可见光亮度检测方法、系统、设备及存储介质

    公开(公告)号:CN118102132A

    公开(公告)日:2024-05-28

    申请号:CN202410341904.4

    申请日:2024-03-25

    发明人: 冯晶 胡旭阳 章勇

    摘要: 本申请提供了一种可见光亮度检测方法、系统、设备及存储介质,所述方法包括:获取图像采集设备在可见光下的标定普朗克曲线和在所述标定普朗克曲线的坐标系下红外点的坐标;通过所述图像采集设备采集待检测图像,统计所述待检测图像的响应值,计算所述待检测图像在所述标定普朗克曲线的坐标系下的检测点的坐标;根据所述检测点与所述标定普朗克曲线、所述红外点的位置关系计算所述待检测图像所对应的可见光比例;获取所述待检测图像对应的画面亮度值,根据所述画面亮度和所述可见光比例计算所述待检测图像对应的可见光亮度值。通过采用本申请,实现了准确计算图像采集设备在采集待检测图像时所处环境的可见光亮度值。

    图像处理超参数预测方法、系统、设备及存储介质

    公开(公告)号:CN113792817A

    公开(公告)日:2021-12-14

    申请号:CN202111151702.6

    申请日:2021-09-29

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明提供了一种图像处理超参数预测方法、系统、设备及存储介质,所述方法包括:采集用于训练的原始图像和多个训练超参数组;将所述原始图像和所述训练超参数作为图像处理模拟模型的输入数据,基于预设的图像处理流程,训练图像处理模拟模型;将所述原始图像输入参数预测模型,得到所述参数预测模型输出的第一预测超参数组,将所述原始图像和所述第一预测超参数组输入训练好的图像处理模拟模型,根据所述图像处理模拟模型的输出图像训练所述参数预测模型;采集待处理图像,将所述待处理图像输入训练好的参数预测模型中,得到所述参数预测模型输出的第二预测超参数组。本发明可以根据场景动态实时变化自动实时预测最佳的图像处理超参数。

    图像处理超参数优化方法、系统、设备及存储介质

    公开(公告)号:CN113688945A

    公开(公告)日:2021-11-23

    申请号:CN202111154675.8

    申请日:2021-09-29

    IPC分类号: G06K9/62

    摘要: 本发明提供了一种图像处理超参数优化方法、系统、设备及存储介质,所述方法包括:对各个图像处理超参数进行采样,得到多个训练超参数组;采集原始图像,基于每个训练超参数组和预设的图像处理流程对原始图像进行处理,得到每个超参数组对应的第一参照图像,并对原始图像的同一场景采集第二参照图像;将原始图像和每个训练超参数作为图像处理模拟模型的输入数据,将第一参照图像作为标签数据,训练图像处理模拟模型;将原始图像和初始化超参数组作为图像处理模拟模型的输入数据,第二参照图像作为标签数据,优化初始化超参数。通过采用本发明,实现全自动、无需人力参与的图像处理超参数优化,优化后的参数可以适用于软件或硬件的图像处理流程。

    一种图像去模糊方法、系统、装置及存储介质

    公开(公告)号:CN113269695A

    公开(公告)日:2021-08-17

    申请号:CN202110699448.7

    申请日:2021-06-23

    IPC分类号: G06T5/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种图像去模糊方法、系统、装置及存储介质,其中,所述方法包括:获取标准图像样本集,所述标准图像样本集中至少包括清晰标准图像样本;将所述标准图像样本集中的各个标准图像样本转换为对应的原生图像样本,并对各个所述原生图像样本进行模糊处理,以生成模糊原生图像;将所述模糊原生图像还原为模糊标准图像,并根据所述模糊标准图像和所述清晰标准图像样本构建标准训练样本集;所述标准训练样本集用于对标准模型进行训练,以通过训练后的标准模型对待处理的标准图像进行去模糊处理。本发明提供的技术方案,能够提高去模糊处理的精度和效率。

    面向监控场景的图像超分辨率方法、装置及存储介质

    公开(公告)号:CN112598579A

    公开(公告)日:2021-04-02

    申请号:CN202011579005.6

    申请日:2020-12-28

    摘要: 本申请涉及一种面向监控场景的图像超分辨率方法、装置及存储介质,属于图像处理技术领域,该方法包括:将目标低分辨率图像输入预先训练的特征映射网络,得到位于目标特征空间的高维特征;将目标低分辨率图像和高维特征输入预先训练的图像重构网络,得到高分辨率图像;可以解决现有的基于深度学习的图像超分辨率方法合成的低分辨率图像与真实的低分辨率图像存在差异,泛化性较差的问题;特征映射网络预先学习特征映射关系;结合特征映射网络后得到的输出结果训练图像重构网络,进一步缩小了合成与真实低分辨率图像间的域差异,提高图像重构效果。

    视频编码方法、装置、电子设备及存储介质

    公开(公告)号:CN117834879A

    公开(公告)日:2024-04-05

    申请号:CN202311867433.2

    申请日:2023-12-29

    摘要: 本发明公开了一种视频编码方法、装置、电子设备及存储介质。该视频编码方法包括:实时接收待编码视频数据;对待编码视频数据中首个GOP采用默认编码参数编码;对非首个GOP,根据时域运动复杂度等级和预设编码参数信息确定目标编码参数,基于目标编码参数对非首个GOP进行编码;其中,将初始编码参数输入至经过训练的编码器代理神经网络模型,按照指标要求对输出的评价指标值进行约束,通过反向传播更新输入的编码参数直至评价指标值符合指标要求,得到当前时域运动复杂度等级对应的编码参数。利用神经网络模型预先确定不同复杂度等级对应的编码参数,在编码过程中根据复杂度等级选取合适的目标编码参数,提高视频编码质量和效率。

    视频图像处理方法、系统、设备及存储介质

    公开(公告)号:CN116366853A

    公开(公告)日:2023-06-30

    申请号:CN202310200831.2

    申请日:2023-03-03

    摘要: 本申请提供了一种视频图像处理方法、系统、设备及存储介质,所述方法包括:获取第一3D查找表;将当前帧的处理前图像和前一帧的处理前图像作为连续两帧处理前图像,分别进行离散化处理后得到离散化处理结果,结合所述连续两帧处理前图像的离散化处理结果得到一组离散采样值;基于所述离散采样值对所述第一3D查找表进行离散化处理,得到当前帧对应的第二3D查找表;将所述当前帧的处理前图像通过所述当前帧对应的第二3D查找表处理得到当前帧的第一处理后图像。通过采用本申请,提高了处理后图像的帧间一致性,解决了视频场景中出现的画面跳动和图像调整程度不一致的问题。