CN107085845A - 图像模糊检测方法及装置 - Google Patents
图像模糊检测方法及装置 Download PDFInfo
- Publication number
- CN107085845A CN107085845A CN201710259220.XA CN201710259220A CN107085845A CN 107085845 A CN107085845 A CN 107085845A CN 201710259220 A CN201710259220 A CN 201710259220A CN 107085845 A CN107085845 A CN 107085845A
- Authority
- CN
- China
- Prior art keywords
- image
- error
- entropy
- testing
- error image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像模糊检测方法及装置,涉及图像处理的技术领域,其中,一种图像模糊检测方法,包括以下步骤:对待测图像进行低通滤波,生成参考图像;对待测图像和参考图像分别进行低通滤波,生成待测滤波图像和参考滤波图像;生成待测图像与待测滤波图像之间的第一差值图像,以及参考图像与参考滤波图像之间的第二差值图像;分别求取第一差值图像的熵与第二差值图像的熵;求取第一差值图像的熵与第二差值图像的熵之间的比值,并根据比值与预设模糊阈值之间的关系判断是否进行模糊告警;若是,则进行模糊告警。本发明解决了现有图像模糊检测技术中存在的实时性较差的技术问题,达到了提高图像模糊检测的实时性的技术效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种图像模糊检测方法及装置。
背景技术
在观看数字电视、网络视频等数字信号源类的节目时,当拍摄视频源的摄像机参数设置不当、抖动,视频画面被拉伸、分辨率太低或编码异常时,画面中的细节信息会丢失或被破坏从而导致画面模糊的现象,而画面模糊会大幅降低视频播放质量。
为了保证用户观看电视或网络视频节目的质量,需要计算机辅助来完成自动化且快速有效的异常检测。现有技术的模糊检测方法主要有特征点匹配方法、定义特征参数及评价参数的方法、基于梯度特征的检测方法及机器学习方法等。
上述方法或采用较复杂的评价参数或采用较复杂的检测模型,在高清应用场景中,往往无法满足实时检测的需求。
发明内容
有鉴于此,本发明的目的在于提供一种图像模糊检测方法及装置,以解决现有图像模糊检测技术中存在的实时性较差的技术问题。
第一方面,本发明实施例提供了一种图像模糊检测方法,包括以下步骤:
对待测图像进行低通滤波,生成参考图像;
对待测图像和参考图像分别进行低通滤波,生成待测滤波图像和参考滤波图像;
生成待测图像与待测滤波图像之间的第一差值图像,以及参考图像与参考滤波图像之间的第二差值图像;
分别求取第一差值图像的熵与第二差值图像的熵;
求取第一差值图像的熵与第二差值图像的熵之间的比值,并根据比值与预设模糊阈值之间的关系判断是否进行模糊告警。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,对待测图像进行低通滤波,生成参考图像之前,还包括:
将待测图像分块处理为多个分块图像,并将其中选定的分块图像按照设定顺序作为新的待测图像。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,分别求取第一差值图像的熵与第二差值图像的熵之前,还包括:
根据相同的分块处理原则,将第一差值图像和第二差值图像分别分割为多个分块图像;
根据相同的选块原则,将选定的第一差值图像的分块图像按照设定顺序作为新的第一差值图像,将选定的第二差值图像的分块图像按照设定顺序作为新的第二差值图像。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,分块处理为基于场景的分块处理或基于网格的分块处理。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,对待测图像进行低通滤波具体为:
通过第一高斯低通滤波器对待测图像进行低通滤波;
对待测图像和参考图像分别进行低通滤波具体为:
通过第二高斯低通滤波器对待测图像和参考图像进行低通滤波。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,预设模糊阈值范围为0.8-1.5。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,模糊告警在比值大于或等于预设模糊阈值时发出。
第二方面,本发明实施例还提供了一种图像模糊检测装置,包括:
参考图像生成模块,用于对待测图像进行低通滤波,生成参考图像;
滤波模块,用于对待测图像和参考图像分别进行低通滤波,生成待测滤波图像和参考滤波图像;
差值图像生成模块,用于求取待测图像与待测滤波图像的第一差值图像,以及参考图像与参考滤波图像的第二差值图像;
