CN104751159B - 视频彩场检测方法及装置 - Google Patents
视频彩场检测方法及装置 Download PDFInfo
- Publication number
- CN104751159B CN104751159B CN201510013131.8A CN201510013131A CN104751159B CN 104751159 B CN104751159 B CN 104751159B CN 201510013131 A CN201510013131 A CN 201510013131A CN 104751159 B CN104751159 B CN 104751159B
- Authority
- CN
- China
- Prior art keywords
- array
- value
- image
- characteristic
- color field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种视频彩场检测方法和装置,其中,所述方法包括如下步骤:从待检测视频图像中提取出其灰度图;对所述灰度图进行灰度直方图计算,生成灰度直方图数据;依据彩场特征参数,对所述灰度直方图数据进行规整化计算;根据规整后的灰度直方图数据和彩场特征参数,进行特征搜索;根据搜索到的特征数据判断该视频图像是否为彩场。所述装置包括灰度图提取模块、直方图生成模块、特征提取模块、彩场确定模块和数据库,本发明有效降低了数据计算量,提升了计算性能,准确率较高。
Description
技术领域
本发明属于视频图像处理领域,特别涉及一种视频彩场检测方法及装置。
背景技术
电视节目中的彩场,一般指整幅图像只包含某个像素值的,体现为整幅图像为其中某一种颜色的纯色图像,例如:黑场是指整幅图像为黑色的图像,红场是指整幅图像为红色的图像。一般在节目制作过程中可能使用到这样的图像帧,比如:视频抠像所用到的蓝色背景、绿色背景等。
在正式节目播出时,不能出现这样的彩场图像,因此在正式节目播出时,需要对播出的视频内容进行检测,避免彩场图像的播出。现有技术中视频彩场检测方法很多,基本都是采用信号色度分析的方法。信号色度分析方式虽然灵活,能够检测出是什么颜色的彩场,但数据的计算量大,所以效率很低。
发明内容
本发明要解决的技术问题在于,提供一种视频彩场检测方法及装置,在保证视频彩场检测的准确率的同时,降低计算量,提高检测效率。
根据本发明的一个方面,本发明提供一种视频彩场检测方法,其中,包括如下步骤:
从待检测视频图像中提取出其灰度图;
对所述灰度图进行灰度直方图计算,生成灰度直方图数据;
依据彩场特征参数,对所述灰度直方图数据进行规整化计算;
根据规整后的灰度直方图数据和彩场特征参数,进行特征搜索;
根据搜索到的特征数据判断该视频图像是否为彩场。
优选地,在上述视频彩场检测方法中,对所述灰度图进行灰度直方图计算,生成灰度直方图数据的具体过程如下:
将灰度图的像素值按照0到255的灰度级进行分布计算,形成一个0到255的一维第一数组,每个数组元素的值为该元素对应灰度级在灰度图像中出现的次数。
优选地,在上述视频彩场检测方法中,依据彩场特征参数,对所述灰度直方图数据进行规整化计算的具体过程如下:
分别比较第一数组的每个数组元素的值与给定参数值的大小,将大于给定参数值的数组元素组成第二数组;
分别比较第二数组中的每一元素值与第一数组中预定灰度级范围内元素值的落差比;
将该范围内落差比小于预定值的所有数组元素的值叠加到一起,形成第三数组,被叠加的数组元素值设为0。
优选地,在上述视频彩场检测方法中,所述给定参数值的取值范围为图像宽×图像高/2~图像宽×图像高。
优选地,在上述视频彩场检测方法中,所述预定灰度级范围为6。
优选地,在上述视频彩场检测方法中,根据规整后的灰度直方图数据和彩场特征参数,进行特征搜索,包括以下步骤:
