CN105682310B - 基于图像质量控制的组合照明装置及方法 - Google Patents
基于图像质量控制的组合照明装置及方法 Download PDFInfo
- Publication number
- CN105682310B CN105682310B CN201410658630.8A CN201410658630A CN105682310B CN 105682310 B CN105682310 B CN 105682310B CN 201410658630 A CN201410658630 A CN 201410658630A CN 105682310 B CN105682310 B CN 105682310B
- Authority
- CN
- China
- Prior art keywords
- illumination
- image
- lighting
- area
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/17—Operational modes, e.g. switching from manual to automatic mode or prohibiting specific operations
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了一种基于图像质量控制的组合照明装置及方法,其包括照明模块,用于在照明模式下工作以向待照明区域提供照明形成照明区域,在多种照明模式中的任意两种照明模式下,照明模块的照明方向和/或照明亮度不同;图像采集模块,用于对经照明模块在多种照明模式下形成的照明区域分别进行拍摄以采集多种照明区域图像;控制模块,用于根据图像采集模块采集的多种照明区域图像的图像质量评估参数以及预先建立的实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系,确定照明模块的最优照明模式以使照明模块在最优照明模式下工作,在最优照明模式下照明区域图像的照明效果等级最优。本发明通过上述技术方案实现了最优照明的控制。
Description
技术领域
本发明属于图像分析和控制领域,特别涉及一种基于图像质量控制的组合照明装置及方法。
背景技术
在许多特定的场合需要精细地调节照明光源以方便人眼的观看和图像的采集与分析。在医疗领域,比如在野外或条件较差的地点进行伤员的诊断或救治时,需要一种便携式的照明灯具,该灯具能够智能的根据伤员不同部位伤口的特点,自动调节照明亮度及方向,实现对伤员伤患处的精细照明;或是采集伤患处成像最清晰的图像,给远在千里之外的、通过网络视频会诊的专家提供最为清晰、可靠的图像资料。在工业制造领域,比如进行集成光学芯片的制造时,需要一种照明灯具能够根据芯片的外形、环境光,提供柔和、可靠、长久的光源,以方便芯片设计与制造人员通过显微观察的方式控制微米级、甚至纳米级芯片的加工与制造。再比如,在夜晚复杂的室外环境下进行施工作业时,当需要对施工对象表面进行精细的操作,如设施的维修、地勤的观察、证据的拍摄、场景的理解时,需要一种便携式的照明灯具,该灯具智能地根据施工对象表面的外形特征进行自动光照方向和亮度的调节,以方便人眼的观看和图像的拍摄与分析。
中国专利“光学检测设备LED照明灯”(专利申请号CN201120018391,专利公开号CN202001894U)中设计了一种由多个点光源组成的环形灯,通过大小不同的入射角形成均匀高光亮的效果,使得CCD相机成像质量较高。该专利设计的不足主要在于各个点光源的照明单元位置固定,无法根据拍摄目标的实际照明情况进行精细的光源照明方向与亮度的自适应调节。
中国专利“一种基于环境光变化的户外LED显示屏亮度自动调节方法及***”(专利申请号CN201210210072,专利公开号CN102693698A)中采用摄像头拍摄环境光,并建立图像提取的环境亮度与LED发光亮度间的关联关系,进而通过摄像头采集的图像来控制LED显示屏的亮度。该专利虽然利用图像作为反馈控制LED显示屏亮度,但该发明没有做精细的、基于图像分析的环境光场估计用来调节照明效果。
中国专利“一种采煤工作面使用的带云台的矿用球形摄像仪组视频监视***”(专利申请号CN201310413546,专利公开号CNl03452571A)中公开了一种云台摄像机拍摄采矿工作作业面的视频监控***,该发明设计了运动机构进行图像的采集,但不足在于没有对***的照明装置进行控制以实现最优照明效果,提高图像采集质量和清晰度。中国专利“基于数码相机的图像亮度计”(专利申请号:CN 201020273436,专利公开号:CN201731940 U)指出利用数码相机可以估计环境的亮度,但该专利并没有进一步将所估计的亮度与数码相机的应用相关联。
发明内容
为了解决上述问题,本发明实施例一方面提供了一种基于图像质量控制的组合照明装置,其包括:照明模块,用于在照明模式下工作以向待照明区域提供照明,形成照明区域,所述照明模式的种类有多种,在多种所述照明模式中的任意两种照明模式下,所述照明模块的照明方向和/或照明亮度不同;图像采集模块,用于对经所述照明模块在多种所述照明模式下形成的照明区域分别进行拍摄以采集多种照明区域图像;控制模块,用于根据所述图像采集模块采集的多种照明区域图像的图像质量评估参数以及预先建立的实验图像的图像质量评估参数与所述实验图像的照明效果等级之间的关联关系,确定所述照明模块的最优照明模式以使所述照明模块在所述最优照明模式下工作,其中,在所述最优照明模式下,所述照明区域图像的照明效果等级最优。
在如上所述的组合照明装置中,优选:所述控制模块包括:图像质量评估参数获取单元,用于根据所述图像采集模块采集的多种照明区域图像获取多种所述照明区域图像的图像质量评估参数;关联关系建立和照明效果等级确定单元,用于建立实验图像的图像质量评估参数与所述实验图像的照明效果等级之间的关联关系;还用于根据所述图像质量评估参数获取单元获取的图像质量评估参数和所述关联关系建立单元建立的关联关系,确定所述照明区域图像的照明效果等级;选择单元,用于根据所述关联关系建立和照明效果等级确定单元确定的照明效果等级选择所述照明区域图像中照明效果等级最优的所述照明区域图像以使所述照明模块在所述最优照明模式下工作,其中,在所述最优照明模式下,所述照明区域图像的照明效果等级最优。
在如上所述的组合照明装置中,优选,所述关联关系建立和照明效果等级确定单元采用分类器实现;所述实验图像为人机工效学实验方法所用图像。
在如上所述的组合照明装置中,优选,所述照明模块包括:照明光源单元,用于向所述待照明区域提供照明;照明方向控制单元,用于控制所述照明光源单元在照明模式下工作的照明方向;和/或照明亮度控制单元,用于控制所述照明光源单元在照明模式下工作的照明亮度。
在如上所述的组合照明装置中,优选,所述照明方向控制单元为多自由度运动电机;所述照明光源单元的数量为单个或多个,每个所述照明光源单元一一对应安装在多个所述照明方向控制单元上,优选,多个所述照明光源单元布置成环形。
在如上所述的组合照明装置中,优选,所述图像质量评估参数至少包括:图像亮度、图像区域对比度和图像边缘模糊度,优选还包括图像亮度纹理信息、图像高反光区域特征参数和图像噪声级中的一个或几个。
在如上所述的组合照明装置中,优选,所述组合照明装置还包括:存储模块,用于存储所述图像采集模块采集的多种照明区域图像。
在如上所述的组合照明装置中,优选,所述组合照明装置还包括:发送模块,用于当所述照明模块工作在最优照明模下时,将所述图像采集模块采集的照明区域图像发送给远程客户端。
本发明另一方面提供了一种基于图像质量控制的组合照明方法,适用于上述所述的组合照明装置,其包括:预先建立实验图像的图像质量评估参数与所述实验图像的照明效果等级之间的关联关系;在照明模式下向待照明区域提供照明,所述照明模式的种类有多种,在多种所述照明模式中的任意两种照明模式下,所述照明模块的照明方向和/或照明亮度不同;对在每种所述照明模式下形成的照明区域分别进行拍摄以采集照明区域图像;根据所述照明区域图像和所述关联关系确定所述最优照明模式以使所述在最优照明模式下向待照明区域提供照明,其中在所述最优照明模式下,所述照明区域图像的照明效果等级最优。
在如上所述的组合照明方法中,优选,所述实验图像为人机工效学实验方法所用图像;所述图像质量评估参数至少包括:图像亮度、图像区域对比度。
本发明实施例提供的技术方案带来的有益效果是:
(1)、本发明采用图像质量参数分析的结果作为照明光源单元的照明亮度及照明方向调节及控制的反馈因素,采用精细的光源亮度及方向控制方法,有效提高了近景照明的照明效果,在实际应用与工程上具有较强的实用价值。
(2)、本发明所设计的图像分析方法,既计算了客观的图像质量评估参数,又采用人机工效学实验的方法确定主观照明效果等级的评估,其处理结果更接近人眼的观看习惯,因此将其作为控制照明光源单元的照明亮度及照明方向的调节因素,使得最终照明效果的控制具有人眼观看视觉效果优异的特点。
(3)、本发明通过采用多自由度运动控制电机带动照明光源单元运动的方式控制照明光源单元的照明方向,有效拓展了传统固定安装模式的LED灯具的照明范围和效果,实现了真正意义上的照明效果的调节。
(4)、本发明所设计的***不但能够提供良好的照明场景,也能够利用图像采集装置例如相机,将最佳的照明场景进行拼接拍摄与记录,并进行后续的图像分析应用,能够方便实现数据的事后分析,因此拓展了传统照明装置具的用途,也丰富了目前视频监控相机产品的功能。
附图说明
图1为本发明一实施例提供的一种基于图像质量控制的组合照明装置的结构示意图;
图2为本发明一实施例提供的一种照明模块的结构示意图;
图3为本发明一实施例提供的一种五自由度机械臂和照明模块的结构示意图;
图4为本发明一实施例提供的一种工装结构件、照明光源单元和照明方向控制单元的结构示意图;
图5为本发明一实施例提供的另一种工装结构件、照明光源单元和照明方向控制单元的结构示意图;
图6为本发明另一实施例提供的一种基于图像质量控制的组合照明装置的结构示意图;
图7为本发明又一实施例提供的一种基于图像质量控制的组合照明方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
参见图1,本发明一实施例提供了一种基于图像质量控制的组合照明装置,其具体包括:照明模块10、图像采集模块20以及分别与照明模块10和图像采集模块20连接的控制模块30。
其中,照明模块10用于在照明模式下工作以向待照明区域提供照明,使待照明区域形成照明区域,照明模式的种类有多种,照明模块10在每种照明模式下分别向待照明区域提供照明,在多种照明模式中的任意两种照明模式下,照明模块10的照明方向和/或照明亮度不同。待照明区域为需要照明的区域,比如:在医疗领域应用组合照明装置时,待照明区域可为伤员的伤口处;在夜晚进行室外精细操作(例如设备的维修、证据的拍摄)时,待照明区域可以为操作对象。照明模式下的照明参数包括照明方向和/或照明亮度。
优选,参见图2,照明模块10包括:照明光源单元11,与照明光源单元11连接的照明方向控制单元12和/或与照明光源单元11连接的照明亮度控制单元13。进一步优选,照明模块10包括:照明光源单元11、照明方向控制单元12和照明亮度控制单元13。
照明光源单元11用于向待照明区域提供照明,其优选为LED照明光源单元,LED照明光源单元包括由多个LED灯珠排列组成的多个点光源或多个面光源。照明光源单元11照射的光优选是白光,在其他的实施例中,还可以是红光、蓝光等其他颜色光,也可以是多种颜色组合的光。照明光源单元11还可以为OLED照明灯具,本实施例不对此进行限定。
照明方向控制单元12用于控制照明光源单元11在照明模式下工作的照明方向,其优选为多自由度运动电机120,实现旋转运动(即绕不同的轴转动)以改变照明方向,多自由度运动电机可以为多个单自由度(例如俯仰、偏航、滚转自由度中的任意一个自由度)运动电机、多个双自由度(例如俯仰、偏航、滚转自由度中任意两个自由度的组合)运动电机、多个三自由度(例如俯仰、偏航、滚转自由度)运动电机或多个超过三自由度运动电机,实际中,照明光源单元安装在多自由度运动电机上,多自由度运动电机通过工装结构件安装在多自由度度机械臂上,由于多自由度机械臂可以实现传动和转动,因此可以改变照明模块的空间位置,实现对照明模块空间位置的控制。在其他的实施例中,照明方向控制单元12还可以为柔性支架,例如金属软管、金属网管。参见图3,其为五自由度连杆机械臂17与智能组合照明体的结构示意图,机械臂的各自由度为各个连杆连接轴的转动方向。
照明亮度控制单元13用于控制照明光源单元11在照明模式下工作的照明亮度,其可以采用基于PWM(Pulse Width Modulation,脉冲宽度调制)技术的电路改变照明光源单元11的功率以实现照明亮度的改变,例如照明光源单元11为LED照明光源单元时,可采用基于PWM技术的电路对LED照明光源单元11的照明亮度进行控制,在其他的实施例中,还可以通过改变照明光源单元11两端的电压实现照明亮度的改变。需要说明的是:照明模块10的数量优选为多个以便于向待照明区域提供更好的照明,进一步优选,多个照明模块可以布置成环形,例如圆形、矩形、椭圆形等,单个或多个照明单元的位置可根据实际照明需要呈任意位置分布设计。
其中,图像采集模块20用于对经照明模块10在多种照明模式下形成的照明区域分别进行拍摄以采集多种照明区域图像,即图像采集模块对经照明模块10在每种照明模式下形成的照明区域分别进行拍摄以采集照明区域图像。图像采集模块20可以为摄像头,如CCD(Charge-coupled Device,电荷耦合元件)或CMOS(Complementary Metal OxideSemiconductor,互补金属氧化物半导体)摄像头,还可以为单色相机、彩色相机或黑白相机;也可以为可见光摄像头或近红外摄像头。需要说明的是图像采集模块20的数量优选为多台以便于实现对待照明区域形成照明区域后不同部分的图像进行采集,从而利于对图像的精细控制。
实际中,照明模块和图像采集模块优选采用集成化的结构工装设计以利于携带,比如将LED照明光源单元安装在多自由度运动控制电机之上组成电动照明单元,则LED照明光源单元能够由多自由度运动控制电机的转动进行姿态变化(即照明方向)的带动,多个电动照明单元由工装结构件16所固定,将多个电动照明单元按照一定规则(例如矩形、圆形)进行排列,再将图像采集装置安装于工装结构件上以实现对图像的采集,优选,图像采集模块安装于工装结构件的几何中心,则最终LED照明光源单元、多自由度运动控制电机以及图像采集装置组合成为智能组合照明体100。参见图4,其提供了一种八个LED照明光源单元110、单台摄像头200和工装结构件的结构示意图,八个LED照明光源单元110排列呈正圆形或正八边形,在其中心安装有摄像头200以对照明区域图像采集;参见图5,其提供了一种八个LED照明光源单元110、两台摄像头200、和工装结构件16的结构示意图,八个LED照明光源单元110排列呈矩形,在其中心两侧对称安装有两台摄像头200以对照明区域图像采集。
其中,控制模块30用于根据图像采集模块20采集的多种照明区域图像的图像质量评估参数以及预先建立的实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系,确定照明模块10的最优照明模式以使照明模块10在最优照明模式下工作,照明模块在最优照明模式下工作时,图像采集模块采集的照明区域图像的照明效果等级最优。实际中,控制模块可由FPGA、DSP、单片机电路板中的一种或几种嵌入式电路板实现,电路板的形状可以为规则或不规则多边形。为控制模块、照明模块和图像采集模块供电的电源为直流/交流。
该装置针对医疗、工业、工程、科学实验等领域的近景照明与图像分析需求,采用基于图像质量评估参数反馈控制的方法,根据图像质量分析照明光场强度与分布,并将分析结果作为控制LED照明单元亮度及照明方向的依据。通过不同档次LED照明光源单元、运动控制电机、摄像头等元件的搭配,该装置可形成不同功能侧重的产品,既可以是一款智能组合照明装置,又可是一款提供最优照明的图像采集与分析装置。
本装置通过采用多个LED灯实现照明,采用多个运动控制电机驱动LED灯的运动,利用摄像头采集图像,并最终根据嵌入式电路分析图像质量评估参数的方法,调节LED灯的照明效果,从而既能够实现最优的照明控制,又能够实现在最优照明条件下的图像分析应用。
本发明实施例提供的组合照明装置,通过根据图像采集模块采集的多种照明区域图像的图像质量评估参数和预先建立的实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系,确定照明模块的最优照明模式,使得照明模块在最优照明模式下工作,实现了最优照明的控制,
参见图6,本发明另一实施例提供了一种基于图像质量控制的组合照明装置,在上述一实施例的基础上,本发明另一实施例中的控制模块30具体包括:图像质量评估参数获取单元31、关联关系建立和照明效果等级确定单元35、与关联关系建立和照明效果等级确定单元连接的选择单元34。
其中,图像质量评估参数获取单元31用于根据图像采集模块20采集的多种照明区域图像获取多种照明区域图像的图像质量评估参数。
需要说明的是,本发明具体实施方式中所涉及的图像质量评估参数至少包括:图像亮度、图像区域对比度、图像边缘模糊度。在其他的实施例中还可以包括图像亮度纹理信息、图像高反光区域特征参数和图像噪声级中的一个或多个,上述图像质量评估参数从图像亮度、对比度、纹理变化、噪声变化等不同角度描述了图像的照明特征,具有计算简单、准确的特点。
优选,上述图像质量评估参数的定义方法如下:
i)图像亮度
图像亮度MB表征图像的明暗程度,其计算式如下:
其中,hk为图像直方图中灰度为Ik的像素的个数,p为参数,取值范围为正整数,例如3,式(1)中的N表示图像中所有出现的灰度等级的个数。
ii)图像区域对比度
分别计算采样区域对比度MC与Tamura纹理对比度Tcon。Tamura纹理对比度Tcon表征图像灰度变化的强烈程度,其计算式分别如下:
iii)图像边缘模糊度
图像边缘模糊度MBL表征图像边缘的清晰程度,其计算式如下:
其中,I(xi1,yi1)与I(xi2,yi2)表示(xi1,yi1)与(xi2,yi2)处的图像灰度值,wi表示像素(xi1,yi1)与(xi2,yi2)处的边界扩散程度,符号Θ表示所计算的图像区域,符号表示计算最大值;符号arctan{·}表示计算反正切函数。
iv)图像亮度纹理信息
图像亮度纹理信息分别计算了灰度共生矩阵角二阶矩、灰度共生矩阵惯性矩以及灰度共生矩阵熵。灰度共生矩阵角二阶矩GLCMASM表征图像纹理灰度分布均匀程度及纹理粗细程度的度量值;灰度共生矩阵惯性矩GLCMCON表征图像纹理的清晰度和纹理的深浅的度量值;灰度共生矩阵熵GLCMENT表征图像灰度分布的复杂程度或杂乱程度,其计算式分别如下:
其中,p(i,j)为一幅图像的灰度共生矩阵,坐标(i,j)表示图像位置信息;符号log[·]表示计算对数值。
v)图像高反光区特征参数
对于表面较为光滑的物体在进行最优照明模式控制时,过强的照明光源有可能导致物体表面出现高反光区域,因此采用固定阈值的方法对高反光区域进行分割并计算该区域所占的图像像素数,将该像素数作为高反光区域的面积特征(参数MA),以进行照明效果的评判。
其中,I(i,j)为原始图像位置在(i,j)处的图像灰度值;TA为固定阈值,其为介于[0,255]之间的正整数,在实际应用中,根据不同应用工况可以选择不同的数值;IS(i,j)表示二值化阈值分割后的图像灰度值。
vi)图像噪声级
图像噪声级MN表征图像采集装置例如相机,在暗光条件下受暗电流等因素影响的程度,从一个侧面同时反映了相机特性及环境照明特性,其计算式如下。
其中,Iik表示图像的灰度;表示整体图像中所有像素灰度值的均值,表示采样图像块中所有像素灰度值的均值,K1、K2表示参数,其均可取[0,5]之间的有理数,在实际应用时,根据实际应用工况,可以选择不同的数值;符号Θ表示所计算的图像区域;符号表示计算最小值;符号log[·]表示计算对数值,式(11)中的N表示采样图像块内的图像像素数,k表示其中某一块图像。
优选,实验图像为人机工效学实验方法所用图像。
其中,关联关系建立和照明效果等级确定单元具体用于建立实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系;还用于根据图像质量评估参数获取单元获取的图像质量评估参数和关联关系建立单元建立的关联关系,确定照明区域图像的照明效果等级。实际中关联关系建立和照明效果等级确定单元的上述功能采用分类器实现,也就是说关联关系建立和照明效果等级确定单元为一分类器,即关联关系的建立采用分类器实现,关联关系建立的过程也就是分类器的训练过程;照明效果等级的确定是由训练好的分类器(即已完成分类器的训练过程)实现。分类器可以为支持向量机(SupportVector Mechine,SVM)分类器,还可以为神经网络或贝叶斯分类器,本实施例不对分类器的具体种类进行限定,在其他的实施例中,还可以采用量表实现。关联关系建立具体通过进行人机工效学实验方法,获取人机工效学实验方法所用图像的照明效果等级以及人机工效学实验方法所用图像的图像质量评估参数,利用支持向量机分类器或神经网络建立人机工效学实验方法所用图像的图像质量评估参数与人机工效学实验方法所用图像的照明效果等级之间的关联关系,即将人机工效学实验方法所用图像的图像质量评估参数作为支持向量机分类器或神经网络的训练数据,将人机工效学实验方法所用图像的照明效果等级作为支持向量机分类器或神经网络的监督数据,则建立起人机工效学实验方法所用图像的图像质量评估参数与人机工效学实验方法所用图像的照明效果等级之间的关联关系。
下面对如何获取人机工效学实验方法所用图像的照明效果等级进行详细说明:
进行人机工效学实验,即通过人机工效学实验方法确定照明效果等级的目的,是通过定量化实验的途径找出人眼在观看特定场景图像时,对特定场景图像中照明环境的主观亮度等级的划分,照明效果等级可划分为3级、4级或更多级。为了达到上述目的,首先选取特定的照明应用场合,如典型的医疗照明场合、工业应用场合、工程作业场合、科学实验场合等,在各实际场合中采集大量的不同照明效果等级下的图像,优选同一照明效果等级下累积拍摄的图像不少于200幅。其后,根据性别、年龄、裸眼视力等指标挑选人体实验被试,组织被试在特定实验环境中,如暗室条件下,按照随机出现次序对所积累的图像进行主观评判打分,最终打分的结果即可作为主观评判不同照明效果等级的依据。上述实验过程需多个被试参加,并不断积累,直至在被试主观评判的结果中各照明效果等级的图像的个数大于一个固定阈值时为止,固定阀值为正整数,例如50、60等。照明效果等级的划分是根据人眼主观感知进行划分。比如划分为5级时,首先告知被试需要对特定应用工况下的图像的照明效果进行5级划分这一事实,然后采集该特定工况下大量的不同照明效果的图像,让被试根据主观感觉将图像进行5分类,一种分类的方式是要求被试主观感知的照明效果最优的图像分为5级照明效果等级图像,而主观感知照明效果最差的图像分为1级照明效果等级的图像。通过大量被试完成上述的操作过程,则最终分类的结果会在统计学角度具有一定的代表性,即能够代表不同照明效果等级下的图像示例。表1中给出了一种遥操作精密***维修时作业面精细操作的照明效果等级与各图像质量评估参数取值范围间的对应关系。下表中,照明效果等级为一级时人眼观看效果最佳,三级时人眼观看效果最差,二级则人眼观看效果主观评价为一般。由表中结果可见,照明效果等级与图像质量评估参数间具有一定的对应关系,且所积累的同一照明效果等级的图像越多,所计算的各照明效果等级对应的图像质量评估参数的取值范围会越准确,越能够代表人眼的真实感受;反之,通过各图像质量评估参数取值的确定,也能够唯一确定相应的照明效果等级。
表1照明效果等级与图像质量评估参数间的对应关系
表1中MA等于零,表示该照明效果等级条件下的高反光区域的面积为零,即该照明效果等级条件下不存在高反光区域;同理MA大于零,表示该照明效果等级条件下的高反光区域的面积大于零。
以医疗照明效果等级的划分实验为例,优选地,以选用库柏-哈柏(Cooper-Harper)方法进行主观图像质量评估的量表设计。库柏-哈柏是一种打分制一维评分的主观方法,它把因素分为若干个等级,最低分数代表非常低的照明效果等级,最高分数代表非常高的照明效果等级。优选地,如表2中所示为一种5分制的打分方法。在量表设计时,参与人体实验的被试除了要给一幅图像的最终照明效果等级给出一个分值,还需要分别针对图像质量评估参数:图像亮度、图像区域对比度、图像边缘模糊度、图像亮度纹理信息、图像高反光区域特征参数、图像噪声级给出一个分数等级;该分数等级的取值范围同样为1到5,分数等级越高,图像亮度越高、图像区域对比度越高、图像边缘模糊越低、图像亮度纹理信息越高、图像高反光区域特征越不明显、图像噪声级越低。
表2采用主观问卷中的绝对尺度样表
5 | 4 | 3 | 2 | 1 |
优 | 良 | 中 | 差 | 劣 |
考虑到人体实验受个体因素及实验现场的环境因素影响较大,为了得到更贴近实际的效果,最终,在对一幅图像给出最终的人机工效学主观实验评判的照明效果等级时,需要既参考被试给出的最终照明效果等级的评判,还需参考被试对图像亮度、图像区域对比度、图像边缘模糊度、图像亮度纹理信息、图像高反光区域特征参数、图像噪声级6个指标打分的结果,以确定最终照明效果等级评判的准确性。例如:如果被试给出的最终照明效果等级的分数与6个指标分数中4个指标的分数相差不大,则认为最终照明效果等级的分数较为可信;否则需根据具体情况降低或提高最终的照明效果等级的分数:如果6个指标中4个的分值均比最终照明效果等级的分数高,则提高最终照明效果等级的分数;反之,如果6个指标中4个的指标的分数比最终照明效果等级低,则降低最终照明效果等级的分数。在其他的实施例中,还可以是将最终照明效果等级的分数与6个指标分数中5个指标的分数进行比较,也可以是与6个指标分数中3个指标的分数进行比较,本实施例不对此进行限定。
下面以支持向量机分类器为例对如何建立实验图像的图像质量评估参数与照明效果等级之间的关联关系进行详细说明:
采用支持向量机(Support Vector Mechine,SVM)分类器技术建立图像质量评估参数与照明效果等级之间的关联关系。SVM分类器是一种基于统计学习理论的模式识别分类工具,具有训练数据少、分类精度高、计算稳定性好等特点。在进行SVM分类器的应用时,需针对同一批图像数据分别通过计算或人体实验的方式获取SVM分类器的训练数据与监督数据,其中,SVM分类器的训练数据为图像亮度、图像区域对比度、图像边缘模糊度、图像亮度纹理信息、图像高反光区域特征参数、图像噪声级6类图像质量评估参数;SVM分类器的监督数据为通过人机工效学实验中所获得的5级照明效果等级。SVM分类器是模式识别领域常用的数学工具,只要采用已知的数据对SVM进行训练,一旦SVM训练完毕,即可得到图像质量各参数与照明效果等级间的对应关系(或关联关系)。实际中,取每一等级照明效果下所积累的图像数据大于200,SVM分类器训练的最终分类正确率应大于90%。
需要说明的是,本发明具体实施方式中在利用图像质量评估参数评估照明效果时,既可以利用灰度图像对照明效果进行评估,也可以利用彩色图像对照明效果进行评估。本发明中所设计的六类图像质量评估参数,针对不同的应用场合可以全部使用,也可以部分使用。在照明需求环境比较单一的场合,比如需要对植物的生长过程进行照明与图像采集时,由于室内的实验室环境条件较好,不存在复杂环境杂光的变化影响,而所采用的图像采集装置性能也较高,这时可以仅考虑图像亮度、图像区域对比度、图像边缘模糊度、图像亮度纹理信息四个参数进行图像质量高低的评估。而在其它场合,比如在夜晚室外环境下进行市政工程的照明及维修,由于城市环境各类其它光源较多,***的应用存在环境光条件复杂变化的情况,这时需要同时考虑图像亮度、图像区域对比度、图像边缘模糊度、图像亮度纹理信息、图像高反光区域特征参数、图像噪声级六类图像质量评估参数进行图像质量的评估。在其他的实施例中,还可以采用其他公式对图像质量评估参数进行限定。
其中,选择单元34用于根据关联关系建立和照明效果等级确定单元确定的照明效果等级选择照明区域图像中照明效果等级最优的照明区域图像以使照明模块在最优照明模式下工作,照明模块在最优照明模式下工作时,图像采集模块采集的照明区域图像的照明效果等级最优。具体地,将多个照明区域图像对应的照明效果等级进行排序,选择出照明效果等级最优的照明区域图像所对应的照明模式,即最优照明模式推荐给用户以使用户选择或自行驱动照明模块工作在最优照明模式下(即驱动照明模块在一定照明亮度和/或照明方向工作时,图像采集模块采集的照明区域图像为照明效果等级最优,一定照明亮度和/或照明方向对应最优照明模式)。
实际中,施工地与操作地或控制地之间的距离非常远,例如:医疗领域的远程会诊,为了利于分析和操作,该组合照明装置还包括发送模块,其用于当照明模块工作在最优照明模下时,将图像采集模块采集的照明区域图像发送给远程客户端以供远程客户端查看图像或者对图像作进一步的处理,例如:图像的增强、图像的拼接、图像的三维重建的图像分析应用。实际中,发送模块可以为有线或无线网络发送模块。为了利于对待照明区域的分析,该组合照明装置还包括存储模块,其用于存储图像采集模块采集的多种照明区域图像。
本发明实施例提供的组合照明装置,通过根据图像采集模块采集的多种照明区域图像的图像质量评估参数和预先建立的实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系,确定照明模块的最优照明模式,使得照明模块在最优照明模式下工作,实现了最优照明的控制。
本发明又一实施例提供了一种基于图像质量控制的组合照明方法,其适用上述一实施例和另一实施例所提供的组合照明装置,参见图7,其包括:
401、预先建立实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系;
402、在照明模式下向待照明区域提供照明,照明模式的种类有多种,在多种照明模式中的任意两种照明模式下,照明模块的照明方向和/或照明亮度不同;
403、对在每种照明模式下形成的照明区域分别进行拍摄以采集照明区域图像;
404、根据照明区域图像和关联关系确定最优照明模式以使在最优照明模式下向待照明区域提供照明,其中在最优照明模式下,照明区域图像的照明效果等级最优。
其中,步骤401预先建立实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系的方式以及步骤404根据照明区域图像和关联关系确定最优照明模式以使在最优照明模式下向待照明区域提供照明,其中在最优照明模式下,照明区域图像的照明效果等级最优可参见上述一实施例和另一实施例中关于控制模块的相关描述;步骤402在照明模式下向待照明区域提供照明,照明模式的种类有多种,在多种照明模式中的任意两种照明模式下,照明模块的照明方向和/或照明亮度不同的方式可参见上述一实施例和另一实施例中关于照明模块的相关描述;步骤403对在每种照明模式下形成的照明区域分别进行拍摄以采集照明区域图像的方式可参见上述一实施例和另一实施例中关于图像采集模块的相关描述,此处不再一一赘述。
应用时,步骤401处于组合照明装置应用前阶段,步骤402、403、404处于组合照明装置应用阶段。实验图像优选为人机工效学实验方法所用图像。图像质量评估参数优选包括:图像亮度、图像区域对比度、图像边缘模糊度、图像亮度纹理信息、图像高反光区域特征参数、图像噪声级。在步骤401之前还可以包括步骤400定义图像质量评估参数。
实际中,施工地与操作地或控制地之间的距离非常远,例如:医疗领域的远程会诊,为了利于分析和操作,该组合照明方法还包括:将采集的最优照明模式下形成的照明区域的照明区域图像发送给远程客户端以供远程客户端查看图像或者对图像作进一步的处理,例如:图像的增强、图像的拼接、图像的三维重建的图像分析应用。
下面对基于图像质量控制的组合照明方法在实际中应用时的方法步骤进行具体介绍:
定义图像质量评估参数,所用的图像质量评估参数包括6类:图像亮度、图像区域对比度、图像边缘模糊度、图像亮度纹理信息、图像高反光区域特征参数、图像噪声级。
设计人机工效学主观实验评估方法,利用分类器或神经网络技术建立多个图像质量评估参数与主观照明效果等级之间的关联关系:首先,采集典型照明应用条件下不同照明效果等级的图像组成分类器或神经网络训练及监督数据集,该照明应用条件下照明效果等级可分为3级、4级或更多分级,同一级照明效果等级条件下累积拍摄的图像不应少于200幅,图像照明效果等级的确定由人机工效学人体实验的方法由被试根据主观感知判断的方法进行打分评估确定;其次,对上述采集到的不同照明效果等级的图像计算6类图像质量评估参数;最终,训练分类器或神经网络,建立图像质量评估参数与照明效果等级间的关联关系,其中分类器或神经网络的训练数据由6类图像质量评估参数组成,分类器或神经网络的监督数据由各幅图像人机工效学实验确定的主观图像照明效果等级确定;分类器或神经网络训练完毕后,其分类精度要求大于90%。参见图5,以照明光源单元的数量为8个,照明方向驱动单元的数量为两个,且每个可以执行俯仰和偏航两个方向的运动,其中俯仰方向角度运动范围为±6°,偏航方向角度运动范围为±5°。俯仰方向的运动是指图5中运动控制电机沿长轴进行旋转运动,该长轴平行于矩形的长边;偏航方向的运动是指图4中运动控制电机(即运动电机)沿短轴进行旋转运动,该短轴平行于矩形的短边。假设每个LED照明光源单元的亮度控制等级(即照明亮度)分为高、中、低3个亮度等级。若对运动控制电机每转动2°作为一个采样动作姿态(即照明方向),则对上述8个运动控制电机不妨取8×6×5个典型运动姿态,因此照明装置共有8×6×5×3=720种典型照明模式。控制智能装置遍历上述720种典型照明模式,并利用图像采集装置采集每一种照明模式下的图像。
采用图像采集装置和照明装置拍摄照明效果等级未知的、新的待照明区域的图像,拍摄方法如下:首先,设定LED照明光源单元执行不同照明等级(即照明亮度)的照明,同时设定多个多自由度运动控制电机的典型照明姿态(即照明方向);其次,对上述典型LED照明等级与LED照明姿态等级进行任意组合,遍历所有可能的不同照明亮度与不同照明姿态(即照明模式)下的控制方法,在此基础上对每一种照明亮度及姿态控制的结果利用图像采集模块进行图像的拍摄与保存。
计算获得最优照明控制方法(即最优照明模式)的推荐结果,计算方法如下:首先,对所有典型照明效果下拍摄的图像计算图像质量评估参数;其次,利用已训练好的分类器或神经网络估计每幅图像的照明效果等级;最终,按照明效果等级排序,将照明效果最优的图像所对应的LED照明亮度与LED照明方向的控制方法作为最终的最优照明控制方法,即实现最优照明模式的确定。换言之,在完成每一种典型照明姿态条件下的图像采集任务后,连接在智能组合照明体后端的嵌入式电路对每一种照明模式下的图像计算图像质量评估参数,并根据训练好的SVM分类器的运算结果确定出对应图像的照明等级排序,将照明等级最优的图像所对应的典型照明模式(包括各运动控制电机的姿态及LED照明单元的亮度)推荐给用户。
本发明又一实施例提供的方法,通过,向待照明区域在多种照明模式下提供照明,形成照明区域,然后根据采集的多种照明区域图像的图像质量评估参数以及预先建立的实验图像的图像质量评估参数与实验图像的照明效果等级之间的关联关系,确定向待照明区域提供照明的最优照明模式,使得照明模块在最优照明模式下工作,实现了最优照明的控制,
综上所述,本发明实施例的有益效果如下:
(1)、本发明采用图像质量参数分析的结果作为照明光源单元的照明亮度及照明方向调节及控制的反馈因素,采用精细的光源亮度及方向控制方法,有效提高了近景照明的照明效果,在实际应用与工程上具有较强的实用价值。
(2)、本发明所设计的图像分析方法,既计算了客观的图像质量评估参数,又采用人机工效学实验的方法确定主观照明效果等级的评估,其处理结果更接近人眼的观看习惯,因此将其作为控制照明光源单元的照明亮度及照明方向的调节因素,使得最终照明效果的控制具有人眼观看视觉效果优异的特点。
(3)、本发明通过采用多自由度运动控制电机带动照明光源单元运动的方式控制照明光源单元的照明方向,有效拓展了传统固定安装模式的LED灯具的照明范围和效果,实现了真正意义上的照明效果的调节。
(4)、本发明所设计的***不但能够提供良好的照明场景,也能够利用图像采集装置例如相机,将最佳的照明场景进行拼接拍摄与记录,并进行后续的图像分析应用,能够方便实现数据的事后分析,因此拓展了传统照明装置具的用途,也丰富了目前视频监控相机产品的功能。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (6)
1.一种基于图像质量控制的组合照明装置,其特征在于:所述组合照明装置包括:
照明模块,用于在照明模式下工作以向待照明区域提供照明,形成照明区域,所述照明模式的种类有多种,在多种所述照明模式中的任意两种照明模式下,所述照明模块的照明方向和/或照明亮度不同;
图像采集模块,用于对经所述照明模块在多种所述照明模式下形成的照明区域分别进行拍摄以采集多种照明区域图像;
控制模块,用于根据所述图像采集模块采集的多种照明区域图像的图像质量评估参数以及预先建立的实验图像的图像质量评估参数与所述实验图像的照明效果等级之间的关联关系,确定所述照明模块的最优照明模式以使所述照明模块在所述最优照明模式下工作,其中,在所述最优照明模式下,所述照明区域图像的照明效果等级最优;
所述实验图像为人机工效学实验方法所用图像,所述实验图像的照明效果等级通过人机工效学实验方法确定;
所述控制模块包括:
图像质量评估参数获取单元,用于根据所述图像采集模块采集的多种照明区域图像获取多种所述照明区域图像的图像质量评估参数;
关联关系建立和照明效果等级确定单元,用于建立实验图像的图像质量评估参数与所述实验图像的照明效果等级之间的关联关系;还用于根据所述图像质量评估参数获取单元获取的图像质量评估参数和所述关联关系建立和照明效果等级确定单元建立的关联关系,确定所述照明区域图像的照明效果等级;
选择单元,用于根据所述关联关系建立和照明效果等级确定单元确定的照明效果等级选择所述照明区域图像中照明效果等级最优的所述照明区域图像以使所述照明模块在所述最优照明模式下工作,其中,在所述最优照明模式下,所述照明区域图像的照明效果等级最优;
所述关联关系建立和照明效果等级确定单元采用分类器实现;
所述图像质量评估参数至少包括:图像亮度、图像区域对比度、图像亮度纹理信息,还包括图像高反光区域特征参数;
图像亮度MB表征图像的明暗程度,其计算式如下:
其中,hi为图像直方图中灰度为Ii的像素的个数,p取值范围为正整数;该式中的N1表示图像中所有出现的灰度等级的个数;
图像区域对比度计算式如下:
图像亮度纹理信息计算式如下:
其中,pxy为一幅图像的灰度共生矩阵,xy为坐标(x,y),表示图像位置信息;符号log[·]表示计算对数值;
图像高反光区域特征参数MA,其计算式如下:
其中,Ixy为原始图像位置在(x,y)处的图像灰度值;TA为固定阈值,其为介于[0,255]之间的整数;IS_xy表示二值化阈值分割后的图像灰度值。
2.根据权利要求1所述的组合照明装置,其特征在于,所述照明模块包括:
照明光源单元,用于向所述待照明区域提供照明;
照明方向控制单元,用于控制所述照明光源单元在照明模式下工作的照明方向;和/或
照明亮度控制单元,用于控制所述照明光源单元在照明模式下工作的照明亮度。
3.根据权利要求2所述的组合照明装置,其特征在于,所述照明方向控制单元为多自由度运动电机;
所述照明光源单元的数量为单个或多个,每个所述照明光源单元一一对应安装在多个所述照明方向控制单元上,多个所述照明光源单元布置成环形。
4.根据权利要求1所述的组合照明装置,其特征在于,所述组合照明装置还包括:
存储模块,用于存储所述图像采集模块采集的多种照明区域图像。
5.根据权利要求1所述的组合照明装置,其特征在于,所述组合照明装置还包括:
发送模块,用于当所述照明模块工作在最优照明模式下时,将所述图像采集模块采集的照明区域图像发送给远程客户端。
6.一种基于图像质量控制的组合照明方法,适用于权利要求1-5中任一权利要求所述的组合照明装置,其特征在于,所述组合照明方法包括:
采用分类器实现预先建立实验图像的图像质量评估参数与所述实验图像的照明效果等级之间的关联关系;
在照明模式下向待照明区域提供照明,所述照明模式的种类有多种,在多种所述照明模式中的任意两种照明模式下,所述照明模块的照明方向和/或照明亮度不同;
对在每种所述照明模式下形成的照明区域分别进行拍摄以采集照明区域图像;
根据所述照明区域图像和所述分类器确定所述最优照明模式以使所述照明模块在所述最优照明模式下向待照明区域提供照明,其中在所述最优照明模式下,所述照明区域图像的照明效果等级最优;
所述实验图像为人机工效学实验方法所用图像,所述实验图像的照明效果等级通过人机工效学实验方法确定;
所述图像质量评估参数至少包括:图像亮度、图像区域对比度、图像亮度纹理信息,还包括图像高反光区域特征参数。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410658630.8A CN105682310B (zh) | 2014-11-19 | 2014-11-19 | 基于图像质量控制的组合照明装置及方法 |
JP2017527663A JP6572309B2 (ja) | 2014-11-19 | 2015-11-19 | 画像品質制御に基づく複合照明装置および方法 |
PCT/CN2015/094977 WO2016078598A1 (zh) | 2014-11-19 | 2015-11-19 | 基于图像质量控制的组合照明装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410658630.8A CN105682310B (zh) | 2014-11-19 | 2014-11-19 | 基于图像质量控制的组合照明装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105682310A CN105682310A (zh) | 2016-06-15 |
CN105682310B true CN105682310B (zh) | 2020-06-23 |
Family
ID=56013303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410658630.8A Active CN105682310B (zh) | 2014-11-19 | 2014-11-19 | 基于图像质量控制的组合照明装置及方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6572309B2 (zh) |
CN (1) | CN105682310B (zh) |
WO (1) | WO2016078598A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105072769B (zh) * | 2015-08-25 | 2017-10-20 | 华南理工大学 | 植物工厂中模拟日光运动的led照明装置及其控制方法 |
CN106506980A (zh) * | 2016-11-04 | 2017-03-15 | 天津大学 | 一种基于判断图像像素强度的光源自适应控制方法 |
CN108966438A (zh) * | 2017-05-19 | 2018-12-07 | 深圳市海洋王照明工程有限公司 | 自适应作业对象的照明控制方法、***及终端设备 |
CN107261257A (zh) * | 2017-05-25 | 2017-10-20 | 上海禹康医疗器械有限公司 | 一种基于机器视觉的输液管内空气检测方法及装置 |
JP6816701B2 (ja) * | 2017-10-26 | 2021-01-20 | トヨタ自動車株式会社 | ヘッドライト制御システム |
CN110022474B (zh) * | 2018-01-09 | 2021-01-12 | 上银科技股份有限公司 | 光源自动调适方法 |
CN108401318B (zh) * | 2018-02-28 | 2020-12-15 | 刘皓挺 | 基于物体表面三维形貌分析的智能照明控制***及方法 |
CN108834252B (zh) * | 2018-04-28 | 2020-04-21 | 东华大学 | 一种用于文物精细3d重建的自适应光源照明***及方法 |
US20210216802A1 (en) * | 2018-08-27 | 2021-07-15 | Signify Holding B.V. | Systems and methods for tuning light sources for use with object detection algorithms |
CN109740726A (zh) * | 2019-01-28 | 2019-05-10 | 浙江大川照明有限公司 | 基于人工智能的节能灯亮度调节方法及节能灯 |
CN109905677A (zh) * | 2019-03-21 | 2019-06-18 | 重庆工程职业技术学院 | 一种煤矿监控图像增强处理方法 |
CN109977842A (zh) * | 2019-03-21 | 2019-07-05 | 重庆工程职业技术学院 | 一种煤矿监控运动目标检测方法 |
CN110559089A (zh) * | 2019-09-20 | 2019-12-13 | 中国人民解放军陆军军医大学第一附属医院 | 一种手术流程图像采集控制***及方法 |
CN111568240A (zh) * | 2020-02-29 | 2020-08-25 | 佛山市云米电器科技有限公司 | 饮水机出水控制方法、饮水机及计算机可读存储介质 |
CN112916407A (zh) * | 2020-04-29 | 2021-06-08 | 江苏旷博智能技术有限公司 | 用于分拣煤和矸石的方法 |
JP2022049874A (ja) * | 2020-09-17 | 2022-03-30 | オムロン株式会社 | 検査装置、検査方法及び検査プログラム |
CN113283782A (zh) * | 2021-06-09 | 2021-08-20 | 上海韵焰智能科技有限公司 | 一种基于美学评估的夜景照明控制方法及*** |
CN113709949B (zh) * | 2021-08-20 | 2023-11-03 | 深圳市智岩科技有限公司 | 照明设备的控制方法、装置、电子设备及存储介质 |
CN117528884A (zh) * | 2023-11-28 | 2024-02-06 | 中国建筑第五工程局有限公司 | 基于体育场馆结构模型的照明控制数据处理方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1691883A (zh) * | 2004-04-28 | 2005-11-02 | 雅马哈发动机株式会社 | 照明条件确定方法、元件识别装置、表面安装机及元件试验设备 |
CN101118363A (zh) * | 2006-08-02 | 2008-02-06 | 哈尔滨精石自动化有限责任公司 | 自适应补色光源 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6627863B2 (en) * | 2000-12-15 | 2003-09-30 | Mitutoyo Corporation | System and methods to determine the settings of multiple light sources in a vision system |
JP2002354003A (ja) * | 2001-05-28 | 2002-12-06 | Matsushita Electric Works Ltd | データ変換装置及び方法、並びにプログラム |
JP2005307966A (ja) * | 2004-03-23 | 2005-11-04 | Matsushita Electric Ind Co Ltd | ベーンロータリ型空気ポンプ |
JP2005308966A (ja) * | 2004-04-20 | 2005-11-04 | Konica Minolta Photo Imaging Inc | 写真撮影装置 |
KR20090120253A (ko) * | 2008-05-19 | 2009-11-24 | 삼성전자주식회사 | 백라이트 유닛 어셈블리, 이를 구비하는 표시 장치 및 그디밍 방법 |
CN102711315B (zh) * | 2012-04-16 | 2016-01-20 | 东莞光阵显示器制品有限公司 | 基于视频动态识别的智能室内照明控制方法及*** |
-
2014
- 2014-11-19 CN CN201410658630.8A patent/CN105682310B/zh active Active
-
2015
- 2015-11-19 JP JP2017527663A patent/JP6572309B2/ja active Active
- 2015-11-19 WO PCT/CN2015/094977 patent/WO2016078598A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1691883A (zh) * | 2004-04-28 | 2005-11-02 | 雅马哈发动机株式会社 | 照明条件确定方法、元件识别装置、表面安装机及元件试验设备 |
CN101118363A (zh) * | 2006-08-02 | 2008-02-06 | 哈尔滨精石自动化有限责任公司 | 自适应补色光源 |
Also Published As
Publication number | Publication date |
---|---|
JP6572309B2 (ja) | 2019-09-04 |
JP2017535043A (ja) | 2017-11-24 |
WO2016078598A1 (zh) | 2016-05-26 |
CN105682310A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105682310B (zh) | 基于图像质量控制的组合照明装置及方法 | |
CN106875373B (zh) | 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法 | |
CN105279372B (zh) | 一种确定建筑物高度的方法和装置 | |
CN108469234B (zh) | 一种在轨航天器表面异常状况智能检测方法及其*** | |
US8700498B2 (en) | Feature analyzing apparatus for a surface of an object | |
CN1366422A (zh) | 视觉注意模式 | |
CN104897671B (zh) | 一种水果果梗花萼的识别*** | |
Hartati et al. | The digital microscope and its image processing utility | |
CN103778616A (zh) | 基于区域的对比度金字塔图像融合方法 | |
CN109996379B (zh) | 一种灯光控制方法及装置 | |
CN108401318B (zh) | 基于物体表面三维形貌分析的智能照明控制***及方法 | |
CN105391998B (zh) | 微光夜视仪分辨率自动检测方法和装置 | |
CN111292279A (zh) | 一种基于彩色图像融合的偏振图像可视化方法 | |
CN116563276B (zh) | 一种化纤长丝在线缺陷检测方法及检测*** | |
CN109073503B (zh) | 不均匀性评价方法和不均匀性评价装置 | |
CN101873506A (zh) | 提供深度信息的影像处理方法及其影像处理*** | |
CN109783973A (zh) | 一种基于图像退化模型的大气能见度计算方法 | |
CN115791786A (zh) | 一种零件缺陷检测方法和相关装置 | |
Graham et al. | Efficient visual system processing of spatial and luminance statistics in representational and non-representational art | |
CN114519799A (zh) | 一种多特征座位状态实时检测方法及*** | |
CN108985222B (zh) | 一种用于接打电话识别的深度学习网络模型及*** | |
US10274711B2 (en) | Microscopic image recognition system and method for detecting protein-based molecule | |
Liang et al. | Existing weld seam recognition and tracking based on sub region neutral network | |
Li | Information entropy algorithm for image and video signal processing | |
Teng et al. | A teleoperation system utilizing saliency-based visual attention |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |