公开(公告)号：CN118469930A
公开(公告)日：2024-08-09
申请号：CN202410546398.2
申请日：2024-05-06
Applicant: 南京师范大学
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/82 , G06V10/771 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06V10/52
Abstract: 本发明公开了一种元学习框架下基于多尺度区域自注意力融合的图像质量评价方法，包括：建立无参考图像质量评价模型，基于卷积网络构建局部特征提取模块，处理输入图像的局部特征，基于ViT(Vision Transformer)构建全局特征提取模块，通过自注意力机制处理图像的上下文联系和全局特征，预测输入图像的质量分数；进行模型元训练，得到具有不同失真类型之间共享先验知识的先验模型；在未知失真类型数据上对先验知识模型进行微调，得到最终的质量评价模型。本发明能够准确评价失真图像的质量，并且快速适应未知场景和失真类型，具有客观、实时性好、泛化性强的优势，有效提升图像质量评价算法在包含未知失真类型的实际应用场景中的准确性。
-
公开(公告)号：CN117372352A
公开(公告)日：2024-01-09
申请号：CN202311290257.0
申请日：2023-10-08
Applicant: 南京师范大学
IPC: G06T7/00 , G06T7/13 , G06T7/90 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于多流卷积神经网络的水下图像质量评价方法，包括：对水下图像进行颜色空间转换，将图像从RGB颜色空间转换到CIELab颜色空间，得到CIELab颜色空间图像；计算水下图像的梯度特征图；计算水下图像的MSCN特征图；对CIELab颜色空间图像、梯度特征图、MSCN特征图进行预处理；设计多流卷积神经网络，进行图像特征的提取和融合，得到水下图像的融合特征；学习水下图像的融合特征与图像质量分数之间的映射关系，训练出水下图像质量评价模型，预测出水下图像的质量分数。本发明能够准确对水下图像的质量进行评价，具有较高的准确率与稳定性，为水下图像的质量评价提供了科学的依据，为水下图像处理和水下视觉应用提供重要支持。
-
公开(公告)号：CN117315527A
公开(公告)日：2023-12-29
申请号：CN202311178826.2
申请日：2023-09-13
Applicant: 南京师范大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06F17/16 , G06F17/14 , G06N3/0464 , G06T7/00
Abstract: 本发明公开了一种面向异常检测的监控视频数据实时筛选方法，包括：在监控图像上添加混合失真，分析不同失真等级数据之间的质量差异，确定各个失真类型对应的筛选阈值；通过建立好的失真分类网络模块判断出输入的视频帧的失真类型；通过建立好的图像质量评价模块获取到输入的视频帧的质量分数；对输入的视频帧进行筛选和分流处理，对于质量分数高于筛选阈值的视频帧，将其排除并存储，对于质量分数低于筛选阈值的视频帧，输入到异常检测网络进行异常检测。本发明能够准确筛选并存储质量较低的视频帧，并且将筛选方法应用到异常检测，具有客观、实时性好、稳定性强的优势，有效提升视频异常检测算法在数据质量存在波动的实际应用场景中的性能。
-
公开(公告)号：CN114648462A
公开(公告)日：2022-06-21
申请号：CN202210316542.4
申请日：2022-03-29
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于图像质量的监控运行监测方法，包括如下步骤：采集监控图像；通过构建好的图像质量分数评价模型对采集的监控图像进行质量评价，获取到质量评价图像质量分数；根据图像质量分数，对采集的监控图像进行运行状态评价；实时动态展示监控图像运行状态的变化情况；根据监控图像运行状态，对监控运行情况进行监测。本发明实现了实时在线检测，能够客观、迅速、高效、数字化评价监控图像/视频质量，方便有关人员进行检查和维修，提高监控异常发现的效率，节省大量人力资源成本。
-
-
-
Search Results
14
records
(took 0.027 seconds)
