CN109889815A - 摄像头成像质量检测方法、装置以及计算机存储介质 - Google Patents
摄像头成像质量检测方法、装置以及计算机存储介质 Download PDFInfo
- Publication number
- CN109889815A CN109889815A CN201910090481.2A CN201910090481A CN109889815A CN 109889815 A CN109889815 A CN 109889815A CN 201910090481 A CN201910090481 A CN 201910090481A CN 109889815 A CN109889815 A CN 109889815A
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- detection zone
- quality
- value
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种摄像头成像质量检测方法、装置以及计算机存储介质,所述方法包括:采集样本图像;对所述样本图像进行区域划分,得到检测区域;对所述检测区域进行图像模糊检测;若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;将所述检测区域的质量检测图像特征输入质量检测分类器进行计算,得到质量检测结果值;根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。采用上述方案,一方面提升了整个流程的处理速率,另一方面提升了摄像头成像质量检测的精度。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种摄像头成像质量检测方法、装置以及计算机存储介质。
背景技术
目前摄像头的应用越来越广泛,例如,安防、监控和流量检测等。这些用途的目的的实现,通常需要依赖于摄像头所记录的图像的质量,在图像的质量处于一定标准之上时,才能使用图像算法等对图像进行分析。
现有技术中,检测摄像头拍摄的图像质量的方式通常是进行图像采样后,人工检测采样得到的图像的质量。
然而,采用上述方案时,无法实现实时检测摄像头的成像质量。同时,摄像头的通常分布较广,人工检测具有较强的主观性,无法以统一的标准检测所有的摄像头采集的图像,进而导致图像质量的检测不准确。
发明内容
本发明解决的技术问题是摄像头成像质量检测精度较低。
为解决上述技术问题,本发明实施例提供一种摄像头成像质量检测方法,包括:采集样本图像;对所述样本图像进行区域划分,得到检测区域;对所述检测区域进行图像模糊检测;若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;将所述检测区域的质量检测图像特征输入质量检测分类器进行计算,得到质量检测结果值;根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。
可选的,根据所述样本图像的尺寸以及所述样本图像各区域的信息量,对所述样本图像进行剪裁,得到所述检测区域。
可选的,对所述检测区域进行锐化处理。
可选的,对所述检测区域进行区域划分,对划分得到的各个区域使用拉普拉斯算子进行锐化边界处理;计算得到所述检测区域中各个区域内的像素方差;对所述检测区域中各个区域的像素方差进行预设接受域的最大池化,计算得到最大池化的结果的均值;若所述最大池化的结果的均值大于预设的模糊检测标准值,判断所述检测区域通过所述图像模糊检测。
可选的,将所述检测区域的RGB三通道分别输入花屏检测数学模型,提取所述检测区域的花屏检测图像特征。
可选的,将所述检测区域的花屏检测图像特征输入花屏检测分类器进行加权计算,得到花屏检测结果值。
可选的,若所述花屏检测结果值高于花屏检测标准值,判定所述样本图像的花屏检测结果为合格。
本发明还提供一种摄像头成像质量检测装置,包括:采集单元,用于采集样本图像;划分单元,用于对所述样本图像进行区域划分,得到检测区域;模糊检测单元,用于对所述检测区域进行图像模糊检测;特征提取单元,用于若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;结果计算单元,用于将所述检测区域的质量检测图像特征输入质量检测分类器进行计算,得到质量检测结果值;结果判断单元,用于根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。
可选的,所述划分单元,还用于根据所述样本图像的尺寸以及所述样本图像各区域的信息量,对所述样本图像进行剪裁,得到所述检测区域。
可选的,所述模糊检测单元,还用于对所述检测区域进行锐化处理。
可选的,所述模糊检测单元,还用于对所述检测区域进行区域划分,对划分得到的各个区域使用拉普拉斯算子进行锐化边界处理;计算得到所述检测区域中各个区域内的像素方差;对所述检测区域中各个区域的像素方差进行预设接受域的最大池化,计算得到最大池化的结果的均值;若所述最大池化的结果的均值大于预设的模糊检测标准值,判断所述检测区域通过所述图像模糊检测。
可选的,所述特征提取单元,还用于将所述检测区域的RGB三通道分别输入花屏检测数学模型,提取所述检测区域的花屏检测图像特征。
可选的,所述结果计算单元,还用于将所述检测区域的花屏检测图像特征输入花屏检测分类器进行加权计算,得到花屏检测结果值。
可选的,所述结果判断单元,还用于若所述花屏检测结果值高于花屏检测标准值,判定所述样本图像的花屏检测结果为合格。
本发明还提供一种计算机可读存储介质,其上存储有计算机指令,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,所述计算机指令运行时执行上述任一项所述的摄像头成像质量检测方法的步骤。
本发明还提供一种摄像头成像质量检测装置,包括存储器和处理器,所述存储器上存储有计算机指令,所述计算机指令运行时所述处理器执行上述任一项所述的摄像头成像质量检测方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
首先采集样本图像;对所述样本图像进行区域划分,得到检测区域;对所述检测区域进行图像模糊检测;若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;将所述检测区域的图像特征输入质量检测分类器进行计算,得到质量检测结果值;根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。上述方案中,在样本图像中进行区域划分得到检测区域,针对检测区域进行后续的检测,以提升整个流程的处理速率;在通过图像模糊检测后,在进行图像质量检测,一方面提升了整个流程的处理速率,另一方面提升了摄像头成像质量检测的精度。
附图说明
图1是本发明实施例提供的摄像头成像质量检测方法的流程示意图;
图2是本发明实施例提供的摄像头成像质量检测装置的结构示意图。
具体实施方式
现有技术中,检测摄像头拍摄的图像质量的方式通常是进行图像采样后,人工检测采样得到的图像的质量。
然而,采用上述方案时,无法实现实时检测摄像头的成像质量。同时,摄像头的通常分布较广,人工检测具有较强的主观性,无法以统一的标准检测所有的摄像头采集的图像,进而导致图像质量的检测不准确。
本发明实施例中,首先采集样本图像;对所述样本图像进行区域划分,得到检测区域;对所述检测区域进行图像模糊检测;若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;将所述检测区域的图像特征输入质量检测分类器进行计算,得到质量检测结果值;根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。上述方案中,在样本图像中进行区域划分得到检测区域,针对检测区域进行后续的检测,以提升整个流程的处理速率;在通过图像模糊检测后,在进行图像质量检测,一方面提升了整个流程的处理速率,另一方面提升了摄像头成像质量检测的精度。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参阅图1,其为本发明实施例提供的摄像头成像质量检测方法的流程示意图,其中具体步骤包括:
步骤S101,采集样本图像。
在具体实施中,样本图像可以由摄像头等图像采集装置进行采集,所采集的样本图像的数量也并不固定。在不同的应用场景下,所采集的样本图像的数量可以不同。
步骤S102,对所述样本图像进行区域划分,得到检测区域。
在具体实施中,对完整的样本图像进行检测,往往需要较长的时间,也对硬件的计算能力要求较高。在本发明实施例中,将样本图像进行区域划分,对区域划分后得到的检测区域进行检测,从而可以缩短检测时间、降低对于硬件的计算能力要求。
本发明实施例中,根据所述样本图像的尺寸以及所述样本图像各区域的信息量,对所述样本图像进行剪裁,得到所述检测区域。
在具体实施中,对样本图像进行区域划分的考量因素之一是样本图像的信息量,区域划分后得到的检测区域包括了所述样本图像的大部分信息量,也即检测区域内包括了所述样本图像的主要图像特征。
在具体实施中,所述样本图像的尺寸是进行区域划分的考量因素之一。根据样本图像的尺寸的不同,可以取所述样本图像的三分之二作为检测区域,也可以取样本图像的二分之一作为检测区域。
在具体实施中,可以根据所述样本图像的尺寸以及各区域的信息量进行综合考虑,对所述样本图像进行区域划分得到检测区域。
步骤S103,对所述检测区域进行图像模糊检测。
在具体实施中,图像模糊检测用以检测所述样本图像是否模糊,也即样本图像是否能够满足最低要求的清晰度要求,若所述样本图像不能通过图像模糊检测,说明样本图像存在模糊的状况,则没有对样本图像进行进一步检测的情况下,即可判定样本图像的图像质量不合格。
在具体实施中,图像模糊检测的过程相较其他检测,所需时间较短,对硬件的计算要求较低,因此将图像模糊检测作为成像质量检测过程的第一步,以较为简单的检测方法筛去一部分需要被检测的图像,进而提升检测的效率。
本发明实施例中,在所述对所述检测区域进行图像模糊检测之前,还包括:对所述检测区域进行锐化处理。
在具体实施中,对检测区域进行锐化处理,可以提高检测区域的对比度和清晰度,进而突出检测区域的图像特征,便于提取所述检测区域的图像特征。
本发明实施例中,图像模糊检测的过程为,对所述检测区域进行区域划分,对划分得到的各个区域使用拉普拉斯算子进行锐化边界处理;计算得到所述检测区域中各个区域内的像素方差;对所述检测区域中各个区域的像素方差进行预设接受域的最大池化,计算得到最大池化的结果的均值;若所述最大池化的结果的均值大于预设的模糊检测标准值,判断所述检测区域通过所述图像模糊检测。
在具体实施中,对检测区域进行区域划分的方式可以由用户根据实际应用场景进行相应的设定。
在具体实施中,对划分得到的各个区域进行锐化处理,可以提高对比度和清晰度。
在具体实施中,计算得到所述检测区域中各个区域内的像素方差,每个区域的像素方差表征了这个区域内的像素的离散程度。
在具体实施中,最大池化即取接受域中最大的值,例如,将所述检测区域按照4×4进行划分得到16个区域,接受域预设为2×2,即在4个区域中选取最大的像素方差值,则按照4×4进行划分的检测区域在进行最大池化后可以得到4个像素方差值,计算得到的这4个像素方差的均值,即为最大池化的结果的均值。
在具体实施中,若所述最大池化的结果的均值大于预设的模糊检测标准值,说明检测区域内的像素的离散程度较大,因此检测区域可以判定为清晰的,则判断所述检测区域通过所述图像模糊检测。
步骤S104,若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征。
在具体实施中,质量检测图像特征是用于评价所述检测区域的成像质量,包括检测图像的曝光程度、花屏程度等。
本发明实施例中,将所述检测区域的RGB三通道分别输入花屏检测数学模型,提取所述检测区域的花屏检测图像特征。
在具体实施中,花屏检测数学模型可以为无参考图像质量评估Brisque算法等类似算法。
在具体实施中,相比现有技术中对图像进行灰度处理后再提取图像特征,本发明实施例中,提取所述检测区域的RGB三通道分别对应的花屏检测图像特征,可以检测到不正常的颜色变化。
步骤S105,将所述检测区域的图像特征输入质量检测分类器进行计算,得到质量检测结果值。
在具体实施中,质量检测分类器可以用于根据输入的质量检测图像特征,进行计算得到用于表征检测区域成像质量的质量检测结果值,按照不同的图像质量检测方向进行划分,质量检测图像特征包括花屏检测图像特征等其他类型的图像特征,相应的质量检测分类器为花屏检测分类器等其他类型的分类器。
本发明实施例中,将所述检测区域的花屏检测图像特征输入花屏检测分类器进行加权计算,得到花屏检测结果值。
在具体实施中,可以通过花屏检测分类器对输入的各个花屏检测图像特征进行权重分配,也可以由用户根据实际应用场景进行权重分配。
步骤S106,根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。
在具体实施中,按照不同的图像质量检测方向进行划分,质量检测结果值可以表现为用于评价图像的曝光程度、花屏程度等图像质量特性,质量检测标准值可以相应的表现为用于作为评价图像的曝光程度、花屏程度等图像质量特性的标准。
本发明实施例中,若所述花屏检测结果值高于花屏检测标准值,判定所述样本图像的花屏检测结果为合格。
在具体实施中,若所述花屏检测结果值高于所述花屏检测标准值,说明检测区域的成像质量符合要求,进而说明样本图像的成像质量符合要求。
在具体实施中,花屏检测标准值体现了图像色彩成像质量高低程度,可以由用户根据实际应用场景进行相应的设定。
本发明实施例中,摄像头成像质量检测方法的相关算法可以部署于摄像头终端,由摄像头终端执行检测,也可以部署于后台管理***,由后台管理***执行检测。
参阅图2,其为本发明实施例提供的摄像头成像质量检测装置20的结构示意图,其中具体包括:采集单元201,用于采集样本图像;划分单元202,用于对所述样本图像进行区域划分,得到检测区域;模糊检测单元203,用于对所述检测区域进行图像模糊检测;特征提取单元204,用于若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;结果计算单元205,用于将所述检测区域的质量检测图像特征输入质量检测分类器进行计算,得到质量检测结果值;结果判断单元206,用于根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。
本发明实施例中,所述划分单元202,还可以用于根据所述样本图像的尺寸以及所述样本图像各区域的信息量,对所述样本图像进行剪裁,得到所述检测区域。
本发明实施例中,所述模糊检测单元203,还可以用于对所述检测区域进行锐化处理。
本发明实施例中,所述模糊检测单元203,还用于对所述检测区域进行区域划分,对划分得到的各个区域使用拉普拉斯算子进行锐化边界处理;计算得到所述检测区域中各个区域内的像素方差;对所述检测区域中各个区域的像素方差进行预设接受域的最大池化,计算得到最大池化的结果的均值;若所述最大池化的结果的均值大于预设的模糊检测标准值,判断所述检测区域通过所述图像模糊检测。
本发明实施例中,所述特征提取单元204,还可以用于将所述检测区域的RGB三通道分别输入花屏检测数学模型,提取所述检测区域的花屏检测图像特征。
本发明实施例中,所述结果计算单元205,还可以用于将所述检测区域的花屏检测图像特征输入花屏检测分类器进行加权计算,得到花屏检测结果值。
本发明实施例中,所述结果判断单元206,还可以用于若所述花屏检测结果值高于花屏检测标准值,判定所述样本图像的花屏检测结果为合格。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机指令,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,所述计算机指令运行时执行本发明实施例提供的摄像头成像质量检测方法的步骤。
本发明实施例还提供一种摄像头成像质量检测装置,包括存储器和处理器,所述存储器上存储有计算机指令,所述计算机指令运行时所述处理器执行本发明实施例提供的摄像头成像质量检测方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指示相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (16)
1.一种摄像头成像质量检测方法,其特征在于,包括:
采集样本图像;
对所述样本图像进行区域划分,得到检测区域;
对所述检测区域进行图像模糊检测;
若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;
将所述检测区域的质量检测图像特征输入质量检测分类器进行计算,得到质量检测结果值;
根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。
2.根据权利要求1所述的摄像头成像质量检测方法,其特征在于,所述对所述样本图像进行区域划分,得到检测区域,包括:
根据所述样本图像的尺寸以及所述样本图像各区域的信息量,对所述样本图像进行剪裁,得到所述检测区域。
3.根据权利要求1所述的摄像头成像质量检测方法,其特征在于,在所述对所述检测区域进行图像模糊检测之前,还包括:
对所述检测区域进行锐化处理。
4.根据权利要求1所述的摄像头成像质量检测方法,其特征在于,所述对所述检测区域进行图像模糊检测,包括:
对所述检测区域进行区域划分,对划分得到的各个区域使用拉普拉斯算子进行锐化边界处理;
计算得到所述检测区域中各个区域内的像素方差;
对所述检测区域中各个区域的像素方差进行预设接受域的最大池化,计算得到最大池化的结果的均值;
若所述最大池化的结果的均值大于预设的模糊检测标准值,判断所述检测区域通过所述图像模糊检测。
5.根据权利要求1所述的摄像头成像质量检测方法,其特征在于,所述提取所述检测区域的RGB三通道分别对应的质量检测图像特征,包括:
将所述检测区域的RGB三通道分别输入花屏检测数学模型,提取所述检测区域的花屏检测图像特征。
6.根据权利要求5所述的摄像头成像质量检测方法,其特征在于,所述将所述检测区域的质量检测图像特征输入质量检测分类器进行计算,得到质量检测结果值,包括:
将所述检测区域的花屏检测图像特征输入花屏检测分类器进行加权计算,得到花屏检测结果值。
7.根据权利要求6所述的摄像头成像质量检测方法,其特征在于,所述根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果,包括:
若所述花屏检测结果值高于花屏检测标准值,判定所述样本图像的花屏检测结果为合格。
8.一种摄像头成像质量检测装置,其特征在于,包括:
采集单元,用于采集样本图像;
划分单元,用于对所述样本图像进行区域划分,得到检测区域;
模糊检测单元,用于对所述检测区域进行图像模糊检测;
特征提取单元,用于若所述检测区域通过所述图像模糊检测,提取所述检测区域的RGB三通道分别对应的质量检测图像特征;
结果计算单元,用于将所述检测区域的质量检测图像特征输入质量检测分类器进行计算,得到质量检测结果值;
结果判断单元,用于根据所述质量检测结果值以及质量检测标准值判定所述样本图像的质量检测结果。
9.根据权利要求8所述的摄像头成像质量检测装置,其特征在于,所述划分单元,还用于根据所述样本图像的尺寸以及所述样本图像各区域的信息量,对所述样本图像进行剪裁,得到所述检测区域。
10.根据权利要求8所述的摄像头成像质量检测装置,其特征在于,所述模糊检测单元,还用于对所述检测区域进行锐化处理。
11.根据权利要求8所述的摄像头成像质量检测装置,其特征在于,所述模糊检测单元,还用于对所述检测区域进行区域划分,对划分得到的各个区域使用拉普拉斯算子进行锐化边界处理;计算得到所述检测区域中各个区域内的像素方差;对所述检测区域中各个区域的像素方差进行预设接受域的最大池化,计算得到最大池化的结果的均值;若所述最大池化的结果的均值大于预设的模糊检测标准值,判断所述检测区域通过所述图像模糊检测。
12.根据权利要求8所述的摄像头成像质量检测装置,其特征在于,所述特征提取单元,还用于将所述检测区域的RGB三通道分别输入花屏检测数学模型,提取所述检测区域的花屏检测图像特征。
13.根据权利要求12所述的摄像头成像质量检测装置,其特征在于,所述结果计算单元,还用于将所述检测区域的花屏检测图像特征输入花屏检测分类器进行加权计算,得到花屏检测结果值。
14.根据权利要求13所述的摄像头成像质量检测装置,其特征在于,所述结果判断单元,还用于若所述花屏检测结果值高于花屏检测标准值,判定所述样本图像的花屏检测结果为合格。
15.一种计算机可读存储介质,其上存储有计算机指令,所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其特征在于,所述计算机指令运行时执行权利要求1~7任一项所述的摄像头成像质量检测方法的步骤。
16.一种摄像头成像质量检测装置,包括存储器和处理器,所述存储器上存储有计算机指令,其特征在于,所述计算机指令运行时所述处理器执行权利要求1~7任一项所述的摄像头成像质量检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910090481.2A CN109889815A (zh) | 2019-01-30 | 2019-01-30 | 摄像头成像质量检测方法、装置以及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910090481.2A CN109889815A (zh) | 2019-01-30 | 2019-01-30 | 摄像头成像质量检测方法、装置以及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109889815A true CN109889815A (zh) | 2019-06-14 |
Family
ID=66927346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910090481.2A Pending CN109889815A (zh) | 2019-01-30 | 2019-01-30 | 摄像头成像质量检测方法、装置以及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109889815A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111541891A (zh) * | 2020-04-20 | 2020-08-14 | 江苏唯侓机器人科技有限公司 | 一种基于图像确定照相机瑕疵的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050028098A1 (en) * | 2003-07-30 | 2005-02-03 | Xerox Corporation | System and method for measuring and quantizing document quality |
CN102176758A (zh) * | 2011-03-07 | 2011-09-07 | 北京文安科技发展有限公司 | 一种视频质量诊断***及其实现方法 |
CN103778636A (zh) * | 2014-01-22 | 2014-05-07 | 上海交通大学 | 一种用于无参考图像质量评价的特征构建方法 |
CN106651834A (zh) * | 2016-10-20 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 无参考图像的变电设备红外热像图质量评价方法及装置 |
CN107844766A (zh) * | 2017-10-31 | 2018-03-27 | 北京小米移动软件有限公司 | 人脸图像模糊度的获取方法、装置和设备 |
CN109285149A (zh) * | 2018-09-04 | 2019-01-29 | 杭州比智科技有限公司 | 人脸图像质量的评估方法、装置及计算设备 |
-
2019
- 2019-01-30 CN CN201910090481.2A patent/CN109889815A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050028098A1 (en) * | 2003-07-30 | 2005-02-03 | Xerox Corporation | System and method for measuring and quantizing document quality |
CN102176758A (zh) * | 2011-03-07 | 2011-09-07 | 北京文安科技发展有限公司 | 一种视频质量诊断***及其实现方法 |
CN103778636A (zh) * | 2014-01-22 | 2014-05-07 | 上海交通大学 | 一种用于无参考图像质量评价的特征构建方法 |
CN106651834A (zh) * | 2016-10-20 | 2017-05-10 | 国网山东省电力公司电力科学研究院 | 无参考图像的变电设备红外热像图质量评价方法及装置 |
CN107844766A (zh) * | 2017-10-31 | 2018-03-27 | 北京小米移动软件有限公司 | 人脸图像模糊度的获取方法、装置和设备 |
CN109285149A (zh) * | 2018-09-04 | 2019-01-29 | 杭州比智科技有限公司 | 人脸图像质量的评估方法、装置及计算设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111541891A (zh) * | 2020-04-20 | 2020-08-14 | 江苏唯侓机器人科技有限公司 | 一种基于图像确定照相机瑕疵的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hoffmaster et al. | An automated system for vigor testing three-day-old soybean seedlings | |
Pouliot et al. | Automated tree crown detection and delineation in high-resolution digital camera imagery of coniferous forest regeneration | |
US8135202B2 (en) | Automated method and system for nuclear analysis of biopsy images | |
KR101647010B1 (ko) | 웨이퍼의 하나 이상의 특성들을 결정하기 위한 컴퓨터-구현 방법들, 컴퓨터-판독 가능 매체, 및 시스템들 | |
US8483480B2 (en) | Method and system for factoring an illumination image | |
US20130155235A1 (en) | Image processing method | |
US9396411B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
CN104992439B (zh) | 农作物叶子虫害检测装置及其检测方法 | |
CN105447859A (zh) | 一种田间麦蚜虫计数方法 | |
CN104021369A (zh) | 基于数字图像处理技术的单株水稻穗部籽粒数计数方法 | |
CN106530271A (zh) | 一种红外图像显著性检测方法 | |
KR20180096096A (ko) | 해색 영상을 이용한 해안선 모니터링 장치 및 방법 | |
US9754155B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
CN109889815A (zh) | 摄像头成像质量检测方法、装置以及计算机存储介质 | |
Islamadina et al. | Estimating fish weight based on visual captured | |
HUE029105T2 (en) | System and method for estimating target size | |
Hu et al. | An automated (novel) algorithm for estimating green vegetation cover fraction from digital image: UIP-MGMEP | |
JP5644655B2 (ja) | 食用果実の検査方法、検査装置およびプログラム | |
CN106326098A (zh) | 测试页面感知性能的方法与装置 | |
Fang et al. | Image quality assessment of multi-exposure image fusion for both static and dynamic scenes | |
Zhou et al. | Detecting multi-interface from oil-water separation image based on difference statistics method | |
KR102624395B1 (ko) | 비전 기반 무의 볼륨 추정 시스템 | |
CN118014443B (zh) | 一种药品的监测方法及装置 | |
Setiawan et al. | Improved Edge Detection Based on Adaptive Gaussian Smoothing in X-Ray Image | |
CN117292281B (zh) | 基于无人机图像的露地瓜菜检测方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |