-
公开(公告)号：CN116524387A
公开(公告)日：2023-08-01
申请号：CN202211575398.2
申请日：2022-12-08
IPC分类号： G06V20/40 , G06N3/08 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于深度学习网络的超高清视频压缩损伤等级评估方法，包括以下步骤；步骤1，建立多分辨率压缩损伤训练集，验证集，测试集：步骤2，构建时频域结合的压缩损伤等级评估网络：步骤3，训练时频域结合的压缩损伤等级评估网络：步骤4，测试多分辨率压缩损伤测试集的准确率；步骤5，评估时频域结合的压缩损伤等级评估网络。本发明针对超高清视频压缩损伤来进行评估，解决了压缩损伤数据集制作成本高，不易扩充、视频压缩损伤评估网络未采用端对端的设计，泛化能力不足以及超高清视频评估耗时长的问题。
-
公开(公告)号：CN116258669A
公开(公告)日：2023-06-13
申请号：CN202211575397.8
申请日：2022-12-08
IPC分类号： G06T7/00 , G06V20/40 , G06V10/82 , G06V10/764
摘要： 本发明公开了一种基于深度学习的超高清视频模糊质量评估方法，包括以下步骤；步骤1，建立超高清图像模糊失真数据集作为网络训练集和验证集；步骤2，构建图像模糊失真评估分类网络；步骤3，训练图像模糊失真评估分类网络；步骤4，测试超高清视频模糊失真分类；步骤5，评估图像模糊失真评估分类网络。本发明制作了大规模图像模糊失真数据集和超高清视频模糊失真数据集，专门用于模糊失真类型的超高清视频和图像的质量评估，同时设计了图像模糊失真评估分类网络，保证了超高清视频质量评估的实时性和准确性，解决了质量评估在超高清视频上速度慢、准确率低的问题。
-
公开(公告)号：CN116193103A
公开(公告)日：2023-05-30
申请号：CN202211599631.0
申请日：2022-12-12
摘要： 一种视频画面抖动等级评估的方法，包括以下步骤；对待检测视频进行分帧处理，同时对每一帧的分辨率进行下采样得到帧序列；将帧序列中每相邻两帧输入基于深度学习的实时光流提取网络中，提取光流图；对于相邻帧，在前一帧即上均匀选取特征点，将特征点的坐标与光流提取网络输出的对应的光流分量相加得到特征点在后一帧对应的坐标进行仿射变换估计，输出第i帧到第i+1帧的帧间整体的仿射变换矩阵；计算待检测视频的累计变换序列；对视频的累计变换序列计算评估指标并进行加权运算，输出待检测视频的每一秒的抖动分数，根据抖动程度阈值判断待检测视频是否发生抖动，以及抖动的程度。本发明能提高不同抖动情形下视频抖动检测与评估的准确率和鲁棒性。
-
公开(公告)号：CN115861687A
公开(公告)日：2023-03-28
申请号：CN202211464382.4
申请日：2022-11-22
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06T7/00 , G06N3/0464
摘要： 本发明公开一种基于轻量级分类网络的超高清视频曝光度评估方法，主要针对现有技术超高清视频曝光度评估算法的不足，生成的训练集含有不同曝光水平的超高清图像，除了一般图像外，还包括有强光弱光突出光照影响的“非一般图像”，涵盖了多种光照场景和内容场景。将训练集曝光度划分为严重过曝、轻微过曝、曝光适宜、轻微暗光、严重暗光五个类别，构建并训练轻量级分类网络，利用训练好的轻量级分类网络对超高清视频曝光度进行逐帧评估。本发明实现了对超高清视频曝光度的细致、快速、准确评估。
-
公开(公告)号：CN115941934A
公开(公告)日：2023-04-07
申请号：CN202211482051.3
申请日：2022-11-24
IPC分类号： H04N17/00 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度卷积神经网络的多帧融合视频噪声评估方法，主要解决现有评估方法在视频噪声评估中无法准确贴合现实场景、噪声覆盖范围窄及对超高清视频评估准确率低的问题；其实现方案是：通过人工退化和真实拍摄获取两种方法收集不同噪声的超高清视频，并对其进行等级划分组成训练集；设计多帧融合视频噪声评估网络，使用训练集对该网络进行训练；将待评估视频按照帧序列进行视频帧分组，将分组后的视频帧输入到训练好的网络中，输出待评估视频每帧的噪声级别；将输出最多的帧的级别作为待评估视频的级别。本发明覆盖范围广，更能贴合现实场景，不仅对视频噪声等级的评估准确率高，而且评估速度更快。可用于超高清视频噪声检测系统。
-
公开(公告)号：CN110599415B
公开(公告)日：2023-11-10
申请号：CN201910808481.1
申请日：2019-08-29
申请人： 西安电子科技大学 , 呈像科技(北京)有限公司
摘要： 本发明公开了一种基于局部自适应伽马校正的图像对比度增强实现方法，解决了图像过曝、欠曝、逆光的问题。实现步骤：输入待处理图像，扩充后转到HSV空间；通道分离；对V通道图像分块处理；计算得到最初的灰度变换函数并用其对V通道图像插值映射；直方图裁剪和移位补偿；计算最终的灰度变换函数并对Vg通道图像进行插值映射；通道合并后转换为RGB图像。本发明对问题图像进行针对性的局部自适应伽马校正，保持图像不失真的情况下有效地高质量提高对比度，图像的纹理、细节的恢复效果显著，复杂度低，工程应用性高，可十分广泛地应用于拍摄场景和手法造成的图像过曝、欠曝和逆光的图像增强处理。
-
公开(公告)号：CN110599415A
公开(公告)日：2019-12-20
申请号：CN201910808481.1
申请日：2019-08-29
申请人： 西安电子科技大学 , 呈像科技(北京)有限公司
摘要： 本发明公开了一种基于局部自适应伽马校正的图像对比度增强实现方法，解决了图像过曝、欠曝、逆光的问题。实现步骤：输入待处理图像，扩充后转到HSV空间；通道分离；对V通道图像分块处理；计算得到最初的灰度变换函数并用其对V通道图像插值映射；直方图裁剪和移位补偿；计算最终的灰度变换函数并对Vg通道图像进行插值映射；通道合并后转换为RGB图像。本发明对问题图像进行针对性的局部自适应伽马校正，保持图像不失真的情况下有效地高质量提高对比度，图像的纹理、细节的恢复效果显著，复杂度低，工程应用性高，可十分广泛地应用于拍摄场景和手法造成的图像过曝、欠曝和逆光的图像增强处理。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.119 秒)