对所述第三数组的元素进行二值化处理,高于给定阈值的数组元素为特征数据,并计算特征数据的元素值相对于整幅图像像素的占比。
优选地,在上述视频彩场检测方法中,根据搜索到的特征数据判断该视频图像是否为彩场具体如下:
判断所述特征数据的数量是否为一,如果为一,判断所述特征数据的占比是否在给定的彩场特征阀值范围内,如果在,则所述待检测图像为彩场图像;如果特征数据的数量不为一,或特征数据的占比不在给定的彩场特征阀值范围内,则所述待检测图像不是彩场图像。
优选地,在上述视频彩场检测方法中,在进行二值化处理时,所述给定阈值的范围是图像宽×图像高×0.8~图像宽×图像高;
在比较所述特征数据的占比是否在给定的彩场特征阀值范围内时,所述彩场特征阀值范围是0.99-1。
根据本发明的另一方面,本发明提供一种用于前述方法的视频彩场检测装置,其中,包括:
灰度图提取模块,用于从彩***图像中提取灰度图;
直方图生成模块,接收所述灰度图提取模块发送来的灰度图,对所述灰度图计算,生成灰度直方图数据;
特征提取模块,接收所述灰度直方图数据,并以所述灰度直方图数据为基础,依次经过规整、二值化处理和特征搜索,得到特征数据;
彩场确定模块,利用数据库中的彩场特征阀值范围参数和得到的特征数据,判定该图像是否为彩场,和
数据库,用于存储特征参数。
优选地,在前述的视频彩场检测装置中,所述灰度直方图数据为0到255的一维第一数组,每个数组元素的值为该元素对应灰度级在灰度图像中出现的次数;
所述特征提取模块还包括:
规整子模块,对接收到第一数组中的元素值和从数据库中得到的给定参数值进行比较,将大于给定参数值的元素组成第二数组;
叠加子模块,分别比较第二数组中的每一元素值与第一数组中预定灰度级范围内元素值的落差比;将该范围内落差比小于预定值的所有数组元素的值叠加到一起,形成第三数组,被叠加的数组元素值设为0;
特征元素搜索子模块,对所述第三数组的元素进行二值化处理,高于给定阈值的数组元素为特征数据。。
由上述本发明提供的具体实施方案可以看出,正是由于将对整幅图像的彩场检测计算变换为对该图像灰度直方图的检测计算,有效降低了数据的计算量,大幅提升了计算性能。同时根据彩场图像的构成特征和彩场像素在直方图上的分布特征,通过对彩场特征进行放大、过滤、检索,使符合彩场特征的直方图元素数据更加清晰,最后通过计算这些特征数据来判断该图像是否为彩场图像,使得准确率也有较大提高。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1为正常图像灰度直方图示意;
图2为彩场图像的灰度直方图示意;
图3为本发明提供的视频彩场检测方法流程图;
图4为本发明提供的视频彩场检测装置原理示意图。
具体实施方式
以下将参照附图更详细地描述本发明的各种实施例。在各个附图中,相同的元件采用相同或类似的附图标记来表示。为了清楚起见,附图中的各个部分没有按比例绘制。
图1为正常图像灰度直方图示意,图2为彩场图像的灰度直方图示意,比较这两个示意图可知,彩场图像的灰度直方图与正常图像的灰度直方图在分布上完全不同,特点显著。本发明正是利用了该特点,提供了一种视频彩场检测方法和装置。
实施例一
如图3所示,为视频彩场检测方法流程图。包括:
步骤S101:从上层应用接收一幅视频图像,例如该图像的宽是720像素,高是576像素,提取该图像的灰度图。
步骤S102:对所述图像的灰度图进行灰度直方图计算,生成灰度直方图数据。所述的灰度直方图数据为一个0-255的一维数组。
灰度直方图的计算具体为:
将灰度图的像素值按照0到255的灰度级进行分布计算,形成一个0到255的一维数组,以示与以下其他数组的区别,在此命名为第一数组。在该第一数组中,每一数组中的元素包括元素值和下标数字两个参数,下标数字代表该元素在灰度图中对应的灰度级,元素值为该灰度级在灰度图像中出现的次数。
灰度直方图的一维数组示例如下表1所示:
表1.
4146060 | 01 | 222 | 03 | 584 | 05 | 06 | 347 | 08 | 09 | ... | ... | 025 5 |
以上第一数组中:下标0-255表示从0到255共256个灰度级,方框中的值是该灰度级在灰度图像中出现的次数,例如:0灰度级出现了414606次,1灰度级出现了0次。
步骤S103:应用彩场特征参数对所述灰度直方图数据进行规整化计算。
本步骤中的规整化的作用在于筛选出高频分布的像素元素,为了增加判断的准确性,通过增强这些像素元素的强度,使其更加有利于彩场特征的体现。规整化过程具体为:
首先在灰度直方图数据中,根据给定参数(其为一个彩场特征参数,代表某像素元素在该图像中出现的次数),分别比较以上第一数组的每个元素的元素值与所述给定参数值的大小,将大于给定参数值的数组元素组成第二数组。当某元素在一幅图像中出现的次数高于给定参数时,该图像有可能为彩场,寻找一定数量的符合该参数的高频分布的元素。
其中,所述给定参数值的取值范围为图像宽×图像高/2—图像宽×图像高。如以图像720×576为例,前述给定参数值在(720×576)/2至720×576之间,那么就是207360至414720之间。
以上述表1为例,当给定参数为207360时,比较后得到的第二数组如下表2所示:
表2.
4146060 |
通过表1与表2的对比可知,经过对直方图数据规整化后,数组元素的个数仅剩下了一个。在其他实施例,可能会多个,但是数量将大大减小。
然后,为了增强元素的特征,首先计算该元素与预定灰度级范围(如6个灰度级)内元素值的落差比,确定落差比小于某个阀值的元素,将该元素值与得到的元素的元素值叠加。这样,得到一个特征元素数组。
例如,将给定范围设为6个灰度级,落差比阀值设为50,在表1中,将0灰度级的元素值414606和相邻的6个灰度级的元素值:第一灰度级的0,第二灰度级的22,第三灰度级的0,第四灰度级的58,第五灰度级的0,第六灰度级的0相比较,比较结果分别为414606,412584,414606,414548,414606和414606,其中,所有的比较结果都大于落差比阀值50,因而不需要进行叠加。
其中,落差比阀值为一变化值,可以根据图像大小等因素人为调整。
在进行落差比计算时,给定范围设为6个灰度级。当需要计算的第二数组元素所在灰度级是0时,那么在第一数组中,需要用于叠加的数组范围为1,2,3,4,5,6;如果是1时,则0,2,3,4,5,6;如果是2时,则0,1,3,4,5,6;如果是3时,则0,1,2,4,5,6;如果是255时,则254,253,252,251,250,249;如果是254时,则255,253,252,251,250,249;如果是253时,则255,254,252,251,250,249;如果是252时,则255,254,253,251,250,249;如果是其他灰度级的元素,以x代表第二数组元素所在灰度级的话,那么在第一数组中,需要用于叠加的数组范围则为x-3,x-2,x-1,x+1,x+2,x+3。
步骤S104:应用彩场特征参数,在灰度直方图规整结果(即表2所示的数组)中搜索符合彩场特征的特征数据。具体为:
首先利用二值化处理过滤掉低于给定阈值的直方图元素,对高于该阀值的元素,计算其值相对于整幅图像像素的占比,当该比例大于某个阀值时,认为该特征元素数据是一个彩场特征数据。其中,这里所述的给定阈值的范围可从图像宽×图像高×0.8到图像宽×图像高。在本实施例中,取720×576×0.8=331776。
当给定阈值为331776时,将灰度直方图规整结果中的元素分别与331776相比较,去除掉元素值小于331776的元素,因此,经过二值处理后,得到特征数据数组。在本实施例中,表2中仅有一个元素,且其值414606大于给定阈值为331776。因此,该元素即为特征数据。
接下来,应用彩场特征参数和搜索出来的彩场特征数据,判断该图像是否为彩场图像。
步骤S105:判断搜索出来的的特征元素的数量是否等于一,如果不等于,则在步骤S109确定该图像不是彩场图像。
如果特征元素的数量等于一,在步骤S106,计算该元素的占比,即特征元素值/图像宽×图像高。在本实施例中,占比为414606/720×576≈0.9997。
步骤S107,判断占比是否大于0.99,如果大于0.99,则在步骤S108确定该图像是彩场图像。如果不大于0.99,即小于0.99,则在步骤S109确定该图像不是彩场图像。
在本实施例中,只有一个特征元素,且其占比约为0.9997,大于0.99,因而可以判断该图像为彩场图像。
通过上述方法,将对整幅图像的彩场检测计算变换为对该图像灰度直方图的检测计算,有效降低了计算数据量,从而大幅提升了计算性能。本发明同时根据彩场图像的构成特征与这些彩场像素在直方图上的分布特征,通过对彩场特征进行放大、过滤、检索,使符合彩场特征的直方图元素数据更加清晰,最后通过计算这些特征数据来判断是否为彩场,使得准确率也相应提高。
实施例二
本发明还提供了一种彩场检测装置,如图4所示,包括:灰度图提取模块10、直方图生成模块20、特征提取模块30、彩场确定模块40和数据库50。通过该装置检测视频图像是否存在彩场图像。
灰度图提取模块10从接收到的视频图像中提取出该图像的灰度图。其中,该视频图像的宽是1920像素,高是1080像素。
直方图生成模块20对前述灰度图提取模块得到的灰度图进行计算,生成灰度直方图数据。即表3所示的第一数组。
表3:
00 | ... | 0122 | 1078000123 | 990300124 | 0125 | 5300126 | 0127 | 08 | ... | 0255 |
特征提取模块30还包括规整子模块301、叠加子模块302和特征元素搜索子模块303。当直方图生成模块20生成了灰度直方图数据后,首先,规整子模块301对灰度直方图数据进行规整化计算,具体过程为如下。
规整子模块301从数据库50中取一给定参数,根据图像的大小设定为1920×1080/2=1036800。将表3中的第一数组的元素值与该值进行比较。通过比较,只有第123灰度级的元素值大于该设定参数,从而得到第二数组,即表4。
表4:
1078000123 |
叠加子模块302根据表4中的元素,计算其附近的6个元素的落差比。根据实施例一中提供的用于确定进行落差比计算的元素的方法,即以x代表第二数组元素所在灰度级,需要用于叠加的数组范围则为x-3,x-2,x-1,x+1,x+2,x+3。在本实施例中,x=123,所以,需要进行落差比计算的元素为120级、121级、122级、124级、125级和126级。当将第123级的元素值与这些灰度级的元素值进行比较时,分别得到:1078000、1078000、1078000、87700、1078000、1072700。
叠加子模块302从数据库50中取出落差比阈值200000(其为根据图像的大小人为设定的值),并将上述数值与落差比阈值200000进行比较。通过比较,只有124级的比较结果小于该阈值,因此,将该级元素值叠加到123级上去,得到第三数组,即表3变为表5:
表5:
00 | ... | 0122 | 2068300123 | 0124 | 0125 | 5300126 | 0127 | 08 | ... | 0255 |
表4变为表6:
表6:
2068300123 |
当得到第三数组,即表6后,特征元素搜索模块303将表6中的元素与二值化阈值进行比较,二值化阈值为图像宽×图像高×0.8=1920×1080×0.8=1658880。在本实施例中,显然2068300大于1658880,因而确定该元素为特征元素。
彩场确定模块40通过判断特征元素搜索模块303得到的特征元素来确定该图像是否为彩场图像。
首先确定特征元素的个数是否为一个。当为一个时,再计算该元素的占比。本实施例中,表6中只有一个元素,其占比为2068300/2073600≈0.9974。该占比大于0.99,因此,确定该图像为彩场。
实施例三
在本实施例中,采取实施例二所示的装置及实施例一所示的方法,对视频图像进行检测。由于在实施例一及二中对所述装置及方法已进行了详细说明,在本实施例简化说明。
视频图像的宽为704像素,高为576像素。首先提取该图像的灰度图,然后进行直方图计算。得到一维数组如表7所示:
表7:
121000 | 80201 | 200002 | 03 | 160504 | 42005 | 1602406 | ... | 82200255 |
然后将以上元素值与给定参数704×576/2=202752进行比较,没有任何一个元素值大于该给定参数,因此,没有符合条件的元素。由于找不到符合条件的元素,不需要进行落差比计算,也无需二值化处理和占比的计算。由于没有等于1的元素,所以可以确定该图像不是彩场图像。
依照本发明的实施例如上文所述,这些实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施例。显然,根据以上描述,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地利用本发明以及在本发明基础上的修改使用。本发明的保护范围应当以本发明权利要求所界定的范围为准。
Claims (7)
1.一种视频彩场检测方法,其中,包括如下步骤:
从待检测视频图像中提取出其灰度图;
对所述灰度图进行灰度直方图计算,生成灰度直方图数据;
依据彩场特征参数,对所述灰度直方图数据进行规整化计算;
根据规整后的灰度直方图数据和彩场特征参数,进行特征搜索;
根据搜索到的特征数据判断该视频图像是否为彩场,
其中,对所述灰度图进行灰度直方图计算,生成灰度直方图数据的具体过程如下:
将灰度图的像素值按照0到255的灰度级进行分布计算,形成一个0到255的一维第一数组,每个数组元素的值为该元素对应灰度级在灰度图像中出现的次数;
依据彩场特征参数,对所述灰度直方图数据进行规整化计算的过程具体如下:
分别比较第一数组的每个数组元素的值与给定参数值的大小,将大于给定参数值的数组元素组成第二数组;
分别比较第二数组中的每一元素值与第一数组中预定灰度级范围内元素值的落差比;
将该范围内落差比小于预定值的所有数组元素的值叠加到一起,形成第三数组,被叠加的数组元素值设为0。
2.如权利要求1所述的视频彩场检测方法,其中,所述给定参数值的取值范围为图像宽×图像高/2~图像宽×图像高。
3.如权利要求1所述的视频彩场检测方法,其中,所述预定灰度级范围为6。
4.如权利要求1所述的视频彩场检测方法,其中,根据规整后的灰度直方图数据和彩场特征参数,进行特征搜索,包括以下步骤:
对所述第三数组的元素进行二值化处理,高于给定阈值的数组元素为特征数据,并计算特征数据的元素值相对于整幅图像像素的占比。
5.如权利要求4所述的视频彩场检测方法,其中,根据搜索到的特征数据判断该视频图像是否为彩场具体如下:
判断所述特征数据的数量及占比,如果数量为一,且占比在给定的彩场特征阀值范围内,所述待检测图像为彩场图像;如果特征数据的数量不为一,或特征数据的占比不在给定的彩场特征阀值范围内,则所述待检测图像不是彩场图像。
6.如权利要求4所述的视频彩场检测方法,其中,在进行二值化处理时,所述给定阈值的范围是图像宽×图像高×0.8~图像宽×图像高;
在比较所述特征数据的占比是否在给定的彩场特征阀值范围内时,所述彩场特征阀值范围是0.99-1。
7.一种用于实现权利要求1-6任一所述方法的视频彩场检测装置,其中,包括:
灰度图提取模块,用于从彩***图像中提取灰度图;
直方图生成模块,接收所述灰度图提取模块发送来的灰度图,对所述灰度图计算,生成灰度直方图数据;
特征提取模块,接收所述灰度直方图数据,并以所述灰度直方图数据为基础,依次经过规整、二值化处理和特征搜索,得到特征数据;
彩场确定模块,利用数据库中的彩场特征阀值范围参数和得到的特征数据,判定该图像是否为彩场图像,和
数据库,用于存储特征参数,
其中,所述灰度直方图数据为0到255的一维第一数组,每个数组元素的值为该元素对应灰度级在灰度图像中出现的次数;
所述特征提取模块还包括:
规整子模块,对接收到第一数组中的元素值和从数据库中得到的给定参数值进行比较,将大于给定参数值的元素组成第二数组;
叠加子模块,分别比较第二数组中的每一元素值与第一数组中预定灰度级范围内元素值的落差比;将该范围内落差比小于预定值的所有数组元素的值叠加到一起,形成第三数组,被叠加的数组元素值设为0;
特征元素搜索子模块,对所述第三数组的元素进行二值化处理,高于给定阈值的数组元素为特征数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510013131.8A CN104751159B (zh) | 2015-01-09 | 2015-01-09 | 视频彩场检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510013131.8A CN104751159B (zh) | 2015-01-09 | 2015-01-09 | 视频彩场检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104751159A CN104751159A (zh) | 2015-07-01 |
CN104751159B true CN104751159B (zh) | 2018-03-13 |
Family
ID=53590815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510013131.8A Active CN104751159B (zh) | 2015-01-09 | 2015-01-09 | 视频彩场检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104751159B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378633A (zh) * | 2021-04-30 | 2021-09-10 | 成都东方盛行电子有限责任公司 | 一种流媒体信号质量检测方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101500177A (zh) * | 2009-02-20 | 2009-08-05 | 重庆市计量质量检测研究院 | 视频监控***检测方法及其装置 |
