面向目标检测的图像无参考清晰度质量检测方法技术

本发明专利技术公开了一种面向目标检测的图像无参考清晰度质量检测方法，包括如下步骤：在采集的图像数据集中，任选一幅图像进行灰度化处理；均值滤波；用scharr算子求得图像在水平方向和垂直方向上的梯度图；在水平方向和垂直方向上进行梯度叠加，并求得各自若干峰值点；由峰值点分别做垂直垂线和水平垂线，以若干交点为中心得到若干典型区域，计算得到该图像典型区域的梯度均值和标准差；统计得到整体图像数据集典型区域的梯度均值和标准差并设置阈值，根据数据集中某幅图像典型区域的梯度均值是否小于该阈值，来判断该图像的清晰度。本发明专利技术能检测出图片集中模糊的图像，对于深度学习制作数据集，训练出鲁棒性强、准确度高的网络具有重要意义。

【技术实现步骤摘要】
面向目标检测的图像无参考清晰度质量检测方法
本专利技术属于图像处理领域，尤其涉及一种面向目标检测的图像无参考清晰度质量检测方法。
技术介绍
随着社会生产力的不断发展，我国的基建也越来越让世界见证中国速度，但是随着基建的建设，施工工地的工程车辆管理也越来越成为一项严峻的挑战，因此为了针对施工工地车辆不规范停放，操作等问题，对施工现场工程车辆的识别具有重要意义。质量参差不齐的图像，尤其是模糊图像会为我们的生活以及开学研究带来诸多不便因素。而随着计算机及其相关技术的迅速发展，机器视觉技术在工业自动化生产等领域的应用越来越为广泛。工业等领域的广泛应用极大提高了工业产品生产过程中的效率和质量，给社会带来了巨大的经济效益和社会效益。授权公告号为CN103632369B的专利文献公开了一种块平均清晰度组合无参考水下图像通用性质量检测方法，该方法对一幅水下图像I，设I的图像质量为Q，Q值越大说明图像中包含目标且更清晰，Q值越小说明水下图像中没有目标或图像模糊；若水下图像中不存在目标，则Q的值为对比度和平均亮度的加权；若图像中边缘检测的总数大于阈值Edge_threhold1则认为图像中存在目标，若图像块Pi块中的边缘像素数大于阈值Edge_threhold2，则选定为有检测意义的图像块，则Q的值为图像块的清晰度平均值、对比度和平均亮度的加权和。该方法可以对所有的水下光视觉灰度图像给出质量检测值，但计算量大，效率不高。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术公开了一种面向目标检测的图像无参考清晰度质量检测方法，提出了对图像边缘提取的方法，用找寻峰值点的方法极大的节省了人力，让计算机更好的协助人类寻找模糊图片，提高了效率。技术方案：本专利技术采用如下技术方案：一种面向目标检测的图像无参考清晰度质量检测方法，其特征在于，包括如下步骤：步骤A、在采集的图像数据集中，任选一幅图像进行灰度化处理，得到图像Y；步骤B、对图像Y进行均值滤波，得到图像tresult；步骤C、用scharr算子求得图像tresult在水平方向和垂直方向上的梯度图，得到图像vresult；步骤D、对图像vresult进行水平方向和垂直方向上的梯度叠加，并各自计算水平方向和垂直方向上的若干峰值点，分别存储在数组XPeaklist和YPeaklist中；步骤E、由数组XPeaklist和YPeaklist中的峰值点分别做垂直垂线和水平垂线，交叉得到若干交点，以交点为中心得到若干典型区域，计算得到该图像典型区域的梯度均值和标准差；步骤F、根据所述步骤A至E得到图像数据集中所有图像典型区域的梯度均值和标准差，统计得到整体图像数据集典型区域的梯度均值和标准差并设置阈值，根据数据集中某幅图像典型区域的梯度均值是否小于该阈值，来判断该图像的清晰度。优选的，所述步骤A中，输入W*H*3的RBG三通道图片，通过灰度化处理，输出W*H的二维图像Y。优选的，所述步骤B中，设置了一个标准差为零的卷积核对图像Y进行均值滤波。优选的，所述步骤D具体包括：步骤D1、对图像vresult进行水平方向和垂直方向上的梯度叠加，得到水平方向上的数组和垂直方向上的数组；步骤D2、设定检测范围为若干像素点，在图像vresult的上下左右各减去一个检测范围得到新的水平方向上的数组和垂直方向上的数组，通过比较函数求得数组各自的最大值即峰值点，然后在数组中减去各自的最大值及其检测范围内的值，得到新的水平方向上的数组和垂直方向上的数组，再通过比较函数求得数组各自的最大值，重复上述过程直至求得水平方向和垂直方向上的若干峰值点，将其分别存储在数组XPeaklist和YPeaklist中。优选的，所述步骤D2中，检测范围为31个像素点。优选的，所述步骤E具体包括：步骤E1、由数组XPeaklist中的峰值点分别在垂直方向上做若干垂线，由数组YPeaklist中的峰值点在水平方向上做若干垂线，由上述垂线交叉得到若干区域和若干交点；步骤E2、以上述交点为中心得到若干典型区域，通过计算典型区域各自的梯度标准差和均值得到该幅图像中典型区域的梯度均值和标准差。优选的，所述步骤E2中，典型区域是以交点为中心，固定像素点为半径的圆。优选的，所述步骤E2中，将若干典型区域的标准差和均值各自相加后都除以典型区域个数，得到这幅图像中典型区域的梯度均值和标准差。优选的，所述步骤F具体包括：步骤F1、读取整个图像数据集，根据步骤A至步骤E求得数据集中所有图像典型区域的梯度均值和标准差，通过统计得到整体图像数据集典型区域的梯度均值和标准差，根据整体图像数据集典型区域的梯度均值和标准差来确定阈值；步骤F2、从数据集中选择某幅图像，若该图像典型区域的梯度均值小于阈值，则判断该图像为客观模糊，否则，判断该图像为客观清晰；步骤F3、输出对图像清晰度判断的结果。优选的，所述步骤F2中，整体图像数据集典型区域的梯度均值为GMean，标准差为GStd，则阈值为GMean-2*GStd。有益效果：本专利技术具有如下有益效果：1、本专利技术独创性的提出了对图像边缘提取的方法，用找寻峰值点的极大的节省了人力，让在计算机更好的协助人类寻找模糊图片，提高了效率；2、本专利技术能检测出图片集中模糊的图像，对于深度学习制作数据集，训练出鲁棒性强、准确度高的网络具有重要意义。附图说明图1为本专利技术的方法流程图；图2为本专利技术中水平方向上的叠加梯度图；图3为在图2的叠加梯度图中标记出第一个峰值点；图4为在图2的叠加梯度图中减去第一个峰值点及其检测范围内的像素点后的叠加梯度图，并标记出第二个峰值点；图5为在图4的叠加梯度图中减去第二个峰值点及其检测范围内的像素点后的叠加梯度图，并标记出第三个峰值点。具体实施方式下面结合附图对本专利技术作更进一步的说明。本专利技术公开了一种面向目标检测的图像无参考清晰度质量检测方法，如图1所示，包括如下步骤：步骤A、在采集的图像数据集中，任选一幅图像并对其进行灰度化处理。本方法中，输入的图片是W*H*3的RBG三通道图片，通过灰度化的处理得到W*H的二维图像，将该二维图像记为Y。步骤B、对灰度化处理后的图像Y进行均值滤波，消除环境噪声。本方法设置了一个标准差为零的卷积核进行滤波去噪，由步骤A得到的灰度图像Y进行均值滤波，消除背景噪声，将此时图像记为tresult。步骤C、用scharr算子求得图像tresult的梯度图。本方法中，由scharr算子可以求得该灰度图tresult在水平方向和垂直方向上的梯度图，将得到的图像结果记为vresult。步骤D、对图像vresult进行水平方向和垂直方向上的梯度叠加，并计算水平方向上和垂直方向上最大的峰值点，如图2至图5所示，具体步骤如下。步骤D1、由步骤C得到的W*H本文档来自技高网...

【技术保护点】
1.一种面向目标检测的图像无参考清晰度质量检测方法，其特征在于，包括如下步骤：/n步骤A、在采集的图像数据集中，任选一幅图像进行灰度化处理，得到图像Y；/n步骤B、对图像Y进行均值滤波，得到图像tresult；/n步骤C、用scharr算子求得图像tresult在水平方向和垂直方向上的梯度图，得到图像vresult；/n步骤D、对图像vresult进行水平方向和垂直方向上的梯度叠加，并各自计算水平方向和垂直方向上的若干峰值点，分别存储在数组XPeaklist和YPeaklist中；/n步骤E、由数组XPeaklist和YPeaklist中的峰值点分别做垂直垂线和水平垂线，交叉得到若干交点，以交点为中心得到若干典型区域，计算得到该图像典型区域的梯度均值和标准差；/n步骤F、根据所述步骤A至E得到图像数据集中所有图像典型区域的梯度均值和标准差，统计得到整体图像数据集典型区域的梯度均值和标准差并设置阈值，根据数据集中某幅图像典型区域的梯度均值是否小于该阈值，来判断该图像的清晰度。/n

【技术特征摘要】
1.一种面向目标检测的图像无参考清晰度质量检测方法，其特征在于，包括如下步骤：
步骤A、在采集的图像数据集中，任选一幅图像进行灰度化处理，得到图像Y；
步骤B、对图像Y进行均值滤波，得到图像tresult；
步骤C、用scharr算子求得图像tresult在水平方向和垂直方向上的梯度图，得到图像vresult；
步骤D、对图像vresult进行水平方向和垂直方向上的梯度叠加，并各自计算水平方向和垂直方向上的若干峰值点，分别存储在数组XPeaklist和YPeaklist中；
步骤E、由数组XPeaklist和YPeaklist中的峰值点分别做垂直垂线和水平垂线，交叉得到若干交点，以交点为中心得到若干典型区域，计算得到该图像典型区域的梯度均值和标准差；
步骤F、根据所述步骤A至E得到图像数据集中所有图像典型区域的梯度均值和标准差，统计得到整体图像数据集典型区域的梯度均值和标准差并设置阈值，根据数据集中某幅图像典型区域的梯度均值是否小于该阈值，来判断该图像的清晰度。


2.根据权利要求1所述的一种面向目标检测的图像无参考清晰度质量检测方法，其特征在于，所述步骤A中，输入W*H*3的RBG三通道图片，通过灰度化处理，输出W*H的二维图像Y。


3.根据权利要求1所述的一种面向目标检测的图像无参考清晰度质量检测方法，其特征在于，所述步骤B中，设置了一个标准差为零的卷积核对图像Y进行均值滤波。


4.根据权利要求1所述的一种面向目标检测的图像无参考清晰度质量检测方法，其特征在于，所述步骤D具体包括：
步骤D1、对图像vresult进行水平方向和垂直方向上的梯度叠加，得到水平方向上的数组和垂直方向上的数组；
步骤D2、设定检测范围为若干像素点，在图像vresult的上下左右各减去一个检测范围得到新的水平方向上的数组和垂直方向上的数组，通过比较函数求得数组各自的最大值即峰值点，然后在数组中减去各自的最大值及其检测范围内的值，得到新的水平方向上的数组和垂直方向上的数组，再通过比较函数求得数组各自的最大值，重复...

【专利技术属性】
技术研发人员：焦良葆，石伟伟，浦东，孔小红，陈瑞，陈乐，
申请(专利权)人：南京工程学院，江苏量为石科技股份有限公司，
类型：发明
国别省市：江苏;32