熵值生成模块,用于分别求取第一差值图像与第二差值图像的熵;
判断模块,求取第一差值图像的熵与第二差值图像的熵之间的比值,并根据比值与预设模糊阈值之间的关系判断是否进行模糊告警。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,还包括第一分块模块;
第一分块模块用于第一分块模块用于将待测图像分块处理为多个分块图像,并将其中选定的分块图像按照设定顺序作为新的待测图像。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,还包括第二分块模块;
第二分块模块用于根据相同的分块处理原则,将第一差值图像和第二差值图像分别分割为多个分块图像;
根据相同的选块原则,将选定的第一差值图像的分块图像按照设定顺序作为新的第一差值图像,将选定的第二差值图像的分块图像按照设定顺序作为新的第二差值图像。
本发明实施例带来了以下有益效果:
本发明提供的图像模糊检测方法,通过对待测图像进行低通滤波生成参考图像;对待测图像和参考图像分别进行低通滤波生成待测滤波图像和参考滤波图像;求取待测图像与待测滤波图像之间的第一差值图像的熵,以及参考图像与参考滤波图像之间的第二差值图像的熵;求取第一差值图像的熵与第二差值图像的熵之间的比值,并根据比值与预设模糊阈值之间的关系判断是否进行模糊告警。计算方法简单,运算速度快,受外界影响较小,适用于各种没有预知标准图像情形下的实时模糊异常检测。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的图像模糊检测方法的流程图;
图2为本发明实施例1提供的图像模糊检测方法一种实施方式的流程图;
图3为本发明实施例1提供的图像模糊检测方法另一种实施方式的流程图;
图4为本发明实施例2提供的图像模糊检测装置的示意图;
图5为本发明实施例2提供的图像模糊检测装置一种实施方式的示意图;
图6为本发明实施例2提供的图像模糊检测装置另一种实施方式的示意图。
图标:11-参考图像生成模块;12-滤波模块;13-差值图像生成模块;14-熵值生成模块;15-判断模块;21-第一分块模块;22-第二分块模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前的图像模糊检测很难满足实时性要求,基于此,本发明实施例提供的一种图像模糊检测方法及装置,可以满足视频图像实时模糊检测的需求。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种图像模糊检测方法进行详细介绍。
实施例1:
如图1所示,本发明实施例提供了一种图像模糊检测方法,包括以下步骤:
S102.对待测图像进行低通滤波,生成参考图像。
S104.对待测图像和参考图像分别进行低通滤波,生成待测滤波图像和参考滤波图像。
S106.生成待测图像与待测滤波图像之间的第一差值图像,以及参考图像与参考滤波图像之间的第二差值图像。
S108.分别求取第一差值图像的熵与第二差值图像的熵。
S110.求取第一差值图像的熵与第二差值图像的熵之间的比值,并根据比值与预设模糊阈值之间的关系判断是否进行模糊告警。
本实施例通过对待测图像进行低通滤波生成参考图像;对待测图像和参考图像分别进行低通滤波生成待测滤波图像和参考滤波图像;求取待测图像与待测滤波图像之间的第一差值图像的熵,以及参考图像与参考滤波图像之间的第二差值图像的熵;求取第一差值图像的熵与第二差值图像的熵的比值,并根据比值与预设模糊阈值之间的关系判断是否进行模糊告警。计算方法简单,运算速度快,受外界影响较小,适用于各种没有预知标准图像情形下的实时模糊异常检测。
本实施例步骤S102中,通过第一高斯低通滤波器对待测图像进行低通滤波,滤除图像中的高频信号。
步骤S104中,通过第二高斯低通滤波器对待测图像和参考图像进行低通滤波。需要说明的是,本步骤中的第二高斯低通滤波器与步骤S102中的第一高斯低通滤波的滤波核可以相同,也可以不同。
若待测图像是一幅清晰的图像,低通滤波后待测图像的高频信号丢失明显,因此参考图像和原待测图像相比会有明显的模糊现象。若待测图像是模糊异常的图像,低通滤波后的参考图像虽然会比原待测图像模糊,但是二者清晰度相差不大,高频信息都较少,远不如清晰的待测图像低通滤波后的差异明显。
于是,当待测图像有较高的清晰度时,第一差值图像会包含较多的信息,反之,当输入图像为模糊图像时,第一差值图像会包含较少的信息。但是,第二差值图像包含的信息量在输入为清晰图像或模糊图像的情况下相差不大。因此,本实施例用第一差值图像的熵和第二差值图像的熵的比值来衡量输入图像的清晰程度。
步骤S110中,预设模糊阈值范围为0.8-1.5,优选为0.9-1.2。且模糊告警在第一差值图像的熵和第二差值图像的熵的比值大于等于预设模糊阈值时发出。
如图2所示,作为本实施例的一种实施方式,在步骤S102之前,还包括:
步骤S101.将待测图像分块处理为多个分块图像,并将其中选定的分块图像按照设定顺序作为新的待测图像。
