一种摩尔纹的检测方法及装置制造方法及图纸

本发明专利技术公开了一种摩尔纹检测方法，包括如下步骤。步骤S1：制作神经网络的训练数据集；所述训练数据集包括四个类别——缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像；所有图像均由人工标注是否有摩尔纹。步骤S2：采用所述训练数据集中的四个类别分别训练四个用于分类的深度神经网络分别得到四个摩尔纹检测模块。步骤S3：对于输入的待判断是否有摩尔纹的图像，首先根据输入图像得到缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像，然后分别送入四个摩尔纹检测模块得到四个概率值，将四个概率值取平均数，根据该平均数得到最终的摩尔纹判定结果。本发明专利技术取得的摩尔纹检测结果更为准确。确。确。

【技术实现步骤摘要】
一种摩尔纹的检测方法及装置


[0001]本专利技术涉及一种对图片中是否存在摩尔纹的检测方法。

技术介绍

[0002]在数码摄影领域，摩尔纹(moir
é
pattern，也称莫列波纹、莫尔条纹、屏幕纹等)是指摄影设备的感光组件的像素的空间分布频率与被拍摄场景中条纹的空间分布频率接近时，两者相互干涉从而在拍摄画面中出现的不规则的条纹。例如，用手机的摄像元件拍摄计算机的显示屏时，在拍摄画面中往往会观察到不规则的条纹，这就是摩尔纹。摩尔纹会干扰图像中屏幕区域的原始颜色、字迹形状、清晰度，为用户阅读和观赏图像带来障碍。
[0003]对图像中是否存在摩尔纹的检测识别非常重要，在识别之后可以在后续去除摩尔纹。

技术实现思路

[0004]本专利技术所要解决的技术问题是如何更为准确地识别图片中是否存在摩尔纹。
[0005]为解决上述技术问题，本专利技术提出了一种摩尔纹检测方法，包括如下步骤。步骤S1：制作神经网络的训练数据集；所述训练数据集包括四个类别——缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像；所有图像均由人工标注是否有摩尔纹。首先拍摄或获取原始图像，一部分原始图像中有摩尔纹，剩余原始图像中无摩尔纹。将原始图像的尺寸调整为a
×
b，得到缩放图像。对原始图像进行裁剪，仅保留原始图像中心区域的a
×
b大小，得到裁剪图像。将缩放图像的a
×
b
×
3的颜色空间通道和裁剪图像的a
×
b
×<br/>3的颜色空间通道叠加，构成了a
×
b
×
6的颜色空间通道，称为通道拼接图像。将缩放图像横向取一半，将裁剪图像横向取一半，两者横向拼接，得到裁剪拼接图像；或者将缩放图像纵向取一半，将裁剪图像纵向取一半，两者纵向拼接，得到裁剪拼接图像。a、b的取值范围均为200像素
‑
500像素之间。步骤S2：采用所述训练数据集中的四个类别——缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像——分别训练四个用于分类的深度神经网络分别得到四个摩尔纹检测模块——缩放图像摩尔纹检测模块、裁剪图像摩尔纹检测模块、通道拼接图像摩尔纹检测模块、裁剪拼接图像摩尔纹检测模块。步骤S3：对于输入的待判断是否有摩尔纹的图像，首先根据输入图像得到缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像，然后分别送入缩放图像摩尔纹检测模块、裁剪图像摩尔纹检测模块、通道拼接图像摩尔纹检测模块、裁剪拼接图像摩尔纹检测模块得到四个概率值，将四个概率值取平均数，根据该平均数得到最终的摩尔纹判定结果。
[0006]优选地，a＝b。
[0007]进一步地，原始图像由人工标注是否有摩尔纹；缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像或者继承原始图像的摩尔纹标注，或者由人工再次审核是否有摩尔纹并更新标注。
[0008]优选地，如果原始图像的宽度不足a，则先将原始图像横向拼接直至拼接后图像的
宽度超过a，然后对拼接后图像进行裁剪，仅保留中心区域的a
×
b大小，得到裁剪图像；如果原始图像的高度不足b，则先将原始图像纵向拼接直至拼接后图像的高度超过b，然后对拼接后图像进行裁剪，仅保留中心区域的a
×
b大小，得到裁剪图像。
[0009]优选地，所述步骤S2中，所述神经网络采用残差网络ResNet或MobileNet神经网络。
[0010]进一步地，所述步骤S2中，所述神经网络的训练方法为：输入所述训练数据集中的某个类别的图像，输出一个0
‑
1之间的概率值，该概率值用来指示图像中有摩尔纹、图像中无摩尔纹之一，使神经网络的输出尽量与该图像的摩尔纹人工标注保持一致。
[0011]优选地，所述步骤S2中，所述神经网络在训练时，神经网络的参数优化采用随机梯度下降SGD或自适应矩估计Adam算法。
[0012]进一步地，所述步骤S2中，所述神经网络的最后一层由n分类全连接层替换为二分类全连接层，二分类全连接层输出一个二维向量，该二维向量的取值表示在仅有的两个分类中选择一个，还将该二维向量归一化至0
‑
1之间得到一个概率值。
[0013]优选地，所述步骤S3中，该平均数大于0.5表示图像中有摩尔纹，该平均数小于或等于0.5表示图像中没有摩尔纹。
[0014]本专利技术还提出了一种摩尔纹的检测装置，包括训练数据制作单元、神经网络训练单元、摩尔纹检测单元。所述训练数据制作单元用来制作神经网络的训练数据集；所述训练数据集包括四个类别，分别是缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像。首先拍摄或获取原始图像，一部分原始图像中有摩尔纹，剩余原始图像中无摩尔纹。将原始图像的尺寸调整为a
×
b，得到缩放图像。对原始图像进行裁剪，仅保留原始图像中心区域的a
×
b大小，得到裁剪图像。将缩放图像的a
×
b
×
3的颜色空间通道和裁剪图像的a
×
b
×
3的颜色空间通道叠加，构成了a
×
b
×
6的颜色空间通道，称为通道拼接图像。将缩放图像横向取一半，将裁剪图像横向取一半，两者横向拼接，得到裁剪拼接图像；或者将缩放图像纵向取一半，将裁剪图像纵向取一半，两者纵向拼接，得到裁剪拼接图像。a、b的取值范围均为200像素
‑
500像素之间。所述神经网络训练单元用来采用所述训练数据集中的四个类别——缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像——分别训练四个用于分类的深度神经网络，分别得到四个摩尔纹检测模块——缩放图像摩尔纹检测模块、裁剪图像摩尔纹检测模块、通道拼接图像摩尔纹检测模块、裁剪拼接图像摩尔纹检测模块。所述摩尔纹检测单元用来将输入的待判断是否有摩尔纹的图像处理后得到缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像，然后分别送入缩放图像摩尔纹检测模块、裁剪图像摩尔纹检测模块、通道拼接图像摩尔纹检测模块、裁剪拼接图像摩尔纹检测模块得到四个概率值，将四个概率值取平均数得到最终的摩尔纹判定结果。
[0015]本专利技术取得的技术效果是：对原始图像进行了多种处理——缩放、裁剪、通道拼接、裁剪拼接，尽可能地保留了原始图像的各种特征，例如纹理特征，并分别训练四个神经网络，最终汇总后判定图像中是否有摩尔纹，使得摩尔纹检测结果更为准确。
附图说明
[0016]图1是本专利技术提出的摩尔纹检测方法的流程示意图。
[0017]图2是本专利技术提出的摩尔纹检测装置的结构示意图。
[0018]图中附图标记说明：1为训练数据制作单元、2为神经网络训练单元、3为摩尔纹检测单元。
具体实施方式
[0019]请参阅图1，本专利技术提出的摩尔纹检测方法包括如下步骤。
[0020]步骤S1：制作神经网络的训练数据集。所述训练数据集包括四个类别，分别是缩放图像、裁剪图像、通道拼接图像、裁剪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摩尔纹检测方法，其特征是，包括如下步骤；步骤S1：制作神经网络的训练数据集；所述训练数据集包括四个类别——缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像；所有图像均由人工标注是否有摩尔纹；首先拍摄或获取原始图像，一部分原始图像中有摩尔纹，剩余原始图像中无摩尔纹；将原始图像的尺寸调整为a
×
b，得到缩放图像；对原始图像进行裁剪，仅保留原始图像中心区域的a
×
b大小，得到裁剪图像；将缩放图像的a
×
b
×
3的颜色空间通道和裁剪图像的a
×
b
×
3的颜色空间通道叠加，构成了a
×
b
×
6的颜色空间通道，称为通道拼接图像；将缩放图像横向取一半，将裁剪图像横向取一半，两者横向拼接，得到裁剪拼接图像；或者将缩放图像纵向取一半，将裁剪图像纵向取一半，两者纵向拼接，得到裁剪拼接图像；a、b的取值范围均为200像素
‑
500像素之间；步骤S2：采用所述训练数据集中的四个类别——缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像——分别训练四个用于分类的深度神经网络分别得到四个摩尔纹检测模块——缩放图像摩尔纹检测模块、裁剪图像摩尔纹检测模块、通道拼接图像摩尔纹检测模块、裁剪拼接图像摩尔纹检测模块；步骤S3：对于输入的待判断是否有摩尔纹的图像，首先根据输入图像得到缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像，然后分别送入缩放图像摩尔纹检测模块、裁剪图像摩尔纹检测模块、通道拼接图像摩尔纹检测模块、裁剪拼接图像摩尔纹检测模块得到四个概率值，将四个概率值取平均数，根据该平均数得到最终的摩尔纹判定结果。2.根据权利要求1所述的摩尔纹检测方法，其特征是，a＝b。3.根据权利要求1所述的摩尔纹检测方法，其特征是，原始图像由人工标注是否有摩尔纹；缩放图像、裁剪图像、通道拼接图像、裁剪拼接图像或者继承原始图像的摩尔纹标注，或者由人工再次审核是否有摩尔纹并更新标注。4.根据权利要求1所述的摩尔纹检测方法，其特征是，如果原始图像的宽度不足a，则先将原始图像横向拼接直至拼接后图像的宽度超过a，然后对拼接后图像进行裁剪，仅保留中心区域的a
×
b大小，得到裁剪图像；如果原始图像的高度不足b，则先将原始图像纵向拼接直至拼接后图像的高度超过b，然后对拼接后图像进行裁剪，仅保留中心区域的a
×
b大小，得到裁剪图像。5.根据权利要求1所述的摩尔纹检测方法，其特征是，所述步骤S2中，所述神经网络采用残差网络ResNet或MobileNet神经网络。6.根据权利要求1所述的摩尔纹检测方法，其特征是，所述步骤S2中，所述神经网...

【专利技术属性】
技术研发人员：周辉，郭丰俊，陆大公，张镪，龙腾，丁凯，张彬，
申请(专利权)人：上海临冠数据科技有限公司上海生腾数据科技有限公司上海盈五蓄数据科技有限公司，
类型：发明
国别省市：