[发明专利]图像处理设备和方法

说明书

提供一种图像处理设备和方法，其中，所述图像处理设备包括：图像分类模块，被配置为确定输入图像是低质量图像还是高质量图像；图像评估模块，被配置为在由图像分类模块确定的多个低质量图像之中确定第一预定数量个最清晰图像。

技术领域

本申请涉及图像处理，具体地讲，涉及一种用于图像进行预处理的图像处理设备和方法。

背景技术

在非受控条件(例如，光照、相机抖动以及被摄对象的运动等)下捕获的图像和视频中往往存在大量的低质量图像，例如，强背光图像、低光照图像和模糊图像等。由于现有技术中的人脸检测和识别方法依然基于相似条件下的高质量图像，没有考虑特殊条件下的低质量图像，因此，这样的低质量图像对于人脸检测和识别过程造成了极大的障碍，严重影响人脸检测和识别的效果。

具体地讲，现有的人脸检测和识别方法使用的训练测试数据库通常基于相似或近似的光照条件下的高质量图像，能够达到令人满意的检测效果。但是在与现有数据库图像光照条件差异比较大的低质量图像和存在运动模糊的图像上，尤其是人脸区域差异较大时，现有的人脸检测和识别方法的检测和识别效果就会大大折扣，存在严重的人脸错检漏检以及难以识别的问题。例如，图1和图2分别示出了人脸检测和识别方法在非正常光照条件下捕获的低质量图像(即，背光图像和低光照图像)上的人脸检测和识别效果，图3示出了人脸检测和识别方法在模糊图像上的检测和识别效果。结果表明，现有人脸检测和识别方法在非正常光照条件下的低质量图像以及模糊图像上的检测和识别效果较差，其中，现有的人脸检测和识别方法将图1的背光图像(a)中的背景建筑物误识别为人脸，在背光图像(b)中未检测和识别出人脸，并且在图2的低光照图像(a)和(b)和图3的模糊图像(a)和(b)上均没有检测和识别出正确的人脸。

为此，现有技术通常采用预处理来去除或者减少光照、成像系统、外部环境等导致的对于待处理图像的干扰以提高人脸检测和识别的效果。然而，现有技术中的图像预处理方法主要针对不同类别的低质量图像进行预处理，并且在实际的一般化应用中，需要利用特定的检测方法对输入图像进行判定，但是这些检测方法和预处理方法却不能同时对多种图像类别进行判定和预处理。

因此，需要一种可处理多种低质量图像的图像处理设备和方法来有效降低在对低质量图像进行人脸检测时的错检漏检率以及有效解决在对模糊人脸图像进行人脸识别时难以识别人脸的问题。

发明内容

本发明的一方面提供一种图像处理设备，包括：图像分类模块，被配置为确定输入图像是低质量图像还是高质量图像；图像评估模块，被配置为在由图像分类模块确定的多个低质量图像之中确定第一预定数量个最清晰图像。

图像分类模块可被配置为使用第一卷积神经网络分类器模型计算所述输入图像被分类为多种不同质量类别中的每一种类别的图像分类概率值，并根据所述输入图像的图像分类概率值来确定所述输入图像是低质量图像还是高质量图像。

所述多种不同质量类别可包括背光图像类别、低光照图像类别、模糊图像类别和清晰图像类别。

当由图像分类模块计算出的所述输入图像被分类为背光图像类别、低光照图像类别和模糊图像类别中的至少一种类别的分类概率值大于所述输入图像被分类为清晰图像类别的图像分类概率值时，图像分类模块可确定所述输入图像是低质量图像。

图像评估模块可被配置为针对所述多个低质量图像中的每一个低质量图像计算图像清晰度评估值，并将所述多个低质量图像中的从具有最高的图像清晰度评估值至具有第一预定数量高的图像清晰度评估值的第一预定数量个低质量图像确定为所述第一预定数量个最清晰图像。

图像评估模块可被配置为计算所述每一个低质量图像的图像分类概率值的标准差的倒数作为所述每一个低质量图像的图像清晰度评估值。

图像评估模块可被配置为将所述每一个低质量图像被分类为多种不同质量类别中的清晰图像类别的图像分类概率值用作所述每一个低质量图像的图像清晰度评估值。