本步骤中的分块处理优选为基于场景的分块处理或基于网格的分块处理。其中,基于网格划分的分块处理是将图像划分成MxN的网格。基于场景的分块处理为:在模糊检测前,对视频场景做简要分析,通过参考前帧图像,粗略区分出相对静止的背景和运动的前景。
需要说明的是,本实施方式中可以将分块处理后的所有分块图像按照设定顺序作为新的待测图像,也可以根据实际需要将分块图像中选定的部分分块图像按照设定顺序作为新的待测图像。通过对视频图像的分块检测实现视频图像的局部模糊检测。
本实施方式适用于视频图像的局部模糊检测,方法简单,检测速度快,具有很好的实时性。
如图3所示,作为本实施例的另一种实施方式,在步骤S108之前还包括:
步骤S107.根据相同的分块处理原则,将第一差值图像和第二差值图像分别分割为多个分块图像;根据相同的选块原则,将选定的第一差值图像的分块图像按照设定顺序作为新的第一差值图像,将选定的第二差值图像的分块图像按照设定顺序作为新的第二差值图像。
本步骤中的分块方法可以是基于场景的分块方法或基于网格的分块方法。
需要说明的是,本实施方式中可以将分块处理后的所有分块图像按照设定顺序依次进行后续处理,也可以根据实际需要将分块图像中选定的部分分块图像按照设定顺序进行后续处理。
本实施方式适用于视频图像的局部模糊检测,方法简单,检测速度快,具有很好的实时性。
本实施例中对于局部模糊检测,可以在求取每块待测图像的第一差值图像的熵与第二差值图像的熵的比值后,再根据比值与预设模糊阈值之间的关系进行模糊告警;也可以在整帧图像的所有选定分块图像全部判断完后再进行模糊告警,实际使用时根据具体情况选择合适的报警时机。本实施例中局部模糊检测的模糊告警优选包括分块图像的位置信息。
实施例2:
如图4所示,本实施例提供了一种图像模糊检测装置,包括:参考图像生成模块11、滤波模块12、差值图像生成模块13、熵值生成模块14和判断模块15,参考图像生成模块11用于对待测图像进行低通滤波,生成参考图像;滤波模块12用于对待测图像和参考图像分别进行低通滤波,生成待测滤波图像和参考滤波图像;差值图像生成模块13用于求取待测图像与待测滤波图像的第一差值图像,以及参考图像与参考滤波图像的第二差值图像;熵值生成模块14用于分别求取第一差值图像的熵与第二差值图像的熵;判断模块15用于求取第一差值图像的熵与第二差值图像的熵之间的比值,并根据比值与预设模糊阈值之间的关系判断是否进行模糊告警。
本实施例通过参考图像生成模块11对待测图像进行低通滤波生成参考图像;通过滤波模块12对待测图像和参考图像分别进行低通滤波生成待测滤波图像和参考滤波图像;通过熵值生成模块14求取待测图像与待测滤波图像之间的第一差值图像的熵,以及参考图像与参考滤波图像之间的第二差值图像的熵;判断模块15求取第一差值图像的熵与第二差值图像的熵之间的比值后,根据比值与预设模糊阈值之间的关系判断是否进行模糊告警。计算方法简单,运算速度快,受外界影响较小,适用于各种没有预知标准图像情形下的实时模糊异常检测。
本实施例中的参考图像生成模块11通过第一高斯低通滤波器对待测图像进行低通滤波。滤波模块12通过第二高斯低通滤波器对待测图像和参考图像进行低通滤波,且第一高斯低通滤波器与第二高斯低通滤波器的滤波核可以根据实际需求匹配为相同或是不同。
如图5所示,作为本实施例的一种实施方式,该装置还包括第一分块模块21,用于将待测图像分块处理为多个分块图像,并将其中选定的分块图像按照设定顺序作为新的待测图像。通过对目标分块图像的模糊检测实现视频图像的局部模糊检测。
如图6所示,作为本实施例的另一种实施方式,该装置还包括第二分块模块22,用于根据相同的分块处理原则,将第一差值图像和第二差值图像分别分割为多个分块图像;根据相同的选块原则,将选定的第一差值图像的分块图像按照设定顺序作为新的第一差值图像,将选定的第二差值图像的分块图像按照设定顺序作为新的第二差值图像。
本实施例中的第一分块模块21和第二分块模块22通过基于场景的分块处理或基于网格的分块处理。
此外,本实施例中的模糊阈值范围为0.8-1.5,优选为0.9-1.2。且模糊告警在第一差值图像的熵和第二差值图像的熵的比值大于等于预设模糊阈值时发出。
本发明实施例提供的图像模糊检测装置,与上述实施例提供的图像模糊检测方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例所提供的图像模糊检测方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种图像模糊检测方法,其特征在于,包括以下步骤:
对待测图像进行低通滤波,生成参考图像;
对所述待测图像和所述参考图像分别进行低通滤波,生成待测滤波图像和参考滤波图像;
生成所述待测图像与所述待测滤波图像之间的第一差值图像,以及所述参考图像与所述参考滤波图像之间的第二差值图像;
分别求取所述第一差值图像的熵与所述第二差值图像的熵;
求取所述第一差值图像的熵与所述第二差值图像的熵之间的比值,并根据所述比值与预设模糊阈值之间的关系判断是否进行模糊告警。
2.根据权利要求1所述的方法,其特征在于,所述对待测图像进行低通滤波,生成参考图像之前,还包括:
将所述待测图像分块处理为多个分块图像,并将其中选定的分块图像按照设定顺序作为新的待测图像。
3.根据权利要求1所述的方法,其特征在于,所述分别求取所述第一差值图像的熵与所述第二差值图像的熵之前,还包括:
根据相同的分块处理原则,将所述第一差值图像和所述第二差值图像分别分割为多个分块图像;
根据相同的选块原则,将选定的所述第一差值图像的分块图像按照设定顺序作为新的第一差值图像,将选定的所述第二差值图像的分块图像按照所述设定顺序作为新的第二差值图像。
4.根据权利要求2或3所述的方法,其特征在于,所述分块处理为基于场景的分块处理或基于网格的分块处理。
5.根据权利要求1所述的方法,其特征在于,所述对待测图像进行低通滤波具体为:
通过第一高斯低通滤波器对所述待测图像进行低通滤波;
所述对所述待测图像和所述参考图像分别进行低通滤波具体为:
通过第二高斯低通滤波器对所述待测图像和所述参考图像进行低通滤波。
6.根据权利要求1所述的方法,其特征在于,所述预设模糊阈值范围为0.8-1.5。
7.根据权利要求1-3、5-6任一项所述的方法,其特征在于,所述模糊告警在所述比值大于或等于所述预设模糊阈值时发出。
8.一种图像模糊检测装置,其特征在于,包括:
参考图像生成模块,用于对待测图像进行参考低通滤波,生成参考图像;
滤波模块,用于对所述待测图像和所述参考图像分别进行低通滤波,生成待测滤波图像和参考滤波图像;
差值图像生成模块,用于求取所述待测图像与所述待测滤波图像的第一差值图像,以及所述参考图像与所述参考滤波图像的第二差值图像;
熵值生成模块,用于分别求取所述第一差值图像与所述第二差值图像的熵;
判断模块,用于求取所述第一差值图像的熵与所述第二差值图像的熵之间的比值,并根据所述比值与预设模糊阈值之间的关系判断是否进行模糊告警。
9.根据权利要求8所述的装置,其特征在于,还包括第一分块模块;
所述第一分块模块用于将所述待测图像分块处理为多个分块图像,并将其中选定的分块图像按照设定顺序作为新的待测图像。
10.根据权利要求8所述的装置,其特征在于,还包括第二分块模块;
所述第二分块模块用于根据相同的分块处理原则,将所述第一差值图像和所述第二差值图像分别分割为多个分块图像;
根据相同的选块原则,将选定的所述第一差值图像的分块图像按照设定顺序作为新的第一差值图像,将选定的所述第二差值图像的分块图像按照所述设定顺序作为新的第二差值图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710259220.XA CN107085845A (zh) | 2017-04-19 | 2017-04-19 | 图像模糊检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710259220.XA CN107085845A (zh) | 2017-04-19 | 2017-04-19 | 图像模糊检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107085845A true CN107085845A (zh) | 2017-08-22 |
Family
ID=59611752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710259220.XA Pending CN107085845A (zh) | 2017-04-19 | 2017-04-19 | 图像模糊检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085845A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109996063A (zh) * | 2019-04-04 | 2019-07-09 | 广东省安心加科技有限公司 | 视频图像花屏检测方法、装置、计算机设备和存储介质 |
CN110287976A (zh) * | 2018-03-19 | 2019-09-27 | 中国科学院遥感与数字地球研究所 | 一种自动识别遥感蚀变异常的装置和方法 |
CN111179259A (zh) * | 2019-12-31 | 2020-05-19 | 北京灵犀微光科技有限公司 | 光学清晰度测试方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
CN104394377A (zh) * | 2014-12-08 | 2015-03-04 | 浙江省公众信息产业有限公司 | 一种监控图像的模糊异常的识别方法及装置 |
CN104616310A (zh) * | 2015-02-12 | 2015-05-13 | 国家电网公司 | 一种图像质量的评估方法和装置 |
US9384416B1 (en) * | 2014-02-20 | 2016-07-05 | University Of South Florida | Quantitative image analysis applied to the grading of vitreous haze |
-
2017
- 2017-04-19 CN CN201710259220.XA patent/CN107085845A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
US9384416B1 (en) * | 2014-02-20 | 2016-07-05 | University Of South Florida | Quantitative image analysis applied to the grading of vitreous haze |
CN104394377A (zh) * | 2014-12-08 | 2015-03-04 | 浙江省公众信息产业有限公司 | 一种监控图像的模糊异常的识别方法及装置 |
CN104616310A (zh) * | 2015-02-12 | 2015-05-13 | 国家电网公司 | 一种图像质量的评估方法和装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287976A (zh) * | 2018-03-19 | 2019-09-27 | 中国科学院遥感与数字地球研究所 | 一种自动识别遥感蚀变异常的装置和方法 |
CN109996063A (zh) * | 2019-04-04 | 2019-07-09 | 广东省安心加科技有限公司 | 视频图像花屏检测方法、装置、计算机设备和存储介质 |
CN109996063B (zh) * | 2019-04-04 | 2020-08-11 | 广东省安心加科技有限公司 | 视频图像花屏检测方法、装置、计算机设备和存储介质 |
CN111179259A (zh) * | 2019-12-31 | 2020-05-19 | 北京灵犀微光科技有限公司 | 光学清晰度测试方法和装置 |
CN111179259B (zh) * | 2019-12-31 | 2023-09-26 | 北京灵犀微光科技有限公司 | 光学清晰度测试方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107248169B (zh) | 图像定位方法及装置 | |
US9549121B2 (en) | Image acquiring method and electronic device | |
CN109660783A (zh) | 虚拟现实视差校正 | |
CN109993824B (zh) | 图像处理方法、智能终端及具有存储功能的装置 | |
CN105303514A (zh) | 图像处理方法和装置 | |
CN111652829B (zh) | 图像融合方法、装置、电子设备及存储介质 | |
CN102968814B (zh) | 一种图像渲染的方法及设备 | |
CN109525786B (zh) | 视频处理方法、装置、终端设备及存储介质 | |
CN107085845A (zh) | 图像模糊检测方法及装置 | |
CN107240078A (zh) | 镜头清晰度验算方法、装置及电子设备 | |
Hsu et al. | Moving camera video stabilization using homography consistency | |
CN112070657B (zh) | 图像处理方法、装置、系统、设备及计算机存储介质 | |
CN110689565B (zh) | 一种深度图确定的方法、装置及电子设备 | |
CN103020908B (zh) | 图像降噪的方法和设备 | |
US20200065949A1 (en) | Image processing method and device | |
CN115965537A (zh) | 一种视频图像降噪方法、装置及计算机存储介质 | |
CN111667541B (zh) | 图像颜色量化方法、装置、电子设备及存储介质 | |
CN116416701A (zh) | 一种巡检方法、巡检装置、电子设备及存储介质 | |
Jung et al. | Visual discomfort visualizer using stereo vision and time-of-flight depth cameras | |
CN113283543B (zh) | 一种基于WebGL的图像投影融合方法、装置、存储介质和设备 | |
CN110516680B (zh) | 图像处理方法及装置 | |
CN114626992A (zh) | 图像虚化方法及终端设备 | |
CN112887708A (zh) | 视频抖动检测方法和装置、设备及存储介质 | |
CN105243652B (zh) | 图像降噪的方法及装置 | |
CN118038332B (zh) | 一种基于视频智能识别的区域警示方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170822 |
|
RJ01 | Rejection of invention patent application after publication |