本發(fā)明提供一種對全景圖像感知質(zhì)量的計算方法，包括獲取全景圖像的觀看軌跡，結(jié)合采樣率與觀看視野范圍，利用直線投影提取觀看視口，獲得一組沿觀看路徑采樣得到的視頻序列；將視頻序列作為虛擬相機(jī)拍攝的二維視頻數(shù)據(jù)，利用二維圖像質(zhì)量評價方法計算二維...

本發(fā)明提供一種面向圖像描述模型泛化能力評估方法，包括獲取初始數(shù)據(jù)集，并獲得待評估的圖像描述模型在初始數(shù)據(jù)集上的預(yù)測結(jié)果；選取任意兩個圖像描述模型預(yù)測結(jié)果差異最大的圖像集合，構(gòu)建模型差異最大化的樣本集；獲得樣本集的圖像描述標(biāo)簽；根據(jù)圖像描...

本發(fā)明提供一種基于空間注意力增強(qiáng)機(jī)制的自動圖像描述方法，包括提取圖像中潛在的目標(biāo)區(qū)域，將目標(biāo)區(qū)域設(shè)定為待處理的圖像區(qū)域，獲取多個圖像區(qū)域的空間特征和位置信息，提取各圖像區(qū)域的圖像特征；從提取出的圖像區(qū)域中，根據(jù)實體數(shù)據(jù)集的信息選擇富含定...

本發(fā)明涉及一種對于色調(diào)映射圖像的質(zhì)量評價方法，其特點在于：利用顏色不變式的描述符去對顏色的失真情況從人類對色彩感知的方面進(jìn)行度量，顏色度量模型考慮了顏色的鏡面反射、陰影、光暈等。首先計算相對梯度特征圖去表征結(jié)構(gòu)信息；之后，提取出圖像的亮...

本發(fā)明提供一種用于對圖像語義分割模型泛化能力的度量方法，包括獲取圖像數(shù)據(jù)集，并獲得待評估的圖像語義分割模型在圖像數(shù)據(jù)集的預(yù)測結(jié)果；選取任意兩個圖像語義分割模型的預(yù)測結(jié)果差異最大的圖像集合，構(gòu)建模型差異最大化且具代表性的樣本集，其中，所選...

本發(fā)明涉及一種對于合成圖像的質(zhì)量評價方法，其特征在于：首先，根據(jù)合成算法破壞了圖像的結(jié)構(gòu)，設(shè)計基于中性域提取局部結(jié)構(gòu)特征圖，然后基于結(jié)構(gòu)圖計算結(jié)構(gòu)分?jǐn)?shù)；其次，考慮到在合成過程中和后續(xù)的渲染過程中，合成圖像的紋理被不同程度的破壞，設(shè)計基于...

本發(fā)明涉及一種同時對于動態(tài)場景和靜態(tài)場景的多曝光融合圖像的質(zhì)量評價方法，其特征在于，首先，基于多曝光融合圖像與源曝光級序列圖像的結(jié)構(gòu)差異性使用超像素分割法將融合圖像劃分為信息量較大和信息量較小區(qū)域；其次，基于拉普拉斯金字塔分別計算信息量...

本發(fā)明涉及一種基于局部變動和全局變化的三維合成圖像無參考質(zhì)量評價方法，其特征在于：首先，對于局部變動檢測，利用高斯導(dǎo)數(shù)提取合成圖像的結(jié)構(gòu)和顏色特征；然后，基于結(jié)構(gòu)特征和顏色特征使用局部二值模式進(jìn)行編碼，獲得結(jié)構(gòu)和顏色特征圖，并對結(jié)構(gòu)和顏...

本發(fā)明提出了一種基于時空信息的非對稱失真三維視頻的加權(quán)質(zhì)量評價方法，其特征在于：首先，使用二維圖像/視頻質(zhì)量評價方法計算左右視圖視頻序列的分?jǐn)?shù)；其次，提取左右視圖視頻序列每一幀的空間和時間信息；接著，使用該均值和標(biāo)準(zhǔn)差計算每一幀的變異系...

本發(fā)明涉及一種多任務(wù)深度網(wǎng)絡(luò)的異常事件檢測方法，其特征在于，提出了一種基于聯(lián)合優(yōu)化策略的多任務(wù)深度神經(jīng)網(wǎng)絡(luò)去檢測異常事件，首先，使用連續(xù)的視頻幀作為輸入，通過三維卷積網(wǎng)絡(luò)去學(xué)習(xí)局部時空上下文特征；其次，構(gòu)造了一個端到端訓(xùn)練的循環(huán)卷積神經(jīng)...

本發(fā)明涉及一種基于長短期記憶的二維視頻顯著性檢測方法，其特征在于：首先利用3D卷積網(wǎng)絡(luò)（3D?ConvNet）提取短期時序特征；其次采用雙向長短期記憶網(wǎng)（B?ConvLSTM）提取長期時序特征；之后將提取到的短期時序特征和長期時序特征進(jìn)...

本發(fā)明涉及一種對于非對稱失真三維視頻的質(zhì)量評價方法，其特征在于：首先，使用現(xiàn)有的二維圖像質(zhì)量評價方法評估單視圖視頻每一幀圖像的空間失真，并且利用光流法評估運動失真量；其次，提取單視圖視頻每一幀的空間信息量和時間信息量；接著，利用單視圖視...

本發(fā)明涉及一種基于多模塊全卷積網(wǎng)絡(luò)的三維視頻視覺注意力檢測方法，其特征在于：首先利用圖片數(shù)據(jù)集訓(xùn)練靜態(tài)全卷積網(wǎng)絡(luò)（S?FCN）來獲取空間特征，從而求得三維視頻幀的空間顯著性；其次利用二維視頻數(shù)據(jù)集訓(xùn)練動態(tài)全卷積網(wǎng)絡(luò)（T?FCN）并結(jié)合其...

本發(fā)明涉及一種基于色彩和紋理特征的屏幕圖像質(zhì)量評價方法，其特征在于：首先，設(shè)計參數(shù)模型來描述屏幕圖像中色彩信息的特征，并采用統(tǒng)計模型提取與質(zhì)量相關(guān)的特征以評估屏幕圖像的空間色彩連續(xù)性。其次，采用局部紋理特征來描述屏幕圖像的空間紋理連續(xù)性...

本發(fā)明涉及一種對于360度圖像的顯著性檢測模型方法，其特征在于：利用簡單線性迭代聚類SLIC算法將360度圖像分割成超像素塊，然后將顏色空間轉(zhuǎn)化為CIE?Lab顏色空間，用來提取亮度，顏色和紋理感知特征；接著基于格式塔理論，計算顯著性檢...

本發(fā)明涉及一種對于視頻圖像的顯著性檢測方法，其特征在于：首先利用2D卷積建立一個2D深度卷積神經(jīng)網(wǎng)絡(luò)，輸入一幀視頻幀獲得運動目標(biāo)語義特征，然后利用3D卷積建立一個3D深度卷積神經(jīng)網(wǎng)絡(luò)，輸入連續(xù)三幀視頻幀得到時空顯著性特征，再將運動目標(biāo)語...

本發(fā)明針對去鬼影高動態(tài)范圍圖像提出了有效的客觀質(zhì)量評價模型，其特征在于：首先，基于去鬼影高動態(tài)范圍圖像的源曝光級序列設(shè)計了基于亮度、對比度和結(jié)構(gòu)特征的塊分解的圖像融合算法，以獲得參考圖像；然后，基于紋理不一致性原理檢測去鬼影高動態(tài)范圍圖...

本發(fā)明涉及一種對于色調(diào)映射圖像的質(zhì)量評價方法，其特征在于：首先，設(shè)計參數(shù)模型來描述色調(diào)映射圖像中色彩信息的特征，并采用統(tǒng)計模型提取與質(zhì)量相關(guān)的特征以評估色調(diào)映射圖像的自然化；其次，采用局部紋理特征來描述色調(diào)映射圖像的質(zhì)量退化情況；再后，...

本發(fā)明提供了一種屏幕圖像的質(zhì)量評價方法，通過提取屏幕圖像的視覺特征和映射輸出客觀質(zhì)量分?jǐn)?shù)來評價圖像質(zhì)量，對失真的屏幕圖像通過局部對比度歸一化操作，得到亮度圖，并從中得到屏幕圖像的亮度統(tǒng)計特征，并基于亮度圖計算梯度圖，梯度圖經(jīng)局部二值模式...

本發(fā)明提供了一種無參考三維圖像質(zhì)量評價方法，對三維圖像的左右視圖分別提取亮度統(tǒng)計特征，根據(jù)三維圖像的左右視圖得到三維圖像的視差圖，然后分別將左右視圖與視差圖相結(jié)合，提取結(jié)構(gòu)信息與深度信息的融合統(tǒng)計特征，將各三維圖像的視覺特征及對應(yīng)的主觀...