[发明专利]一种无参考在线图像清晰度评价方法与系统

权利要求书

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D_i,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S_p(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，x_p为p点的横坐标，y_p为p点的纵坐标，D_i(x,y)为第i幅子图像在坐标(x,y)处的像素值，W＝{w_xy,x＝-k,…,0,…k,y＝-k,…,0,…k}是方差为σ的(2k+1)×(2k+1)高斯滤波模板；μ_p(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，σ_p(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，σ_p(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；其中，所述统计特征包括均值u_p，中值m_p，范围r_p和方差s_p，计算方法是：

r_p＝S_p(i,j)_max-S_p(i,j)_min

S_p(i,i)₃和S_p(i,j)₄分别表示将6个S_p(i,j)值从小到大排序后的第三个和第四个值，S_p(i,j)_max和S_p(i,j)_min分别表示6个S_p(i,j)值中的最大值和最小值；

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，对图像质量进行专家评分，步骤是：

首先，专家为所有产品图像的清晰度进行单独评分，分值在0到100之间，100为最高清晰度，0为最差清晰度；

然后，对每一幅产品图像，将所有专家的评分进行平均，得到每幅图的平均清晰度评分；

最后，判断各分数段的图像数量是否基本相当，如果不均衡，则继续拍摄带有缺陷的产品图像，以增加图像数量，最终使各分数段的图像数量基本相当。

4.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，进行非线性回归时，非线性回归方式为采用带径向基函数核的支持向量回归。

5.一种无参考在线图像清晰度评价系统，其特征在于，包括：

样本数据获取模块，用于针对一类产品，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；

清晰度特征向量计算模块，用于从产品图像中提取固定大小的缺陷图像，对缺陷图像进行采样，获得子图像，对子图像的每一个像素点计算相似度参数，计算相似度参数的统计特征以及统计特征的归一化直方图，将归一化直方图合并得到图像的清晰度特征向量；其中，所述统计特征包括均值，中值，范围和方差；

预测模型训练模块，用于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；

在线评价模块，用于在线获取产品图像，若该图像带有缺陷，则计算该产品图像的清晰度特征向量，将该向量输入到训练好的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；

清晰度特征向量计算模块具体包括：

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_i,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S_p(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，x_p为p点的横坐标，y_p为p点的纵坐标，D_i(x,y)为第i幅子图像在坐标(x,y)处的像素值，W＝{w_xy,x＝-k,…,0,…k,y＝-k,…,0,…k}是方差为σ的(2k+1)×(2k+1)高斯滤波模板；μ_p(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，σ_p(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，σ_p(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；其中，所述统计特征包括均值u_p，中值m_p，范围r_p和方差s_p，计算方法是：

r_p＝S_p(i,j)_max-S_p(i,j)_min

S_p(i,j)₃和S_p(i,j)₄分别表示将6个S_p(i,j)值从小到大排序后的第三个和第四个值，S_p(i,j)_max和S_p(i,j)_min分别表示6个S_p(i,j)值中的最大值和最小值。