CN108510474B - 烟叶图像质量的评价方法、系统、存储器、及电子设备 - Google Patents
烟叶图像质量的评价方法、系统、存储器、及电子设备 Download PDFInfo
- Publication number
- CN108510474B CN108510474B CN201810194988.8A CN201810194988A CN108510474B CN 108510474 B CN108510474 B CN 108510474B CN 201810194988 A CN201810194988 A CN 201810194988A CN 108510474 B CN108510474 B CN 108510474B
- Authority
- CN
- China
- Prior art keywords
- color gamut
- quality
- index
- value
- tobacco leaf
- 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.)
- Active
Links
Images
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明提供烟叶图像质量的评价方法、系统、存储器、及电子设备,其中方法包括:提取待评价烟叶图像的每个像素在色彩空间中的各分量值;其中,所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成;根据每个所述像素的各分量值,计算每个所述像素的各颜色色域指数;根据每个所述像素的各颜色色域指数,确定每个所述像素的质量评价指数;计算各所述质量评价指数的平均值,并将其与预设质量评价指标进行比对,据以判断所述待评价烟叶图像的质量情况。本发明利用颜色色域指数进行烟叶图像质量评价,与现有的烟叶图像质量评价方法相比,计算复杂度更低、计算量更小、计算用时更短,质量评价结果稳定性也更优良。
Description
技术领域
本发明属于烟叶图像处理技术领域,尤其是涉及基于颜色色域指数的烟叶图像质量的评价方法、系统、存储介质、及电子设备。
背景技术
烟叶图像质量评价是评价烟叶的成像设备、分级、外观质量检测及模式识别等的基础和关键。目前,烟叶图像质量的评价方法主要有峰值信噪比方法PSNR和信息熵方法SSEQ(姬江涛,邓明俐,贺智涛,等.基于OpenCV的烤烟烟叶图像高斯去噪法[J].江苏农业科学,2016,44(11):373-376.):(一)峰值信噪比方法PSNR:该方法研究较多且最为成熟,如清华大学戴琼海、马潇、曹汛等的发明专利“一种基于机器学习的立体图像质量客观评价方法”(申请号为201210182644.8),按照机器学习支持向量机的方法构造了5个图像质量评价指标,对峰值信噪比方法PSNR求取公式的形式和加权值做了改进,提出了视觉舒适度评价的方法,但峰值信噪比方法PSNR由于需要比较像素级差异而主要存在稳定性差、计算量大、费时等弊端;(二)信息熵方法SSEQ:该方法以局部空间熵和谱熵为特征构建两阶图像质量评价模型,具有不需要借助原始图像信息作为参考的优势,如北京理工大学刘利雄、刘宝、黄华的发明专利“一种基于信息熵特征的无参考图像质量评价方法”(申请号为CN201310421710.7),首先对失真图像进行Contourlet变换,再将每个变换子带和未变换的原始失真图像进行分块处理,然后在每个分块系数矩阵上计算空域信息熵和频域信息熵,筛选分块特征并计算均值得到每个变换子带的质量特征值,然后利用支持向量机的方法和无参考图像质量评价的两步框架,进行质量预测和评估,具有主观一致性高,时间复杂度小、通用性好的特点,但信息熵方法SSEQ主要存在稳定性差、空间复杂度大、费时等略势。
同时,以上图像质量评价方法对烟叶图像的颜色恒常性、丰富性和亮度、纹理特征噪声大的属性利用不充分,若直接采用这些图像质量评价方法来评价烟叶图像质量,则得到的评价结果稳定性较差。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供烟叶图像质量的评价方法、系统、存储器、及电子设备,用于解决现有烟叶图像质量评价方法在评价烟叶图像质量时稳定性差、耗费时间长等问题。
为实现上述目的及其他相关目的,本发明提供一种烟叶图像质量的评价方法,包括:提取待评价烟叶图像的每个像素在色彩空间中的各分量值;其中,所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成;根据每个所述像素的各分量值,计算每个所述像素的各颜色色域指数;根据每个所述像素的各颜色色域指数,确定每个所述像素的质量评价指数;计算各所述质量评价指数的平均值,并将其与预设质量评价指标进行比对,据以判断所述待评价烟叶图像的质量情况。