CN101815222A (zh) * | 2009-02-25 | 2010-08-25 | 北大方正集团有限公司 | 一种视频彩条检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009147730A (ja) * | 2007-12-14 | 2009-07-02 | Fujifilm Corp | 動画生成装置、動画撮影装置、動画生成方法及びプログラム |
-
2015
- 2015-01-09 CN CN201510013131.8A patent/CN104751159B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101500177A (zh) * | 2009-02-20 | 2009-08-05 | 重庆市计量质量检测研究院 | 视频监控***检测方法及其装置 |
CN101815222A (zh) * | 2009-02-25 | 2010-08-25 | 北大方正集团有限公司 | 一种视频彩条检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104751159A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104966085B (zh) | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 | |
CN111274865A (zh) | 一种基于全卷积神经网络的遥感图像云检测方法及装置 | |
CN103778636B (zh) | 一种用于无参考图像质量评价的特征构建方法 | |
CN106548169B (zh) | 基于深度神经网络的模糊文字增强方法及装置 | |
Villalba et al. | Smartphone image clustering | |
Pei et al. | The improved wavelet transform based image fusion algorithm and the quality assessment | |
Jin et al. | Perceptual image quality assessment using block-based multi-metric fusion (BMMF) | |
CN111597933B (zh) | 人脸识别方法和装置 | |
CN106203454A (zh) | 证件版式分析的方法及装置 | |
CN105374047B (zh) | 基于改进的双边滤波与聚类的sar图像变化检测方法 | |
CN113160239B (zh) | 一种违法用地检测方法及装置 | |
CN113538603B (zh) | 一种基于阵列产品的光学检测方法、***和可读存储介质 | |
CN108038839A (zh) | 一种流水生产线上双绞线绞距实时检测方法 | |
CN104021567B (zh) | 基于首数字定律的图像高斯模糊篡改检测方法 | |
CN106780446A (zh) | 一种无参考混合失真图像质量评价方法 | |
CN107993200A (zh) | 基于深度学***估计方法 | |
CN106934770A (zh) | 一种评价雾霾图像去雾效果的方法和装置 | |
CN106327531A (zh) | 全景视频的识别方法及设备、播放视频方法及设备 | |
CN106331848A (zh) | 全景视频的识别方法及设备、播放视频方法及设备 | |
CN106683074B (zh) | 一种基于雾霾特性的图像篡改检测方法 | |
CN107665347A (zh) | 基于滤波优化的视觉显著性目标检测方法 | |
CN104751159B (zh) | 视频彩场检测方法及装置 | |
CN111738310B (zh) | 物料分类方法、装置、电子设备和存储介质 | |
CN105389825A (zh) | 图像处理方法及*** | |
Cong et al. | Image quality assessment with gradient siamese network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |