专利交易市场

本发明公开了一种车牌识别结果智能纠正方法，包括如下步骤：步骤1：构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表C；构建车牌字符集合P；步骤2：取m张车牌图像，利用自动车牌识别技术，得到对应识别结果Ui；然后人工进行识别，步骤3：根据步骤2得到的误识别矩阵Mn×n，首先统计集合P中所有字母被误识别的概率，得到集合R然后基于集合R，计算误识权重集合，步骤4：获得一张车牌经自动车牌识别技术识别后的结果字符串L，将L中的字符依次按序加入空集H，步骤5：对步骤4得到的车牌字符集合H，进行识别结果纠正，本发明的有益效果是：该方法可以对常见单行蓝牌和单行黄牌的识别结果进行智能纠正，减轻人力工作量。

本发明涉及图像处理技术领域，特别是涉及一种隐式神经引导的超网络盲光场图像质量评价方法，包括：获取待评价光场子孔径阵列图像；提取所述光场子孔径阵列图像的目标Y通道信息；将所述目标Y通道信息输入预设的质量评价模型中，输出感知质量评价结果，其中，所述质量评价模型利用隐式神经引导网络提取所述Y通道信息的高维特征，根据所述高维特征获取感知质量分数。本发明通过从光场子孔径图像堆栈中提取的表征形式，利用隐式神经引导网络获得高维特征表示。此外结合多尺度语义特征提取网络，最终生成感知质量分数，充分考虑了人眼的视觉特性，显著提高了无参考光场图像质量评价的评分准确性和效果。

本发明公开了一种基于分层时空感知的屏幕内容视频质量评价方法及装置，涉及视频评价领域，包括：提取屏幕内容视频中的若干个碎片化视频和若干个关键帧并输入经训练的屏幕内容视频质量评价模型，每个关键帧输入显著性计算模块筛选出若干个显著视频块，每个显著视频块输入双通道卷积神经网络，得到每个阶段的多层特征并输入块级质量评估模块，经过空间门特征增强模块，得到每个阶段的增强特征并输入块级质量聚合模块，得到每个视频块的块级质量分数；采用自适应加权策略计算得到空域感知质量分数；碎片化视频输入时域感知质量评估支路，得到时域感知质量分数，两者结合计算得到屏幕内容视频的质量分数，解决现有视频质量评价方法可靠性差的问题。

本发明公开了一种基于多特征多重组合的图像质量评价方法，包括以下步骤：特征提取主干网络、特征多重组合选择、多层感知机（Multilayer Perceptron，MLP）回归预测模型。本发明通过设置特征提取主干网络、特征多重组合选择和MLP回归预测模型，在对图像进行特征提取之前，首先对图像进行归一化预处理，有助于减少模型的训练时间并提高模型预测的准确性，同时使用ResNet‑50作为语义特征提取的主干网络，并且使用在ImageNet上预训练的权重，为了表示整体图像更加完整的信息，捕获图像的局部失真，进一步利用ResNet‑50网络对图像进行特征提取时，同步去提取图像整体从低级语义到高级语义特征，并保证其系统最终对整体图像质量预测的准确程度，确保其最终图像评价处理的效果。

本发明公开了一种信息最大化生成对抗网络模型合成人脸样本质量评估方法，本发明使合成人脸样本的质量评估变得更加客观，具有较高的可靠性。评估方法包括：S1、数据预处理；S2、采用卷积神经网络构建合成人脸样本集的评估模型；S3、通过S2中构建的评估模型对合成人脸样本进行评估质量好的合成人脸样本,由于生成对抗网络模型的机制，质量好的样本其概率分布pg(x)与原始样本的概率分布pdata(x)相近，所以通过分类模型训练测试时可以得到较高的准确率；质量差的合成人脸样本,则因其分布pg(x)离原始样本分布pdata(x)较远，且存在较多的可能性，所以其样本间差别较大，经分类模型进行训练测试时准确率较低。