于本发明一实施例中,所述根据每个所述像素的各分量值计算每个所述像素的各颜色色域指数,包括:根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数;根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数;根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数。
于本发明一实施例中,所述根据每个所述像素的各颜色色域指数确定每个所述像素的质量评价指数,包括:将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。
于本发明一实施例中,所述预设质量评价指标包括:当质量评价指数的平均值小于第一预设值时,认为所述待评价烟叶图像的质量较差;当质量评价指数的平均值介于所述第一预设值与第二预设值之间时,认为所述待评价烟叶图像的质量中等;当质量评价指数的平均值大于所述第二预设值时,认为所述待评价烟叶图像的质量良好。
为实现上述目的及其他相关目的,本发明提供一种烟叶图像质量的评价系统,包括:分量提取模块,用于提取待评价烟叶图像的每个像素在色彩空间中的各分量值;其中,所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成;指数计算模块,用于根据每个所述像素的各分量值,计算每个所述像素的各颜色色域指数;以及用于根据每个所述像素的各颜色色域指数,确定每个所述像素的质量评价指数;质量评价模块,用于计算各所述质量评价指数的平均值,并将其与预设质量评价指标进行比对,据以判断所述待评价烟叶图像的质量情况。
于本发明一实施例中,所述根据每个所述像素的各分量值计算每个所述像素的各颜色色域指数的实现方式包括:根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数;根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数;根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数。
于本发明一实施例中,所述根据每个所述像素的各颜色色域指数确定每个所述像素的质量评价指数的实现方式包括:将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。
于本发明一实施例中,所述预设质量评价指标包括:当质量评价指数的平均值小于第一预设值时,认为所述待评价烟叶图像的质量较差;当质量评价指数的平均值介于所述第一预设值与第二预设值之间时,认为所述待评价烟叶图像的质量中等;当质量评价指数的平均值大于所述第二预设值时,认为所述待评价烟叶图像的质量良好。
为实现上述目的及其他相关目的,本发明提供一种存储介质,其中存储有计算机程序,所述计算机程序被处理器加载执行时,实现如上任一所述的烟叶图像质量的评价方法。
为实现上述目的及其他相关目的,本发明提供一种电子设备,包括:处理器、及存储器;其中,所述存储器用于存储计算机程序;所述处理器用于加载执行所述计算机程序,以使所述电子设备执行如上任一所述的烟叶图像质量的评价方法。
如上所述,本发明的烟叶图像质量的评价方法、系统、存储器、及电子设备,利用颜色色域指数进行烟叶图像质量评价,与现有的烟叶图像质量评价方法相比,计算复杂度更低、计算量更小、计算用时更短,更有利于实时实现;与现有的烟叶图像质量评价方法相比,更能充分利用烟叶图像的颜色恒常性、丰富性的属性,质量评价结果的稳定性也更加优良。
附图说明
图1显示为本发明实施例1中的烟叶图像质量的评价方法的流程示意图。
图2显示为本发明实施例2中的待评价烟叶图像的示意图。
图3a~3d显示为本发明实施例3中的各待评价烟叶图像的示意图。
图4a~4j显示为本发明比较例中的各待评价烟叶图像的示意图。
图5显示为本发明实施例4中的烟叶图像质量的评价系统的模块示意图。
元件标号说明
S1~S5 步骤
500 烟叶图像质量的评价系统
501 分量提取模块
502 指数计算模块
503 质量评价模块
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
实施例1
请参阅图1,本实施例提供一种稳定性高、计算费时短的烟叶图像质量评价方法,其主要包括以下步骤:
S1:提取待评价烟叶图像的每个像素在RGB色彩空间中的各分量值。
需要说明的是,这里的RGB色彩空间为传统机器视觉RGB(R、G、B)空间按照RGB(R+G,0.7B,0.3B)转换而来的新的颜色空间。众所周知,R、G、B是红绿蓝空间,而烟叶的色主题基本色是黄色,黄色的表征是由(R+G)/B决定的,此值越大,颜色越趋近于黄色,所以需在颜色转换时把RGB拆成R+G与B。另外,由于B值也是一个衡量拍摄环境亮度的指标,所以B值也有一定的意义,因此B值也需要单独转换出来。最终的转换是把R、G、B、转换成(R+G,k1*B,k2*B),其中,k1+k2=1;k1,k2>0。此颜色空间的意义主要是为了衡量烟叶主题基本色与当时的拍摄的环境的明亮程度。基于此,新的RGB色彩空间即由黄色色域分量(R+G)、明亮色域分量(0.7B)以及黑色色域分量构成(0.3B)。由此,每个像素的各分量值包括:黄色色域分量值Ri、明亮色域分量值Gi,以及黑色色域分量值Bi。
假设待评价烟叶图像的总像素点为n,则第i个像素点(0<i<n)的各分量值的计算公式为:黄色色域分量值Ri=RGB(i,1),明亮色域分量值Gi=RGB(i,2),黑色色域分量值Bi=RGB(i,3)。在本实施例中,黄色色域分量值Ri∈(0,512)=(0,255+255),明亮色域分量值Gi∈(0,180)≈(0,255*0.7),黑色色域分量值Bi∈(0,77)≈(0,255*0.3)。
S2:求解待评价烟叶图像的每个像素的各颜色色域指数。
承接上述,由于每个像素具有三个色域分量值,所以每个像素相应地具有三个颜色色域指数:黄色色域指数CGIRi、明亮色域指数CGIGi,以及黑色色域指数CGIBi。这三个颜色色域指数的获得公式分别为CGIRi=Ri/(Gi+Bi)、CGIGi=Gi/(Ri+Bi),以及CGIBi=Bi/(Ri+Gi)。
S3:确定每个所述像素的质量评价指数。
在本实施例中,像素i的质量评价指数QEFi通过式QEFi=max(CGIRi,CGIGi,CGIBi)来计算,也就是说,将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。
在本实施例中,所述预设质量评价指标例如:当质量评价指数的平均值小于第一预设值时,认为所述待评价烟叶图像的质量较差;当质量评价指数的平均值介于所述第一预设值与第二预设值之间时,认为所述待评价烟叶图像的质量中等;当质量评价指数的平均值大于所述第二预设值时,认为所述待评价烟叶图像的质量良好。举例而言,所述第一预设值为2,所述第二预设值为4,当值<2时,评价结果为烟叶图像质量较差;当值处于2~4之间时,评价结果为烟叶图像质量中等;当值>4时,评价结果为烟叶图像质量良好。
实施例2
按照图1所示的方法流程对图2的烟叶图像进行质量评价,具体步骤如下:
步骤一,提取待评价烟叶图像的各像素在RGB色彩空间中的各分量值:
当i=1时:R1=RGB(1,1)=336.22;G1=RGB(1,2)=22.32;B1=RGB(1,3)=9.56。
当i=2时:R2=RGB(2,1)=310.37;G2=RGB(2,2)=22.89;B2=RGB(2,3)=9.76。
当i=3时:R3=RGB(3,1)=325.22;G3=RGB(3,2)=23.13;B3=RGB(3,3)=9.32。
………………
当i=n时:Rn=RGB(n,1)=325.22;Gn=RGB(n,2)=23.76;Bn=RGB(n,3)=9.18。
步骤二,求解待评价烟叶图像的各像素的各颜色色域指数:
当i=1时:CGIR1=R1/(G1+B1)=10.546;CGIG1=G1/(R1+B1)=0.0645;CGIB1=B1/(R1+G1)=0.02941。
当i=2时:CGIR2=R2/(G2+B2)=9.506;CGIG2=G2/(R2+B2)=0.0715;CGIB2=B2/(R2+G2)=0.02852。
当i=3时:CGIR3=R3/(G3+B3)=10.02;CGIG3=G3/(R3+B3)=0.0691;CGIB3=B3/(R3+G3)=0.02877。
………………
当i=n时:CGIRn=Rn/(Gn+Bn)=9.873;CGIGn=Gn/(Rn+Bn)=0.0710;CGIBn=Bn/(Rn+Gn)=0.02829。
步骤三,计算待评价烟叶图像的各像素的质量评价函数QEFi值:
当i=1时:QEF1=max(CGIR1,CGIG1,CGIB1)=max(10.546,0.0645,0.0294)=10.546
当i=2时:QEF2=max(CGIR2,CGIG2,CGIB2)=max(9.505,0.0715,0.02852)=9.505
当i=3时:QEF3=max(CGIR3,CGIG3,CGIB3)=max(10.02,0.0691,0.02877)=10.02
………………
当i=n时:QEF3=max(CGIRn,CGIGn,CGIBn)=max(9.8731,0.0710,0.02829)=9.8731
实施例3
