[发明专利]图像显示控制方法及装置有效

专利信息
申请号: 201911043179.8 申请日: 2019-10-30
公开(公告)号: CN110807769B 公开(公告)日: 2021-12-14
发明(设计)人: 张亚彬 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/46;H04N21/431;H04N21/44
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 邢惠童
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 显示 控制 方法 装置
【权利要求书】:

1.一种图像显示控制方法,其特征在于,所述方法包括:

获取图像集合中的m个图像,m≥1;

将所述m个图像输入图像质量评价模型,由所述图像质量评价模型提取所述m个图像中每个图像的第一特征,对所述每个图像的第一特征进行n种池化处理得到所述每个图像的第二特征,基于所述m个图像的第二特征输出所述图像集合的质量参数,n≥2;

基于所述图像集合的质量参数,控制显示装置对所述图像集合进行显示;

所述提取所述m个图像中每个图像的第一特征,包括:

提取所述每个图像的初始特征;

对所述每个图像的初始特征分别进行p种压缩比例的压缩处理,得到与所述p种压缩比例一一对应的所述每个图像的p个压缩特征,所述压缩特征的特征数量小于或等于所述初始特征的特征数量,所述每个图像的第一特征包括所述每个图像的p个压缩特征,p≥2;

所述对所述每个图像的第一特征进行n种池化处理得到所述每个图像的第二特征,包括:

对所述每个图像的p个压缩特征分别进行n种池化处理,得到所述每个图像的n组池化特征,其中,所述n组池化特征中每组池化特征包括:采用压缩特征对应的压缩比例所对应的卷积核,对所述每个图像的每个所述压缩特征进行一种池化处理后得到的池化特征,所述p种压缩比例与对应的卷积核的尺寸比例负相关;

基于所述每个图像的所述n组池化特征,得到所述每个图像的第二特征。

2.根据权利要求1所述的方法,其特征在于,所述基于所述每个图像的所述n组池化特征,得到所述每个图像的第二特征,包括:

基于所述每个图像的所述n组池化特征中的每组池化特征,得到所述每组池化特征的组合特征;

对所述每个图像的n组池化特征的n个组合特征进行线性池化处理,得到所述每个图像的第二特征。

3.根据权利要求2所述的方法,其特征在于,基于所述每个图像的所述n组池化特征中的每组池化特征,得到所述每组池化特征的组合特征,包括:

采用第一全连接层对所述每个图像的每个池化特征进行处理,得到所述每个池化特征的相关特征;

基于所述每个图像的所述每组池化特征的相关特征,得到所述每个图像的所述每组池化特征的组合特征;

其中,所述每个池化特征的特征数量小于所述每个池化特征的相关特征的特征数量。

4.根据权利要求3所述的方法,其特征在于,所述提取所述每个图像的初始特征,包括:

采用包括深度可分离卷积层的全卷积网络对所述每个图像进行特征提取,得到所述每个图像的所述初始特征。

5.根据权利要求1至4任一所述的方法,其特征在于,m≥2,所述基于所述m个图像的第二特征输出所述图像集合的质量参数,包括:

采用q种采集频率分别在所述m个图像中采集图像,得到所述q种采集频率一一对应的q组图像,q≥2;

采用循环卷积层对所述q组图像中每组图像的第二特征进行处理,得到所述每组图像的时域特征;

基于所述q组图像的时域特征,输出所述图像集合的质量参数。

6.根据权利要求1至4任一所述的方法,其特征在于,在所述获取图像集合中的m个图像之前,所述方法还包括:

对初始模型进行训练,得到所述图像质量评价模型。

7.根据权利要求6所述的方法,其特征在于,所述对初始模型进行训练,包括:

采用逐级训练的方式对所述初始模型进行训练。

8.一种图像显示控制装置,其特征在于,所述图像显示控制装置包括:处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的图像显示控制方法。

9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至7任一所述的图像显示控制方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911043179.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top