System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,具体涉及基于图像处理的ai仿真教学方法及系统。
技术介绍
1、ai仿真教学是用计算机来模拟真实自然现象或社会现象,学生模拟扮演某一角色进行技能训练的一种教学方法。
2、在ai仿真教学过程中,需要录制教学视频进行相关的教学演示,由于教学视频中存在教师动作变化引起的运动模糊,对教学视频的清晰度存在影响,目前通常通过盲去卷积来实现教学视频的去除运动模糊。
3、盲去卷积对于单个图像采用统一的模糊核。由于教学视频中教师不同的部位的运动状态不同,使得在教学视频单帧图像中,不同位置产生的运动模糊不同,利用统一的模糊核对单帧图像去除运动模糊时,无法确保单帧图像中每个位置运动模糊都能够很好的消除。
技术实现思路
1、为了解决上述问题,本专利技术基于图像处理的ai仿真教学方法及系统。
2、本专利技术的基于图像处理的ai仿真教学方法采用如下技术方案:
3、本专利技术一个实施例提供了基于图像处理的ai仿真教学方法,该方法包括以下步骤:
4、获取教学视频的逐帧灰度图像;
5、根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值变化情况,获取当前帧灰度图像中每个像素点的运动模糊特征量;
6、根据当前帧灰度图像中的每个像素点的梯度方向与运动模糊特征量获取每个像素点的相关性向量;将当前帧灰度图像划分为多个分块,根据每个分块中所有像素点的相关性向量获取每个分块的动态程度;
7、根据
8、根据运动特征量将当前帧灰度图像划分为多个类别;对每个类别的图像分别进行盲去卷积,得到每个类别消除动态模糊后的图像,将所有类别消除动态模糊后的图像合并得到当前帧去模糊灰度图像。
9、优选的,所述根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值变化情况,获取当前帧灰度图像中每个像素点的运动模糊特征量,包括的具体步骤如下:
10、根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值获取该像素点的灰度改变频数;根据当前帧灰度图像中每个像素点的灰度改变频数以及每个像素点与前一帧灰度图像中对应位置的像素点的灰度差异获取当前帧灰度图像中每个像素点的运动模糊特征量。
11、优选的,所述根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值获取该像素点的灰度改变频数,包括的具体步骤如下:
12、划分多个灰度级;对于当前帧灰度图像中每个像素点,将该像素点的灰度值与该像素点在之前所有帧灰度图像中的相同位置的像素点的灰度值,按照时间顺序构成该像素点的时序灰度序列;若时序灰度序列中一个灰度值所属的灰度级与前一个灰度值所属的灰度级不相同,则记为一次灰度变化,统计时序灰度序列中灰度变化的次数,作为该像素点的灰度改变频数。
13、优选的,所述根据当前帧灰度图像中每个像素点的灰度改变频数以及每个像素点与前一帧灰度图像中对应位置的像素点的灰度差异获取当前帧灰度图像中每个像素点的运动模糊特征量,包括的具体步骤如下:
14、
15、其中,表示当前帧灰度图像中第个像素点的运动模糊特征量,取遍[0,]中的每个整数,表示每一帧灰度图像中包含的像素点数量;表示当前帧灰度图像中第个像素点的灰度改变频数;表示当前帧灰度图像以及当前帧灰度图像之前的所有帧灰度图像的总帧数;表示当前帧灰度图像中第个像素点的灰度值所属的灰度级与前一帧灰度图像中第个像素点的灰度值所属的灰度级之间的差值绝对值;表示最大值函数。
16、优选的,所述根据当前帧灰度图像中的每个像素点的梯度方向与运动模糊特征量获取每个像素点的相关性向量,包括的具体步骤如下:
17、将像素点的梯度方向与该像素点的运动模糊特征量构成该像素点的相关性向量,所述相关性向量的方向为梯度方向,相关性向量的模为运动模糊特征量。
18、优选的,所述根据每个分块中所有像素点的相关性向量获取每个分块的动态程度,包括的具体步骤如下:
19、
20、其中,表示当前帧灰度图像中第个分块的动态程度,取遍[1,]中的每个整数,表示当前帧灰度图像中分块的数量;表示当前帧灰度图像中第个分块的第个像素点的相关性向量;表示当前帧灰度图像中第个分块的第个像素点的相关性向量的模长;表示当前帧灰度图像中第个分块的第个像素点的梯度方向与水平方向的夹角;表示当前帧灰度图像中第个分块的所有像素点的梯度方向与水平方向的夹角的均值;表示当前帧灰度图像中第个分块包含的像素点数量。
21、优选的,所述根据当前帧灰度图像中每个像素点以及其八邻域内其余像素点的相关性向量和所在分块的动态程度,获取当前帧灰度图像中每个像素点的运动特征量,包括的具体步骤如下:
22、
23、其中,表示当前帧灰度图像中第个像素点的运动特征量;表示当前帧灰度图像中第个像素点所在分块的动态程度;表示当前帧灰度图像中第个像素点的八邻域内第个像素点所在分块的动态程度;表示当前帧灰度图像中第个像素点的相关性向量;表示当前帧灰度图像中第个像素点的八邻域内第个像素点的相关性向量;表示当前帧灰度图像中第个像素点的相关性向量的模长,表示当前帧灰度图像中第个像素点的相关性向量与第个像素点八邻域内第个像素点的相关性向量之和的模长。
24、优选的,所述根据运动特征量将当前帧灰度图像划分为多个类别,包括的具体步骤如下:
25、根据当前帧灰度图像中每个像素点的横纵坐标以及运动特征量对当前帧灰度图像中所有像素点进行均值漂移聚类,得到多个类别。
26、优选的,所述将当前帧灰度图像划分为多个分块,包括的具体步骤如下:
27、预设分块边长,将当前帧灰度图像划分为多个大小的分块。
28、本专利技术还提出基于图像处理的ai仿真教学系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述基于图像处理的ai仿真教学方法的步骤。
29、本专利技术的技术方案的有益效果是:本专利技术根据教学视频多帧灰度图像中同一个位置的像素点的灰度值变化情况获取像素点的运动模糊特征量,结合像素点的梯度方向获取像素点的相关性向量,根据每个分块中所有像素点的相关性向量获取每个分块的动态程度,根据像素点以及其八邻域内其余像素点的相关性向量和所在分块的动态程度得到像素点的运动特征量,根据运动特征量将当前帧灰度图像划分为多个类别,使得同一运动状态下的像素点尽可能划分为同一类别,对每个类别的图像分别进行盲去卷积,使得不同运动状态的像素点采用不同的模糊核去除运动模糊,从而使得教学视频灰度图像中每个位置的运动模糊都能够很好的去除,避免了教学视频中教师动作变化带来的运动模糊对教学视频清晰度的影响,能够提高教学质量。本文档来自技高网...
【技术保护点】
1.基于图像处理的AI仿真教学方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于图像处理的AI仿真教学方法,其特征在于,所述根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值变化情况,获取当前帧灰度图像中每个像素点的运动模糊特征量,包括的具体步骤如下:
3.根据权利要求2所述的基于图像处理的AI仿真教学方法,其特征在于,所述根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值获取该像素点的灰度改变频数,包括的具体步骤如下:
4.根据权利要求3所述的基于图像处理的AI仿真教学方法,其特征在于,所述根据当前帧灰度图像中每个像素点的灰度改变频数以及每个像素点与前一帧灰度图像中对应位置的像素点的灰度差异获取当前帧灰度图像中每个像素点的运动模糊特征量,包括的具体步骤如下:
5.根据权利要求1所述的基于图像处理的AI仿真教学方法,其特征在于,所述根据当前帧灰度图像中的每个像素点的梯度方向与运动模糊特征量获取每个像素点的相关性向量,包括的具体步骤如下:
6.根据权利要求1所述的基于图
7.根据权利要求1所述的基于图像处理的AI仿真教学方法,其特征在于,所述根据当前帧灰度图像中每个像素点以及其八邻域内其余像素点的相关性向量和所在分块的动态程度,获取当前帧灰度图像中每个像素点的运动特征量,包括的具体步骤如下:
8.根据权利要求1所述的基于图像处理的AI仿真教学方法,其特征在于,所述根据运动特征量将当前帧灰度图像划分为多个类别,包括的具体步骤如下:
9.根据权利要求1所述的基于图像处理的AI仿真教学方法,其特征在于,所述将当前帧灰度图像划分为多个分块,包括的具体步骤如下:
10.基于图像处理的AI仿真教学系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
...【技术特征摘要】
1.基于图像处理的ai仿真教学方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于图像处理的ai仿真教学方法,其特征在于,所述根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值变化情况,获取当前帧灰度图像中每个像素点的运动模糊特征量,包括的具体步骤如下:
3.根据权利要求2所述的基于图像处理的ai仿真教学方法,其特征在于,所述根据当前帧灰度图像与之前的所有帧灰度图像中同一个位置的像素点的灰度值获取该像素点的灰度改变频数,包括的具体步骤如下:
4.根据权利要求3所述的基于图像处理的ai仿真教学方法,其特征在于,所述根据当前帧灰度图像中每个像素点的灰度改变频数以及每个像素点与前一帧灰度图像中对应位置的像素点的灰度差异获取当前帧灰度图像中每个像素点的运动模糊特征量,包括的具体步骤如下:
5.根据权利要求1所述的基于图像处理的ai仿真教学方法,其特征在于,所述根据当前帧灰度图像中的每个像素点的梯度方向与运动模糊特征量获取每个像素点的相关性向量...
【专利技术属性】
技术研发人员:王亚,赵策,屠静,苏岳,万晶晶,李伟伟,颉彬,周勤民,
申请(专利权)人:卓世科技海南有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。