CN109377475A - 24色卡视频关键帧自动定位与色差时序变化分析方法 - Google Patents
24色卡视频关键帧自动定位与色差时序变化分析方法 Download PDFInfo
- Publication number
- CN109377475A CN109377475A CN201811102810.2A CN201811102810A CN109377475A CN 109377475 A CN109377475 A CN 109377475A CN 201811102810 A CN201811102810 A CN 201811102810A CN 109377475 A CN109377475 A CN 109377475A
- Authority
- CN
- China
- Prior art keywords
- frame
- color difference
- key frame
- color
- colour atla
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种24色卡视频关键帧自动定位与色差时序变化分析方法，利用先验知识获得的待测试设备的拍摄稳定期数据，与帧间差分法相结合，将24色卡色差分析结果与关键帧对应的时间点相关联，可得到整个拍摄过程中24色卡色差的时序变化规律，并通过自动分割图卡区域的方式，可以达到批量24色卡图色差分析的目的，在极大提高了计算效率的情况下同时缩减了计算量。
Description
技术领域
本发明涉及一种客观图像质量评价方法，更具体地，涉及一种24色卡视频关键帧自动定位与色差时序变化分析方法。
背景技术
24色图图卡是客观图像质量评价时，常采用的测试对象。对于现在客观图像质量评价体系中，用于做24色图的图卡包含有24种自然物体的色彩，图卡的颜色空间标准值已知。在进行24色图图卡测试并评估测试结果时，需要自动定位视频拍摄过程中具有实际分析意义的关键帧，以及自动提取分析图像客观评估体系中基于24色图图卡的图像色差相关参数并作整体的时序分析。
现有的24色卡色差参数提取方法，首先需要在有标志物的情况下，整个视频拍摄过程中，对每帧自动标定24色卡待评估区域，其次才能提取24色卡区域，最后计算色差参数。
现有方法做图卡分析，整体操作流程上方便简单，且只要评估区域选取准确，得到的结果很理想。但缺点是视频拍摄过程中存在连续多帧稳定不变的情况，对每帧都进行24色图图卡的图像色差相关参数计算不仅会造成拍摄延迟还会导致大量的计算浪费。同时自动标定24色卡评估区域需要标志物，若没有则会导致无法计算色差或色差计算错误。
视频拍摄标准图卡过程中，初期待测试设备处于自动调整相关参数状态，此时的拍摄内容不具有实际分析价值。在待测试设备自动调节结束后，进入自动分析阶段，此阶段大部分时间视频拍摄画面又处于稳定状态，只有个别时刻帧因待测试设备自身原因会出现跳变，这些帧即为关键帧具有实际分析意义。
发明内容
本发明的目的在于克服现有技术存在的上述缺陷，提供一种24色卡视频的关键帧自动定位与色差时序变化分析方法，通过先验知识获得的待测试设备的拍摄稳定期数据，与帧间差分法相结合，并通过自动分割图卡区域的方式，得到整个拍摄过程中24色图卡色差的时序变化规律。
为实现上述目的，本发明的技术方案如下：
一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，包括以下步骤：
S1：测试并统计待测试设备在视频拍摄过程中，进入稳定期所需要的时间；
S2：待测试设备开始拍摄视频后进行关键帧检测，检测方法如下：
S21：选定稳定期第一帧为当前帧，并作为第一个关键帧；
S22：将当前帧和当前帧的下一帧同时变换为灰度图并将变换后的两个灰度图相减，得到帧间差分结果灰度图，统计此帧间差分结果灰度图中非零像素点总数，若总数大于当前帧像素点总数的1/N，则认为当前帧的下一帧出现跳变，作为下一个关键帧进行后续分析，并更新当前帧的下一帧为当前帧；若帧间差分结果灰度图中非零像素点总数小于等于当前帧像素点总数的1/N，则直接更新当前帧的下一帧为当前帧；
S23：重复执行步骤S22，直至完成视频拍摄进入稳定期后全部帧的分析，并记录所有关键帧及其对应的时刻，视频拍摄进入稳定期后的全部帧中不是关键帧的帧称为普通帧，并进入步骤S3；
S3：对所有关键帧逐个地进行24色卡色差自动分析，具体步骤包括步骤S4～S7，每一个被分析的关键帧称为当前关键帧；
S4：基于高亮灰度方法，对当前关键帧进行区域自动分割；
S5：基于第19块色块区域边界形状的区域校正与分割；
S6：对待计算图卡区域进行微调，将得到的每个色块矩形面积调整为原色块区域部分大小，并且在此基础上调节包含分割得到的全部24个矩形区域的最小外接矩形的顶点横纵坐标值，使第19块区域色差与标准色差最小，调整后的值作为最后所有色卡的分割结果；
S7：利用分割的色卡图像进行色差参数估计；
S8：记录关键帧色差分析结果，并进入步骤S9；
S9：以时间为横轴，以色差分析结果为纵轴，绘制24色卡的色差变化时序分析曲线，关键帧的色差分析结果由步骤S4～S7提供，普通帧的色差分析结果采用上一个最近的关键帧的分析结果。
优选地，步骤S22中，N的取值范围为10～200。
优选地，所述步骤S4具体包括以下步骤：
S41：将当前关键帧转化为灰度图像，然后计算灰度图像的灰度直方图，计算直方图的累积灰度直方图，以累积灰度直方图频率大于A的最小灰度阶作为阈值，对图像做二值化；
S42：对二值化后的图像做形态学开操作；
S43：基于凸包算法将剔除噪声的二值图中所有的闭包区域提取出来，并计算相关的面积、外接矩形大小、中心位置；
S44：根据有效面积大小对闭包进行有效面积降序排列，保留有效面积排在前B名的闭包；
S45：将长宽比满足H:W的闭包保留，不满足的剔除；
S46：剩下的所有闭包区域附近的色彩范围做统计，将周围色彩差别最接近标准色卡上第13、14与19块色块区域间色差的凸包区域作为第19块色块区域的分割区域结果。
优选地，所述步骤S41中，A的取值范围为60％～99.99％。
优选地，步骤S44中，B的取值范围为3～6。
优选地，步骤S45中，长宽比H:W的的取值范围为1:1至1:1.5。
优选地，所述步骤S5具体包括以下步骤：
S51：提取凸包区域的最小外接矩形，然后计算凸包与最小外接矩形各条边的距离最远的4个交点；
S52：将矩形顶点中离交点i最近的作为参考点i，交点i与参考点i做为对应点对i，用以计算透视变换矩阵，i＝1～4；
S53：对整体图像做透视变换矩阵的几何校正；
S54：对校正后的色块，进行旋转调整，使第19块色块区域位于整个当前关键帧图像的左下角位置；
S55：基于标准图卡的位置关系，在第19块色块区域的信息基础上，大体分割出其他区域，这样可以得到24个矩形的坐标，用来表示每个图卡色块区域的位置。
从上述技术方案可以看出，本发明通过拍摄过程中通过判定拍摄阶段及关键帧来判定是否需要色差分析，并实现了色卡自动分割，最后输出24色卡的色差变化时序分析曲线。因此，本发明具有在极大提高了计算效率的情况下同时缩减了计算量的显著特点。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步的详细说明。
需要说明的是，在下述的具体实施方式中，在详述本发明的实施方式时，为了清楚地表示本发明的结构以便于说明，特对附图中的结构不依照一般比例绘图，并进行了局部放大、变形及简化处理，因此，应避免以此作为对本发明的限定来加以理解。
对于现在客观图像质量评价体系中，用于做24色图的图卡包含有24种自然物体的色彩，图卡的颜色空间标准值已知。视频拍摄标准图卡过程中，初期待测试设备处于自动调整相关参数状态，不具有此时的拍摄内容不具有实际分析价值。在待测试设备自动调节结束后，进入自动分析阶段，此阶段大部分时间视频拍摄画面又处于稳定状态，只有个别时刻帧因待测试设备自身原因会出现跳变，这些帧即为关键帧具有实际分析意义。
一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，包括以下步骤：
S1：测试并统计待测试设备在视频拍摄过程中，进入稳定期所需要的时间。
统计不同品牌不同型号手机或其它待测试设备，在视频拍摄过程中手机参数初始化、自动调节、拍摄画面出现跳变能够进行行相关测试、稳定期几个阶段所占用的时间，如认为手机视频拍摄开始后0-3秒为手机参数初始化阶段，3-6秒为手机内置算法自动调节阶段，6-9秒为测试阶段，9秒后拍摄进入稳定期。
S2：待测试设备开始拍摄视频后根据统计结果，进行关键帧检测，检测方法如下
S21：选定稳定期第一帧为当前帧，并作为第一个关键帧；
S22：将当前帧和当前帧的下一帧同时变换为灰度图并将变换后的两个灰度图相减，得到帧间差分结果灰度图，统计此帧间差分结果灰度图中非零像素点总数。若总数大于当前帧像素点总数的1/N，则认为当前帧的下一帧出现跳变，作为下一个关键帧进行后续分析，并更新当前帧的下一帧为当前帧；若帧间差分结果灰度图中非零像素点总数小于当前帧像素点总数的1/N，则直接更新当前帧的下一帧为当前帧；
N的取值范围为10～200。本具体实施例中，N＝50。
S23：重复执行步骤S22，直至完成视频拍摄进入稳定期后全部帧的分析，并记录所有关键帧及其对应的时刻，视频拍摄进入稳定期后的全部帧中不是关键帧的帧称为普通帧，并进入步骤S3。
S3：对所有关键帧逐个地进行24色卡色差自动分析，具体步骤包括步骤S4～S7，每一个被分析的关键帧称为当前关键帧。
S4：基于高亮灰度方法，对当前关键帧进行区域自动分割：
S41：将当前关键帧转化为灰度图像，然后计算灰度图像的灰度直方图，计算直方图的累积灰度直方图，以累积直方图频率大于99％的最小灰度阶作为阈值，对图像做二值化；
S42：对二值化后的图像做形态学开操作；
S43：基于凸包算法将剔除噪声的二值图中所有的闭包区域提取出来，并计算相关的面积、外接矩形大小、中心位置；
S44：根据有效面积大小对闭包进行有效面积降序排列，保留有效面积排在前B名的闭包；
B的取值范围为3～6。本具体实施例中，假设视频拍摄过程中手机与24色卡的相对位置不变，所以设置B为4。若视频拍摄过程中手机与24色卡的相对位置不断变，则可以分阶段使用多个不同B值。
S45：将长宽比满足H:W的闭包保留，不满足的剔除；
通常H:W的取值范围为1:1至1:1.5，本具体实施例中，选用1:1.1。
S46：剩下的所有闭包区域附近的色彩范围做统计，将周围色彩差别最接近标准色卡上第13、14与19块色块区域间色差的凸包区域作为第19块色块区域的分割区域结果。
S5：基于第19块色块区域边界形状的区域校正与分割：
S51：提取凸包区域的最小外接矩形，然后计算凸包与最小外接矩形各条边的距离最远的4个交点；
S52：将矩形顶点中离交点i最近的作为参考点i，交点i与参考点i做为对应点对i，用以计算透视变换矩阵，i＝1～4；
S53：对整体图像做透视变换矩阵的几何校正；
S54：对校正后的色块，进行旋转调整，使第19块色块区域位于整个当前关键帧图像的左下角位置；
S55基于标准图卡的位置关系，在第19块色块区域的信息基础上，大体分割出其他区域，这样可以得到24个矩形的坐标，用来表示每个图卡区域的位置。
S6：对待计算图卡区域进行微调。为了尽可能减小分割过程中引入的误差，这里将得到的每个色块矩形面积调整为原色块区域部分大小，并且在此基础上调节整体矩形某顶点横纵坐标值，使第19块色块区域色差与标准色差最小，调整后的值作为最后所有色卡的分割结果。
S7：利用分割的色卡图像进行色差参数估计。
S8：记录关键帧色差分析结果，并进入步骤S9。
S9：以时间为横轴，以色差分析结果为纵轴，绘制24色卡的色差变化时序分析曲线，关键帧的色差分析结果由步骤S4～S7提供，普通帧的色差分析结果采用上一个最近的关键帧的分析结果。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，包括以下步骤：
S1：测试并统计待测试设备在视频拍摄过程中，进入稳定期所需要的时间；
S2：待测试设备开始拍摄视频后进行关键帧检测，检测方法如下：
S21：选定稳定期第一帧为当前帧，并作为第一个关键帧；
S22：将当前帧和当前帧的下一帧同时变换为灰度图并将变换后的两个灰度图相减，得到帧间差分结果灰度图，统计此帧间差分结果灰度图中非零像素点总数，若总数大于当前帧像素点总数的1/N，则认为当前帧的下一帧出现跳变，作为下一个关键帧进行后续分析，并更新当前帧的下一帧为当前帧；若帧间差分结果灰度图中非零像素点总数小于等于当前帧像素点总数的1/N，则直接更新当前帧的下一帧为当前帧；
S23：重复执行步骤S22，直至完成视频拍摄进入稳定期后全部帧的分析，并记录所有关键帧及其对应的时刻，视频拍摄进入稳定期后的全部帧中不是关键帧的帧称为普通帧，并进入步骤S3；
S3：对所有关键帧逐个地进行24色卡色差自动分析，具体步骤包括步骤S4～S7，每一个被分析的关键帧称为当前关键帧；
S4：基于高亮灰度方法，对当前关键帧进行区域自动分割；
S5：基于第19块色块区域边界形状的区域校正与分割；
S6：对待计算图卡区域进行微调，将得到的每个色块矩形面积调整为原色块区域部分大小，并且在此基础上调节包含分割得到的全部24个矩形区域的最小外接矩形的顶点横纵坐标值，使第19块区域色差与标准色差最小，调整后的值作为最后所有色卡的分割结果；
S7：利用分割的色卡图像进行色差参数估计；
S8：记录关键帧色差分析结果，并进入步骤S9；
S9：以时间为横轴，以色差分析结果为纵轴，绘制24色卡的色差变化时序分析曲线，关键帧的色差分析结果由步骤S4～S7提供，普通帧的色差分析结果采用上一个最近的关键帧的分析结果。
2.根据权利要求1所述的一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，步骤S22中，N的取值范围为10～200。
3.根据权利要求1所述的一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，所述步骤S4具体包括以下步骤：
S41：将当前关键帧转化为灰度图像，然后计算灰度图像的灰度直方图，计算直方图的累积灰度直方图，以累积灰度直方图频率大于A的最小灰度阶作为阈值，对图像做二值化；
S42：对二值化后的图像做形态学开操作；
S43：基于凸包算法将剔除噪声的二值图中所有的闭包区域提取出来，并计算相关的面积、外接矩形大小、中心位置；
S44：根据有效面积大小对闭包进行有效面积降序排列，保留有效面积排在前B名的闭包；
S45：将长宽比满足H:W的闭包保留，不满足的剔除；
S46：剩下的所有闭包区域附近的色彩范围做统计，将周围色彩差别最接近标准色卡上第13、14与19块色块区域间色差的凸包区域作为第19块色块区域的分割区域结果。
4.根据权利要求3所述的一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，所述步骤S41中，A的取值范围为60％～99.99％。
5.根据权利要求3所述的一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，步骤S44中，B的取值范围为3～6。
6.根据权利要求3所述的一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，步骤S45中，长宽比H:W的的取值范围为1:1至1:1.5。
7.根据权利要求1所述的一种24色卡视频关键帧自动定位与色差时序变化分析方法，其特征在于，所述步骤S5具体包括以下步骤：
S51：提取凸包区域的最小外接矩形，然后计算凸包与最小外接矩形各条边的距离最远的4个交点；
S52：将矩形顶点中离交点i最近的作为参考点i，交点i与参考点i做为对应点对i，用以计算透视变换矩阵，i＝1～4；
S53：对整体图像做透视变换矩阵的几何校正；
S54：对校正后的色块，进行旋转调整，使第19块色块区域位于整个当前关键帧图像的左下角位置；
S55：基于标准图卡的位置关系，在第19块色块区域的信息基础上，大体分割出其他区域，这样可以得到24个矩形的坐标，用来表示每个图卡色块区域的位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811102810.2A CN109377475B (zh) | 2018-09-20 | 2018-09-20 | 24色卡视频关键帧自动定位与色差时序变化分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811102810.2A CN109377475B (zh) | 2018-09-20 | 2018-09-20 | 24色卡视频关键帧自动定位与色差时序变化分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109377475A true CN109377475A (zh) | 2019-02-22 |
| CN109377475B CN109377475B (zh) | 2021-11-23 |
Family
ID=65401596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811102810.2A Active CN109377475B (zh) | 2018-09-20 | 2018-09-20 | 24色卡视频关键帧自动定位与色差时序变化分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109377475B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113840135A (zh) * | 2021-09-03 | 2021-12-24 | 大连中科创达软件有限公司 | 色偏检测方法、装置、设备及存储介质 |
| CN113834638A (zh) * | 2021-09-03 | 2021-12-24 | 大连中科创达软件有限公司 | 视场角确定方法、装置、设备及存储介质 |
| CN115439477A (zh) * | 2022-11-07 | 2022-12-06 | 广东欧谱曼迪科技有限公司 | 24色卡定位方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7184100B1 (en) * | 1999-03-24 | 2007-02-27 | Mate - Media Access Technologies Ltd. | Method of selecting key-frames from a video sequence |
| US20140232879A1 (en) * | 2013-02-20 | 2014-08-21 | Hewlett-Packard Development Company, Llp | Color calibration chart acquisition |
| CN106226249A (zh) * | 2016-09-29 | 2016-12-14 | 成都齐力丝绸有限公司 | 一种颜色数字化比对***及方法 |
-
2018
- 2018-09-20 CN CN201811102810.2A patent/CN109377475B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7184100B1 (en) * | 1999-03-24 | 2007-02-27 | Mate - Media Access Technologies Ltd. | Method of selecting key-frames from a video sequence |
| US20140232879A1 (en) * | 2013-02-20 | 2014-08-21 | Hewlett-Packard Development Company, Llp | Color calibration chart acquisition |
| CN106226249A (zh) * | 2016-09-29 | 2016-12-14 | 成都齐力丝绸有限公司 | 一种颜色数字化比对***及方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113840135A (zh) * | 2021-09-03 | 2021-12-24 | 大连中科创达软件有限公司 | 色偏检测方法、装置、设备及存储介质 |
| CN113834638A (zh) * | 2021-09-03 | 2021-12-24 | 大连中科创达软件有限公司 | 视场角确定方法、装置、设备及存储介质 |
| CN113840135B (zh) * | 2021-09-03 | 2023-10-20 | 大连中科创达软件有限公司 | 色偏检测方法、装置、设备及存储介质 |
| CN113834638B (zh) * | 2021-09-03 | 2024-05-24 | 大连中科创达软件有限公司 | 视场角确定方法、装置、设备及存储介质 |
| CN115439477A (zh) * | 2022-11-07 | 2022-12-06 | 广东欧谱曼迪科技有限公司 | 24色卡定位方法、装置、电子设备及存储介质 |
| CN115439477B (zh) * | 2022-11-07 | 2023-03-28 | 广东欧谱曼迪科技有限公司 | 24色卡定位方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109377475B (zh) | 2021-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10521885B2 (en) | Image processing device and image processing method | |
| US8698910B2 (en) | Apparatus, camera, method, and computer-readable storage medium for generating advice for capturing an image | |
| CN108010024B (zh) | 一种盲参考色调映射图像质量评价方法 | |
| US8548257B2 (en) | Distinguishing between faces and non-faces | |
| US8189913B2 (en) | Method for detecting shadow of object | |
| CN110264459A (zh) | 一种土壤裂缝特征信息提取方法 | |
| CN109377475A (zh) | 24色卡视频关键帧自动定位与色差时序变化分析方法 | |
| US8532428B2 (en) | Noise reducing apparatus, noise reducing method, and noise reducing program for improving image quality | |
| US8548247B2 (en) | Image processing apparatus and method, and program | |
| US20120163712A1 (en) | Image processing apparatus, image processing method, and recording medium | |
| US8565491B2 (en) | Image processing apparatus, image processing method, program, and imaging apparatus | |
| KR20100085306A (ko) | 고해상도 영상 획득 장치 및 그 방법 | |
| CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN110366001A (zh) | 视频清晰度的确定方法和装置、存储介质、电子装置 | |
| Men et al. | Empirical evaluation of no-reference VQA methods on a natural video quality database | |
| CN115797607A (zh) | 一种增强vr真实效果的图像优化处理方法 | |
| JP2011165170A (ja) | 対象物検出装置及びプログラム | |
| CN115170552A (zh) | 一种图像质量评估方法、装置、设备及存储介质 | |
| CN113362390B (zh) | 一种基于椭圆检测的快速圆形目标定位视频处理方法 | |
| CN115661187B (zh) | 用于中药制剂分析的图像增强方法 | |
| CN109345544B (zh) | 一种24色卡的色差自动分析方法 | |
| CN109272498B (zh) | 一种枯叶图图卡视频的实时细节自动分析方法 | |
| CN113438386B (zh) | 一种应用于视频处理的动静判定方法及装置 | |
| Wu et al. | Saliency change based reduced reference image quality assessment | |
| CN108764212B (zh) | 一种用于调查打草场地的遥感自动识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liao Zhiliang Inventor after: Tao Liang Inventor after: Wang Daoning Inventor after: Zhang Yadong Inventor after: Guo Baozhu Inventor before: Guo Baozhu Inventor before: Wang Daoning Inventor before: Zhang Yadong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: 24 color card video keyframe automatic positioning and color difference timing change analysis method Effective date of registration: 20230726 Granted publication date: 20211123 Pledgee: Dalian Branch of Shanghai Pudong Development Bank Co.,Ltd. Pledgor: YICHENG GAOKE (DALIAN) TECHNOLOGY Co.,Ltd. Registration number: Y2023980049989 |