一种无参考在线图像清晰度评价方法与系统技术方案

本发明专利技术公开了一种无参考在线图像清晰度评价方法，包括：(1)建立预测模型：针对一类产品，在不同的条件下拍摄多张带有缺陷的产品图像，对图像质量进行专家评分；从产品图像中提取固定大小的缺陷图像；对缺陷图像进行下采样，获得多幅子图像，对子图像的每一个像素计算子图像相似度参数，然后计算子图像相似度参数的若干个统计特征，将统计特征的归一化直方图合并得到清晰度特征向量；将所有图像的清晰度特征向量作为输入量，专家评分作为输出预测值，训练预测模型；(2)在线获取产品图像，计算该产品图像的清晰度特征向量并将其输入到预测模型得到图像清晰度评分，根据评分实现图像清晰度评价。本发明专利技术具有实时性高且结果准确的优点。

【技术实现步骤摘要】
一种无参考在线图像清晰度评价方法与系统
本专利技术涉及图像处理中清晰度评价研究领域，特别涉及一种无参考在线图像清晰度评价方法与系统。
技术介绍
目前，在产品生产中常采用图像检测系统进行缺陷检测，即通过摄像头获取产品图像，对所获图像进行处理分析来检测缺陷。这种检测方式中图像的分辨率和清晰度会对缺陷检测的准确性产生很大的影响。分辨率取决于摄像头参数，但清晰度却有可能受到环境光照、相机模组的焦距和景深变化、摄像头芯片上的尘埃以及镜头上的灰尘等多方面拍摄条件变化的影响，因此，定期检测图像清晰度是否达到一定的工艺要求是在线缺陷检测的一个必要环节。一种方式是图像主观评价，该方法是通过人工来判断，这种方式会因为普通的设备操作员没有定量的参照标准，同时未经专业训练很难达到图像清晰度的调校要求。依赖于操作者的经验，不同的操作者调试出来的图像清晰度会存在差异。另一种是图像客观评价，可分为全参考、半参考和无参考三类图像清晰度评价方法。这种方式可进行图像清晰度自动检测以及保持图像清晰度符合统一的工艺标准。其中，全参考图像清晰度评价比较经典的算法有基于峰本文档来自技高网...

【技术保护点】
1.一种无参考在线图像清晰度评价方法，其特征在于，包括步骤：/n(1)建立预测模型：针对一类产品，在不同的条件下拍摄多张带有缺陷的产品图像，对图像质量进行专家评分；/n计算图像的清晰度特征向量，方法是：/n从产品图像中提取固定大小的缺陷图像；/n对缺陷图像在水平和垂直方向同时进行2倍下采样，获得四幅子图像D

【技术特征摘要】
1.一种无参考在线图像清晰度评价方法，其特征在于，包括步骤：
(1)建立预测模型：针对一类产品，在不同的条件下拍摄多张带有缺陷的产品图像，对图像质量进行专家评分；
计算图像的清晰度特征向量，方法是：
从产品图像中提取固定大小的缺陷图像；
对缺陷图像在水平和垂直方向同时进行2倍下采样，获得四幅子图像Di,i＝1,2,3,4；
对子图像的每一个像素点p，计算6个子图像相似度参数Sp(i,j)，其中(i,j)取(1,2,3,4)中不重复的组合，公式如下：









其中，c是一个小于预设值的正实数，xp为p点的横坐标，yp为p点的纵坐标，Di(x,y)为第i幅子图像在坐标(x,y)处的像素值，W＝{wxy,x＝-k,…,0,…k,y＝-k,…,0,…k}是方差为σ的(2k+1)×(2k+1)高斯滤波模板；μp(i)是第i幅子图像在像素点p处(2k+1)×(2k+1)窗口范围内的均值，σp(i,j)是第i幅子图像和第j幅子图像在像素点p处(2k+1)×(2k+1)窗口范围内的协方差，σp(i,i)是第i幅子图像在像素点p处(2k+1)×(2k+1)窗口范围内的方差；
对每一个像素点p，分别计算上述6个子图像相似度参数的统计特征，计算统计特征的归一化直方图，将归一化直方图合并为一个向量，该向量即是图像的清晰度特征向量；
将所有图像的清晰度特征向量作为输入量，专家评分作为输出预测值，进行非线性回归，得到预测模型；
(2)在线评价：在线获取产品图像，若该图像带有缺陷，则计算该产品图像的清晰度特征向量，将该向量输入到预测模型得到图像清晰度评分，根据评分实现图像清晰度评价。


2.根据权利要求1所述的无参考在线图像清晰度评价方法，其特征在于，所述步骤(1)中，在不同的条件下拍摄多张产品图像，所述的条件包括改变相机焦距、改变光照。


3.根据权利要求1所述的无参考在线图像清晰度评价方法，其特征在于，所述步骤(1)中，对图像质...

【专利技术属性】
技术研发人员：胡志辉，杜蓉，黄茜，陈清睿，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44