有哪些信誉好的足球投注网站- 1、本文档共17页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2
微光场景图像质量评价方法构建要求
1范围
本文件规定了微光场景下的图像主观感受质量的量化评价方法的构建要求，包括图像质量评价方法总体要求，图像质量评价方法构建要求和图像质量测试方法。
本文件对图像采集设备最终输出的图像质量进行评价，用于量化人眼对图像质量的主观感受，不涉及图像采集设备的成像方案（包括硬件实现或软件增强等）。
本文件适用于构建微光场景下图像质量的量化评价方法，以及测试方法，可应用于图像采集设备的设计、开发、验收等。在正常光照度场景下的图像质量评价方法的构建和测试也可参照执行。
2规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其必威体育精装版版本（包括所有的修改单）适用于本文件。
SJ/T11900.1超高清视频图像质量第1部分:主观评价
3术语、定义和缩略语
3.1术语和定义
3.1.1
微光场景lowlightscene
指环境光照度低于10lux的室内和室外场景。
3.1.2
目标对象图像质量targetobjectimagequality
指在不同场景的抓拍图像中主要关注目标的图像质量，如安防监控场景的人脸目标、交通管理场景的车牌目标等，根据此类目标对象的场景需求给出的符合人眼主观评价感受的质量量化结果。
3.2缩略语
下列缩略语适用于本文件。
AGGD：非对称广义高斯分布（AsymetryGeneralizedGaussianDistribution）
BRISQUE：无参考空间域图像质量评估算法（BlindReferencelessImageSpatialQUalityEvaluator）
CPBD：模糊检测的累积概率（CumulativeProbabilityofBlurDetection）
DoG：高斯差分图（DifferenceofGaussians）
GGD：广义高斯分布（GeneralizedGaussianDistribution）
JNB：正好可分辨模糊（JustNoticableBlur）
MOS：主观平均分数（MeanOpinionScore）
3
MSCN：平均减去对比度归一化系数（MeanSubstractedContrastNormalizedCoefficients）
NSS：自然场景统计（NaturalSceneStatistics）
SROCC：斯皮尔曼等级相关系数（SpearmanRank-OrderCorrelationCoefficient）
SSCQE：单刺激连续质量评价法（SingleStimulusContinuousQualityEvaluation）
SVR：支持向量回归（SupportVectorRegression）
4图像质量评价方法总体要求
图像质量评价方法应满足如下要求：
a)应能对图像的全图质量或图像中具体目标对象（人脸、车牌等）的图像质量进行评价，评价结果符合人眼主观感受；
b)图像质量评价结果应可量化，输出打分结果，可采用五分制、百分制等相对分值或绝对分值；
c)图像质量评价方法应封装成工具包或应用软件，具备操作界面和可执行功能。
5图像质量评价方法构建要求
5.1构建流程
图像质量评价方法构建流程如下图所示，并满足如下要求：
图1图像质量评价方法构建流程
a)支持对图像质量评价对象（全图或人脸、车牌等目标对象）进行各维度指标评测和整体质量指标评测，评测维度覆盖评价对象的基本特征；
b)评测方案支持AI运算推理能力，应用至少一种深度学习和机器学习框架；
c)用于训练评测方案的样本库数据应覆盖不同的评价对象类型和不同微光环境光照条件。
5.2评测方案建模
5.2.1评价对象分析
评测方案应具备对评价对象图像质量指标的可解释性。应根据评价对象的具体图像特点，将整体图像质量指标分为多个维度指标分别进行评价，各维度指标评测结果加权融合得到评价对象的整体评测结果。其框架如下图所示。
4
图2图像质量评测方案框架
图像质量可参照SJ/T11900.1中的相关要求，设置清晰度、图像噪声、白平衡、色彩饱和度等维度。人脸图像质量评测方案见附录A.1。
5.2.2维度评测方案
各个维度指标采用传统计算机视觉算法与深度学习算法相结合的方式进行评测，通过加权融合得到该维度的评测结果，如下图所示，并满足如下要求。
图3维度指标评测方案框架
——传统计算机视觉算法：根据各维度的特殊性选择合理的传统计算机视觉算法，输出结果作为深度学习算法输入辅助推理或是与深度学习算法输出加权得到
您可能关注的文档
文档评论（0）