采用图1所示的方法流程,对图3a~3d四张烟叶图像质量的质量进行评价并排序,得到各烟叶图像的质量评价值及其排序如表1所示。可见,图3d的值最大,排序第一,表明该烟叶图像的质量最好;图3b的值最小,表明该烟叶图像的质量最差。实际上,图3d为高质量相机+高质量光源条件的拍摄图像,而图3b为普通工业相机+在线光源条件的拍摄图像,可见,通过本发明给出的质量评价结果也符合人类视觉的主观认识与实际客观因素。
表1
比较例
本比较例分别采用本发明的质量评价方法、现有技术中的峰值信噪比方法PSNR和信息熵方法SSEQ对图4a~4j中的十张烟叶图像进行了质量评价,其质量评价效果的比对如表2所示。表2结果表明,与现有的图像质量评价方法(PSNR和SSQE)相比,本发明提出的质量评价方法对烟叶图像质量的评价结果稳定性更好、计算复杂度更低、计算量更小、计算时间更短。
表2
实施例4
图5显示了与方法实施例1对应的烟叶图像质量的评价系统500。评价系统500作为一种软件实现,运行于台式机、便携式电脑、智能手机等电子设备中,以实现烟叶图像质量的评价。
本实施例的评价系统500主要包括:分量提取模块501、指数计算模块502,以及质量评价模块503。由于评价系统500的原理与前述方法实施例1对应相同,因此对于相同的技术细节不作重复赘述。
分量提取模块501用于提取待评价烟叶图像的每个像素在色彩空间中的各分量值;其中,所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成。
指数计算模块502用于根据每个所述像素的各分量值,计算每个所述像素的各颜色色域指数;以及用于根据每个所述像素的各颜色色域指数,确定每个所述像素的质量评价指数。
详细而言,根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数;根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数;根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数。进一步地,将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。
质量评价模块503用于计算各所述质量评价指数的平均值,并将其与预设质量评价指标进行比对,据以判断所述待评价烟叶图像的质量情况。所述预设质量评价指标例如:当质量评价指数的平均值小于第一预设值时,认为所述待评价烟叶图像的质量较差;当质量评价指数的平均值介于所述第一预设值与第二预设值之间时,认为所述待评价烟叶图像的质量中等;当质量评价指数的平均值大于所述第二预设值时,认为所述待评价烟叶图像的质量良好。
除此之外,本发明还包括一种存储介质和一种电子设备,由于前述实施例中的技术特征可以应用于存储介质实施例、电子设备实施例,因而不再重复赘述。
所述存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质,其中存储有计算机程序,该计算机程序在被处理器加载执行时,实现前述实施例中烟叶图像质量评价方法的全部或部分步骤。
所述电子设备为包括处理器(CPU/MCU/SOC)、存储器(ROM/RAM)、通信模块(有线/无线网络)、显示模块的设备,优选为台式电脑。特别的,该存储器中存储有计算机程序,该处理器在加载执行所述计算机程序时,实现前述实施例中烟叶图像质量评价方法的全部或部分步骤。
综上所述,本发明的烟叶图像质量评价方法、评价系统、存储介质、及电子设备,与现有的烟叶图像质量评价方法相比,计算复杂度更低、计算量更小、计算用时更短,质量评价结果稳定性也更优良,有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种烟叶图像质量的评价方法,其特征在于,包括:
提取待评价烟叶图像的每个像素在色彩空间中的各分量值;其中,所述色彩空间由黄色色域分量(R+G)、明亮色域分量k1*B、及黑色色域分量k2*B构成;k1+k2=1;k1,k2>0;
根据每个所述像素的各分量值,计算每个所述像素的各颜色色域指数,包括:根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数;根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数;根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数;
根据每个所述像素的各颜色色域指数,确定每个所述像素的质量评价指数;
计算各所述质量评价指数的平均值,并将其与预设质量评价指标进行比对,据以判断所述待评价烟叶图像的质量情况。
2.根据权利要求1所述的方法,其特征在于,所述根据每个所述像素的各颜色色域指数确定每个所述像素的质量评价指数,包括:将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。
3.根据权利要求2所述的方法,其特征在于,所述预设质量评价指标包括:
当质量评价指数的平均值小于第一预设值时,认为所述待评价烟叶图像的质量较差;
当质量评价指数的平均值介于所述第一预设值与第二预设值之间时,认为所述待评价烟叶图像的质量中等;
当质量评价指数的平均值大于所述第二预设值时,认为所述待评价烟叶图像的质量良好。
4.一种烟叶图像质量的评价系统,其特征在于,包括:
分量提取模块,用于提取待评价烟叶图像的每个像素在色彩空间中的各分量值;其中,所述色彩空间由黄色色域分量(R+G)、明亮色域分量k1*B、及黑色色域分量k2*B构成;k1+k2=1;k1,k2>0;
指数计算模块,用于根据每个所述像素的各分量值,计算每个所述像素的各颜色色域指数,包括:根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数;根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数;根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数;以及
用于根据每个所述像素的各颜色色域指数,确定每个所述像素的质量评价指数;
质量评价模块,用于计算各所述质量评价指数的平均值,并将其与预设质量评价指标进行比对,据以判断所述待评价烟叶图像的质量情况。
5.根据权利要求4所述的系统,其特征在于,所述根据每个所述像素的各颜色色域指数确定每个所述像素的质量评价指数的实现方式包括:将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。
6.根据权利要求5所述的系统,其特征在于,所述预设质量评价指标包括:
当质量评价指数的平均值小于第一预设值时,认为所述待评价烟叶图像的质量较差;
当质量评价指数的平均值介于所述第一预设值与第二预设值之间时,认为所述待评价烟叶图像的质量中等;
当质量评价指数的平均值大于所述第二预设值时,认为所述待评价烟叶图像的质量良好。
7.一种存储介质,其中存储有计算机程序,其特征在于,所述计算机程序被处理器加载执行时,实现如权利要求1至3中任一所述的烟叶图像质量的评价方法。
8.一种电子设备,其特征在于,包括:处理器、及存储器;其中,
所述存储器用于存储计算机程序;
所述处理器用于加载执行所述计算机程序,以使所述电子设备执行如权利要求1至3中任一所述的烟叶图像质量的评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810194988.8A CN108510474B (zh) | 2018-03-09 | 2018-03-09 | 烟叶图像质量的评价方法、系统、存储器、及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810194988.8A CN108510474B (zh) | 2018-03-09 | 2018-03-09 | 烟叶图像质量的评价方法、系统、存储器、及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510474A CN108510474A (zh) | 2018-09-07 |
CN108510474B true CN108510474B (zh) | 2021-07-06 |
Family
ID=63376300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810194988.8A Active CN108510474B (zh) | 2018-03-09 | 2018-03-09 | 烟叶图像质量的评价方法、系统、存储器、及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510474B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111466605B (zh) * | 2020-04-23 | 2022-04-01 | 贵州省烟草科学研究院 | 基于rgb值测定烟叶烘烤变黄变褐程度的方法、系统及装置 |
CN113516617B (zh) * | 2021-04-02 | 2023-05-05 | 云南省烟草质量监督检测站 | 一种基于机器视觉和ai深度学习的烤烟等级识别建模方法 |
CN113838081A (zh) * | 2021-09-15 | 2021-12-24 | 浙江中烟工业有限责任公司 | 一种基于机器视觉判别烤烟烟叶颜色均匀度的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160676A (zh) * | 2015-08-31 | 2015-12-16 | 中国烟草总公司广东省公司 | 一种烤后烟叶烟筋图像提取方法 |
JP5948997B2 (ja) * | 2012-03-15 | 2016-07-06 | 株式会社リコー | 撮像装置及び撮像方法 |
CN107220599A (zh) * | 2017-05-16 | 2017-09-29 | 北京信息科技大学 | 基于eeg信号的图像质量评价方法 |
CN107292804A (zh) * | 2017-06-01 | 2017-10-24 | 西安电子科技大学 | 基于OpenCL的直接多曝光融合并行加速方法 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5970178A (en) * | 1997-06-30 | 1999-10-19 | Hewlett-Packard Company | Adaptive halftoning based on image content |
US8379971B2 (en) * | 2006-08-16 | 2013-02-19 | Tp Vision Holding B.V. | Image gamut mapping |
CN101650833B (zh) * | 2009-09-10 | 2011-11-30 | 重庆医科大学 | 彩色图像质量评价方法 |
JP5844263B2 (ja) * | 2009-10-05 | 2016-01-13 | ビーマル イメージング リミテッドBeamr Imaging Ltd. | デジタル画像を再圧縮するための装置および方法 |
CN102533109B (zh) * | 2011-12-14 | 2013-12-25 | 中国航空工业集团公司沈阳空气动力研究所 | 高速风洞彩色油流试验的油料配方 |
CN102798596A (zh) * | 2012-08-06 | 2012-11-28 | 红云红河烟草(集团)有限责任公司 | 一种评价复烤成品片烟质量稳定性的方法 |
CN104021545A (zh) * | 2014-05-12 | 2014-09-03 | 同济大学 | 一种基于视觉显著性的全参考彩色图像质量评价方法 |
CN105049851B (zh) * | 2015-07-06 | 2018-01-19 | 浙江理工大学 | 基于色彩感知的通用无参考图像质量评价方法 |
CN105184796B (zh) * | 2015-09-09 | 2018-08-21 | 南京信息工程大学 | 基于二元空间依存关系的失真图像评价方法 |
CN105675821B (zh) * | 2016-02-21 | 2018-11-02 | 南京农业大学 | 一种作物氮素营养无损诊断的图像评价指标的建立方法 |
CN106447646A (zh) * | 2016-06-28 | 2017-02-22 | 中国人民解放军陆军军官学院 | 一种用于无人机图像的质量盲评价方法 |
CN106124053B (zh) * | 2016-09-13 | 2018-09-21 | 福建金闽再造烟叶发展有限公司 | 再造烟叶颜色测量与调整方法及装置 |
CN106408565A (zh) * | 2016-10-12 | 2017-02-15 | 中国人民解放军陆军军官学院 | 一种弹载图像质量评价方法 |
CN106683082B (zh) * | 2016-12-19 | 2019-08-13 | 华中科技大学 | 一种基于四元数的全参考彩色图像质量评价方法 |
CN106952313A (zh) * | 2017-03-21 | 2017-07-14 | 北京工商大学 | 基于HSI和Lab混合颜色模型的皮肤肤色评价方法 |
CN107024340B (zh) * | 2017-05-22 | 2019-01-29 | 武汉大学 | 基于颜色样本优化的光照喜好度评价指标构建方法及系统 |
-
2018
- 2018-03-09 CN CN201810194988.8A patent/CN108510474B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5948997B2 (ja) * | 2012-03-15 | 2016-07-06 | 株式会社リコー | 撮像装置及び撮像方法 |
CN105160676A (zh) * | 2015-08-31 | 2015-12-16 | 中国烟草总公司广东省公司 | 一种烤后烟叶烟筋图像提取方法 |
