[发明专利]一种无参考在线图像清晰度评价方法与系统

说明书

本发明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。本发明具有实时性高且结果准确的优点。

技术领域

本发明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。

背景技术

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值信噪比和基于结构相似性的图像清晰度评价以及基于多尺度的结构相似度图像清晰度评价方法等，但全参考图像清晰度评价应用的前提是参考图像和待测图像的内容和结构上具有一致性，这个一致性大部分需要由拍摄条件一致来保证。在缺陷图像检测系统中很难具备这种一致性条件，也就是说，当检测的产品改变时，光照、拍摄距离和角度、景深、焦距等都需要重新确定，即只要检测的产品有变化，参考图像就改变了。实际上，随产品改变确定参考图像的过程，也是自动评价图像清晰度的功能之一。半参考图像清晰度评价方法是利用参考图像的部分特征进行图像清晰度评价。无参考图像清晰度评价方法是指不需要在线依赖具体的参考图像，通过离线训练的方式建模，通过模型来对图像清晰度进行评价，该方法进行评价时的判断阈值需要离线进行实验，根据实验结果予以确定，否则无法进行在线评价。

发明内容

考虑到针对一类产品设计的缺陷检测设备所采集的图像具有一定的内容和特征相似性，本发明提出一种无参考在线图像清晰度评价方法与系统，其通过采集一批包含缺陷的图像，提取特征，计算特征值，得到评价同类图像清晰度的计算模型，利用该计算模型来进行在线缺陷图像清晰度的评价，具有实时性高且结果准确的优点。

本发明的目的通过以下的技术方案实现：一种无参考在线图像清晰度评价方法，包括步骤：

(1)建立预测模型：针对一类产品，在焦距、光照等略有变化的情况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：