CN107220599A (zh) * | 2017-05-16 | 2017-09-29 | 北京信息科技大学 | 基于eeg信号的图像质量评价方法 |
CN107292804A (zh) * | 2017-06-01 | 2017-10-24 | 西安电子科技大学 | 基于OpenCL的直接多曝光融合并行加速方法 |
CN107767353A (zh) * | 2017-12-04 | 2018-03-06 | 河南工业大学 | 一种基于清晰度评价的自适应图像去雾方法 |
Non-Patent Citations (2)
Title |
---|
Three-dimensional gamut mapping method based on the concept of image dependence;H.Chen等;《Jornal of Imaging Science and Technology》;20021231;第46卷(第1期);第44-52页 * |
基于图像质量评价的显示器颜色复现技术研究;宋超;《中国博士学位论文全文数据库 信息科技辑》;20140915(第9期);第I136-2页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108510474A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103714349B (zh) | 一种基于颜色和纹理特征的图像识别方法 | |
CN106211804B (zh) | 利用对原始图像数据的色度测量进行自动白平衡 | |
CN105049851B (zh) | 基于色彩感知的通用无参考图像质量评价方法 | |
CN108510474B (zh) | 烟叶图像质量的评价方法、系统、存储器、及电子设备 | |
CN108830823A (zh) | 基于空域结合频域分析的全参考型图像质量评价方法 | |
CN109191428A (zh) | 基于掩蔽纹理特征的全参考型图像质量评价方法 | |
CN110012278B (zh) | 一种图像渲染方法、装置、计算机设备和存储介质 | |
CN106683082B (zh) | 一种基于四元数的全参考彩色图像质量评价方法 | |
CN108024105A (zh) | 图像色彩调节方法、装置、电子设备及存储介质 | |
CN106412571B (zh) | 一种基于梯度相似性标准差的视频质量评价方法 | |
Lecca et al. | Tuning the locality of filtering with a spatially weighted implementation of random spray Retinex | |
Kumar et al. | Visual image quality assessment technique using FSIM | |
CN105933616B (zh) | 一种图像处理的方法及设备 | |
CN110458789A (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN106780463B (zh) | 一种全参考多曝光融合图像质量评估方法 | |
Barnard | Color constancy with fluorescent surfaces | |
Ahn et al. | Improving color constancy by saturation weighting | |
CN112132774A (zh) | 一种色调映射图像的质量评价方法 | |
CN106408565A (zh) | 一种弹载图像质量评价方法 | |
CN103198456A (zh) | 基于方向波域隐马尔可夫树模型的遥感图像融合方法 | |
CN112651945A (zh) | 一种基于多特征的多曝光图像感知质量评价方法 | |
Han et al. | A large-scale image database for benchmarking mobile camera quality and NR-IQA algorithms | |
CN107578406A (zh) | 基于网格与韦泊统计特性的无参考立体图像质量评价方法 | |
Yu et al. | Color scheme adaptation to enhance user experience on smartphone displays leveraging ambient light | |
CN105592311B (zh) | 一种基于三维梯度相似性的视频质量评价算法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |