CN116433670A - 一种图像质量检测方法及检测系统 - Google Patents
一种图像质量检测方法及检测系统 Download PDFInfo
- Publication number
- CN116433670A CN116433670A CN202310701991.5A CN202310701991A CN116433670A CN 116433670 A CN116433670 A CN 116433670A CN 202310701991 A CN202310701991 A CN 202310701991A CN 116433670 A CN116433670 A CN 116433670A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- detected
- modification
- obtaining
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 238000012986 modification Methods 0.000 claims abstract description 128
- 230000004048 modification Effects 0.000 claims abstract description 128
- 238000004364 calculation method Methods 0.000 claims description 38
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003475 lamination Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010367 cloning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像质量检测方法及检测系统，涉及图像质量检测的技术领域。包括：获取待测图像，对于待测图像按先后顺序依次进行参数检测、内容检测、图像异常检测。参数检测主要是通过图像的EXIF信息，确认图像是否发生修改以及修改程度。内容检测主要判断图像是否符合公知常识，是否合理，确认图像的修改程度。图像异常检测主要检测图像的线条是否流畅、图像的存储大小和图像的清晰度是否匹配，得到图像的修改程度。综合三项检测，计算图像的真实度，得到图像质量。本申请提高了图像质量检测的实用性和真实性。
Description
技术领域
本申请涉及图像质量检测的技术领域，尤其是涉及一种图像质量检测方法及检测系统。
背景技术
科技的飞速发展给人们的日常生活带来了便利，图像作为人类感知世 界的视觉的基础，是人类获取信息和传递信息的重要手段。数字图像因其具有的精度高、再现性好、数据不易丢失破坏、易于处理以及传输方便等特点，得到了各行各业人士的广泛青睐。 但是随着图像处理技术的出现，导致网络上大部分的图片都存在修改的痕迹，导致照片的不真实性。图像的真实度越高，获取图像的信息就会越准确，从而图像的质量就越高。而不同图像的真实度也是不同的，因此图像真实度检测也应该作为图像质量检测的一部分，作为检验图像质量的标准之一。
相关技术中，对于图像的质量检测通常是通过检测图像的相关参数，包括清晰度、色彩度等等。但是实际运用中，无论是网上购物还是通过图像评价信息真伪，没有对图像的真实度进行评价，会造成图像传递信息的不准确，存在改进之处。
为此我们提出一种图像质量检测方法及检测系统用于解决上述问题。
发明内容
本发明的目的在于提供一种图像质量检测方法及检测系统，以解决上述背景技术中提出的问题。
第一方面，本申请提供的一种图像质量检测方法，采用如下的技术方案：
一种图像质量检测方法，具体包括以下步骤：
获取待测图像，对于待测图像按先后顺序依次进行参数检测、内容检测、图像异常检测；
所述参数检测，获取待测图像的EXIF信息，得到待测图像的相关信息，确认相关信息是否发生改变，判断待测图像是否修改以及修改程度，得到第一修改数据；
所述内容检测，基于所述第一修改数据，获取待测图像的信息内容，根据待测图像信息判断是否违背公知常识，判断待测图像是否修改以及修改程度，得到第二修改数据；
所述图像异常检测，基于所述第二修改数据，所述获取待测图像的线条、图像存储大小、清晰度，判断图像是否符合常理以及不合常理的程度，得到第三修改数据；
根据所述第一修改数据、所述第二修改数据以及所述第三修改数据，计算图像的真实度，得到图像质量数据。
通过采用上述技术方案，可以根据图像的EXIF信息、公知常识以及图像的清晰度大小判断图像是否做过更改，以此来得到图像的质量。图像的真实度对于图像的信息传递具有重要意义，通过图像的真实度判断图像的质量提高了图像质量检测的实用性和真实性。
优选的，所述参数检测，获取待测图像的EXIF信息，得到待测图像的相关信息，确认相关信息是否发生改变，判断待测图像是否修改以及修改程度，得到第一修改数据的步骤，具体包括以下步骤：
通过待测图像的EXIF信息获取待测图像的相关信息，包括拍摄时间、GPS位置以及图像相关参数，记为原始图像参数数据；
根据所述原始图像参数数据，获取待测图像的像素点，提取像素点的相关参数，得到待测图像参数数据，对比发现图像参数是否改变，计算得到参数修改数据；
获取待测图像图层信息，若有图层叠加，则判断图像修改，按照图层叠加的面积与图像实际面积的比值得到图层修改数据；
结合所述参数修改数据和所述图层修改数据，计算得到所述第一修改数据。
通过采用上述技术方案，图像的EXIF信息记录了图像的相关数据，图像的相关数据可以显示图像是否更改过，图像更改的程度越大，图像的真实度就越低，通过图层的叠加得到修改程度，提高了图像质量检测的准确性。
优选的，所述获取待测图像的像素点，提取像素点的相关参数，得到待测图像参数数据，对比发现图像参数是否改变，计算得到参数修改数据的步骤，具体包括以下步骤：
待测图像的相关参数包括色彩度、亮度以及清晰度，根据所述原始图像参数数据，获取色彩度、亮度以及清晰度与所述原始图像参数数据中的色彩度、亮度以及清晰度的比值，分别记为S，L，Q；
若图像相关参数存在局部修改，则分别获取S，L，Q的局部区域比值SB1......SBi，LB1......LBn，QB1......QBk，分别获取S，L，Q局部面积与图像总面积比值SM1......SMi，LM1......LMn，QM1......QMk；
所述参数修改数据计算公式为：
其中，C为参数修改数据。
通过采用上述技术方案，通过公式计算得到图像的彩度、亮度以及清晰度的改变，图像的参数修改越多，那么原图保留的占比就越少，真实度就越低，通过得到精准的修改程度，可以提高图像质量检测的准确性。
优选的，所述结合所述参数修改数据和所述图层修改数据，计算得到所述第一修改数据的步骤，还包括以下步骤：
根据提取的像素点，对比像素点是否出现克隆、异常的情况，获取克隆或者异常的像素点面积；
根据所述图像参数改变的面积，在异常的像素点面积中去除这些面积后得到像素点异常面积X；
同理获取图层叠加的面积，去除已经计算过异常的面积，得到图层异常面积T；
所述第一修改数据计算公式为：
其中，Y为所述第一修改数据，Z为待测图像总面积。
通过上述技术方案，可以检测到一些通过复制克隆的方式修改的图像，而图层叠加以及计算过修改程度，因此在计算复制克隆部分的图像，去除图层叠加的情况，通过公式计算图像的不真实程度，提高了质量检测的便捷性和智能性。
优选的，所述内容检测，基于所述第一修改数据，获取待测图像的信息内容，根据待测图像信息判断是否违背公知常识，判断待测图像是否修改以及修改程度，得到第二修改数据的步骤，具体包括以下步骤：
基于所述第一修改数据中的拍摄时间和GPS定位拍摄环境，得到标准环境数据，对比待测图像环境是否异常，判断图像是否修改；
获取待测图像中的事物信息，根据信息内容于图像库中搜索同类事物图片，提取共同特征以及参数范围，选取图像中的参考物，确认待测图像中事物是否超出现有范围；
根据GPS定位和拍摄时间，于图像库中搜索当前同一定位同一时间段的图像，对比待测图像中的事物是否曾出现过，确定待测图像中事物存在当前环境中是否合理；
获取待测图像光源位置以及拍摄角度，得到阴影面积以及色彩渐变，确定待测图像的阴影面积和色彩是否符合常理；
对于不符合常理的待测图像，获取不符合常理的图像面积以及超出标准范围的程度，计算得到所述第二修改数据。
通过采用上述技术方案，一些图像中的信息情况违背公知常识，导致图像传递的信息不准确。通过公知常识可以很迅速的判断图像的真实性，降低了图像质量检测时间，提高了图像质量检测的快速性。
优选的，所述对于不符合常理的待测图像，获取不符合常理的图像面积以及超出标准范围的程度，计算得到所述第二修改数据的步骤，具体包括以下步骤：
获取超出标准环境部分数据与标准环境数据的比值H，事物超出标准范围部分数据与标准范围数据的比值B，出现在待测图像环境中不合理事物的图像面积J，以及阴影面积和色彩渐变超出范围的部分数据和标准数据的比值F和A；
设置待测图像的面积等级，面积等级构成等比数列，设置初始等级面积J1，q表示后一等级比上前一等级的比例，n表示等级数；
根据计算公式计算得到所述第二修改数据，计算公式为：
其中，E表示待测图像的所述第二修改数据。
通过采用上述技术方案，对于违背公知常识的图像，为了确定不真实的程度，通过公式计算可以得到图像的修改程度，更精确的判断图像的真实性，提高了图像质量检测的准确性和实用性。
优选的，所述图像异常检测，基于所述第二修改数据，所述获取待测图像的线条、图像存储大小、清晰度，判断图像是否符合常理以及不合常理的程度，得到第三修改数据的步骤，具体包括以下步骤：
根据所述第二数据得到待测图像的事物外形特征，得到事物的外形曲线类型，根据类型检测事情外形曲线是否发生改变，得到改变程度；
检测待测图像中各曲线终点与终点之间是否有异常尖锐的凸起或凹进，根据异常的线段长度比值得到异常程度；
获取待测图像的清晰度，与图像库中获取同一清晰度图片的存储大小，得到存储大小范围，判断待测图像存储大小是否超出，得到图像改变程度；
根据曲线改变程度、异常程度以及图像改变程度，分析得到所述第三修改数据V。
通过采用上述技术方案，还可以通过图像中线条的顺畅度以及图像的清晰度和图像大小来判断图像是否修改，添加更多的检测方式检测图像质量，一方面使得检测数据更加精确，另一方面提高了图像质量检测的多样性。
优选的，所述根据所述第一修改数据、所述第二修改数据以及所述第三修改数据，计算图像的真实度，得到图像质量数据的步骤，具体包括以下步骤：
获得所述第一修改数据、所述第二修改数据以及所述第三修改数据相互之间的关联度；
根据所述关联度计算分析得到图像的真实度，从而得到所述图像质量数据，计算公式为：
W为所述图像质量数据。
通过采用上述技术方案，从多方面检测图像的质量，将多方面检测的数据进行融合计算，通过数据之间的相互关联关系，获得更准确的修改数据，提高了图像质量检测的准确性。同时，多方面检测图像质量，提高了图像质量的全面性。
第二方面，本申请提供的一种图像质量检测系统，采用如下的技术方案：
一种图像质量检测系统，包括检测模块、搜索模块以及计算模块，所述检测模块用于获取图像质量检测过程中的相关数据并输出计算数据；所述搜索模块与所述检测模块信号连接，用于接收所述计算数据并查找与所述计算数据相关的数据输出对比数据；所述计算模块与所述检测模块、所述搜索模块均信号连接，用于接收所述计算数据和所述对比数据并计算结果输出质量数据。
通过采用上述技术方案，检测模块检测图像的相关数据，由计算模块按照公式计算得到结果，判断图像质量，减少了人工资源的浪费，提高图像质量检测的准确性和便捷性。
优选的，所述搜索模块包括图像库和查找子模块，所述图像库用于存储确定真实的图像并存储；所述查找子模块与所述图像库信号连接，用于查找图像库中的图像信息并输出对比数据。
通过上述技术方案，对于图像的存储大小和清晰度需要进行对比，通过对比图像库中的真实图像，一方面减少了大量数据筛选的过程，提高了对比的性能，另一方面提高了图像质量检测的准确性。
综上所述，本申请包括以下至少一种有益技术效果：
1.可以根据图像的EXIF信息、公知常识以及图像的清晰度大小判断图像是否做过更改，以此来得到图像的质量。图像的真实度对于图像的信息传递具有重要意义，通过图像的真实度判断图像的质量提高了图像质量检测的实用性和真实性。
2.一些图像中的信息情况违背公知常识，导致图像传递的信息不准确。通过公知常识可以很迅速的判断图像的真实性，降低了图像质量检测时间，提高了图像质量检测的快速性。
3.通过采用上述技术方案，从多方面检测图像的质量，将多方面检测的数据进行融合计算，通过数据之间的相互关联关系，获得更准确的修改数据，提高了图像质量检测的准确性。同时，多方面检测图像质量，提高了图像质量的全面性。
附图说明
图1是本发明一种图像质量检测方法的具体步骤示意图；
图2是本发明一种图像质量检测方法的步骤2的具体步骤示意图；
图3是本发明一种图像质量检测方法的步骤24和步骤4的具体步骤示意图；
图4是本发明一种图像质量检测方法的步骤3的具体步骤示意图。
具体实施方式
下面结合实施例及附图1-4对本发明作进一步的详细说明，但本发明的实施方式不仅限于此。
实施例：
本发明公开了一种图像质量检测方法，参照图1，具体包括以下步骤：
步骤S1，获取待测图像，对于待测图像按先后顺序依次进行参数检测、内容检测、图像异常检测；
步骤S2，参数检测，获取待测图像的EXIF信息，得到待测图像的相关信息，确认相关信息是否发生改变，判断待测图像是否修改以及修改程度，得到第一修改数据；
步骤S3，内容检测，基于第一修改数据，获取待测图像的信息内容，根据待测图像信息判断是否违背公知常识，判断待测图像是否修改以及修改程度，得到第二修改数据；
步骤S4，图像异常检测，基于第二修改数据，获取待测图像的线条、图像存储大小、清晰度，判断图像是否符合常理以及不合常理的程度，得到第三修改数据；
步骤S5，根据第一修改数据、第二修改数据以及第三修改数据，计算图像的真实度，得到图像质量数据。
实际运用中，图像作为传递信息的重要工具，因为图像的性能特点，被广泛用于日常生活中。而随着图像处理技术的发展，可以对图像进行修改，导致图像的不真实性。而对图像的EXIF信息、所包含的信息内容以及清晰度大小进行多方面检测，可以得知图像是否进行修改，根据图像的修改程度得到图像的真实性，从而判断图像的质量。例如，图像A在图像C的基础上将天空调的蓝了一些，图像B在图像C的基础上不仅调整了天空的颜色，还添加了云朵，那么图像B的质量不如图像A。
参照图2，参数检测，获取待测图像的EXIF信息，得到待测图像的相关信息，确认相关信息是否发生改变，判断待测图像是否修改以及修改程度，得到第一修改数据的步骤，具体包括以下步骤：
步骤S21，通过待测图像的EXIF信息获取待测图像的相关信息，包括拍摄时间、GPS位置以及图像相关参数，记为原始图像参数数据；
步骤S22，根据原始图像参数数据，获取待测图像的像素点，提取像素点的相关参数，得到待测图像参数数据，对比发现图像参数是否改变，计算得到参数修改数据；
步骤S23，获取待测图像图层信息，若有图层叠加，则判断图像修改，按照图层叠加的面积与图像实际面积的比值得到图层修改数据；
步骤S24，结合参数修改数据和图层修改数据，计算得到第一修改数据。
实际运用中，对于原始图像来说，所有像素点应该是均匀分布的，整个图像的像素点并不存在特殊的地方，如果图像中某处像素点与原始图像参数数据中的像素点配置不一致，这说明该处图像存在异常，图像经过修改。同样，若图像出现多层图像叠加的情况，也说明图像已经经过修改。根据实际的修改程度获取图像的质量。例如，A图像和B图像面积一样大的情况下，A图像的图层修改只有1平方厘米，B图像的图层修改有5平方厘米，那么显然A图像的真实度更高，质量高于B图像。
参照图2，获取待测图像的像素点，提取像素点的相关参数，得到待测图像参数数据，对比发现图像参数是否改变，计算得到参数修改数据的步骤，具体包括以下步骤：
步骤S221，待测图像的相关参数包括色彩度、亮度以及清晰度，根据原始图像参数数据，获取色彩度、亮度以及清晰度与原始图像参数数据中的色彩度、亮度以及清晰度的比值，分别记为S，L，Q；
步骤S222，若图像相关参数存在局部修改，则分别获取S，L，Q的局部区域比值SB1......SBi，LB1......LBn，QB1......QBk，分别获取S，L，Q局部面积与图像总面积比值SM1......SMi，LM1......LMn，QM1......QMk；
步骤S223，参数修改数据计算公式为：
其中，C为参数修改数据。
实际运用中，根据已经获取的原始数据参数，对比实际参数是否改变以及改变程度，对修改程度进行计算。对于局部修改情况，根据每个局部区域的实际比值，代入公式计算。所谓局部区域，指的是连续不中断且参数一样的区域。例如，某区域中亮度不一致，就要按照亮度区分为两个区域。某区域各项参数一致，但是中间有一片区域的参数不同，就不能算作同一区域，应该根据各自的参数情况分为3个区域。
参照图3，结合参数修改数据和图层修改数据，计算得到第一修改数据的步骤，还包括以下步骤：
步骤S241，根据提取的像素点，对比像素点是否出现克隆、异常的情况，获取克隆或者异常的像素点面积；
步骤S242，根据图像参数改变的面积，在异常的像素点面积中去除这些面积后得到像素点异常面积X；
步骤S243，同理获取图层叠加的面积，去除已经计算过异常的面积，得到图层异常面积T；
步骤S244，第一修改数据计算公式为：
其中，Y为第一修改数据，Z为待测图像总面积。
实际运用中，同一图像的像素点应该均匀分布，并且因为颜色、亮度等问题，都有其独特的特征。如果某个区域的像素点完全与另一区域相同，那么图像存在修改的情况。通过公式计算可以得到准确的修改程度，从而判断图像的质量。例如，当为了图像更加好看，将图像左边更蓝的天空部分复制填充到右边的天空中，那么左右两边的天空像素点就会完全一致，导致图像的不真实性。
参照图4，内容检测，基于第一修改数据，获取待测图像的信息内容，根据待测图像信息判断是否违背公知常识，判断待测图像是否修改以及修改程度，得到第二修改数据的步骤，具体包括以下步骤：
步骤S31，基于第一修改数据中的拍摄时间和GPS定位拍摄环境，得到标准环境数据，对比待测图像环境是否异常，判断图像是否修改；
步骤S32，获取待测图像中的事物信息，根据信息内容于图像库中搜索同类事物图片，提取共同特征以及参数范围，选取图像中的参考物，确认待测图像中事物是否超出现有范围；
步骤S33，根据GPS定位和拍摄时间，于图像库中搜索当前同一定位同一时间段的图像，对比待测图像中的事物是否曾出现过，确定待测图像中事物存在当前环境中是否合理；
步骤S34，获取待测图像光源位置以及拍摄角度，得到阴影面积以及色彩渐变，确定待测图像的阴影面积和色彩是否符合常理；
步骤S35，对于不符合常理的待测图像，获取不符合常理的图像面积以及超出标准范围的程度，计算得到第二修改数据。
实际运用中，有些图像不需要经过相关参数的精确检测就可以判断出该图像存在修改情况。例如，图像的拍摄地点是厦门市区，拍摄时间是6月，图像的背景是大雪纷飞，很显然是不符合常理的。根据搜索记录不可能搜索到记录厦门6月下雪的情况，因为厦门市区从来没有下过雪。那么该图像的质量就很低，真实性很低。通过光源照射的阴影也可以判断图像是否真实。例如，图像中光源位于物品左上方，根据正面的拍摄角度，阴影应该位于右侧，但是图像中阴影位于左侧，很显然违背公知常识，质量较低。
参照图4，对于不符合常理的待测图像，获取不符合常理的图像面积以及超出标准范围的程度，计算得到第二修改数据的步骤，具体包括以下步骤：
步骤S351，获取超出标准环境部分数据与标准环境数据的比值H，事物超出标准范围部分数据与标准范围数据的比值B，出现在待测图像环境中不合理事物的图像面积J，以及阴影面积和色彩渐变超出范围的部分数据和标准数据的比值F和A；
步骤S352，设置待测图像的面积等级，面积等级构成等比数列，设置初始等级面积J1，q表示后一等级比上前一等级的比例，n表示等级数；
步骤S353，根据计算公式计算得到第二修改数据，计算公式为：
其中，E表示待测图像的第二修改数据。
实际运用中，计算图像修改的程度，有利于获得的图像质量数据更加准确。例如，根据光源与拍摄的角度，正方体的阴影应该位于正方体右侧，并且面积为1平方厘米，A图像的阴影面积为1.2平方厘米，B图像的阴影面积为1.5平方厘米。那么显然B图像的改动更大，所以图像质量低于A图像。
参照图3，图像异常检测，基于第二修改数据，获取待测图像的线条、图像存储大小、清晰度，判断图像是否符合常理以及不合常理的程度，得到第三修改数据的步骤，具体包括以下步骤：
步骤S41，根据第二数据得到待测图像的事物外形特征，得到事物的外形曲线类型，根据类型检测事情外形曲线是否发生改变，得到改变程度；
步骤S42，检测待测图像中各曲线终点与终点之间是否有异常尖锐的凸起或凹进，根据异常的线段长度比值得到异常程度；
步骤S43，获取待测图像的清晰度，与图像库中获取同一清晰度图片的存储大小，得到存储大小范围，判断待测图像存储大小是否超出，得到图像改变程度；
步骤S44，根据曲线改变程度、异常程度以及图像改变程度，分析得到第三修改数据V。
实际运用中，一些用户为了使得个人看起来更瘦，会将腰部缩进，会导致腰部周围的物品曲线也随之产生变化。例如，周围是墙体，墙体的正常线条是直线，那么此时因为图像修改会导致墙体的一部分线条变成曲线。同时，根据图像的清晰度和图像大小也可以得到图像修改的情况。例如，越模糊的图像，存储大小就越小，而做的修改越多，会导致图像的存储增加越多。如果图像存储超过现有清晰度的图像存储范围，那么图像修改过。
参照图1，根据第一修改数据、第二修改数据以及第三修改数据，计算图像的真实度，得到图像质量数据的步骤，具体包括以下步骤：
步骤S51，获得第一修改数据、第二修改数据以及第三修改数据相互之间的关联度；
步骤S52，根据关联度计算分析得到图像的真实度，从而得到图像质量数据，计算公式为：
W为图像质量数据。
实际运用中，通过多方面对图像质量检测，在最终计算图像质量结果的时候不能进行单一的叠加，需要根据数据之间的关联度，通过公式得到准确的数据，提高图像质量检测的准确性。
一种图像质量检测系统，包括检测模块、搜索模块以及计算模块，检测模块用于获取图像质量检测过程中的相关数据并输出计算数据。搜索模块与检测模块信号连接，用于接收计算数据并查找与计算数据相关的数据输出对比数据。计算模块与检测模块、搜索模块均信号连接，用于接收计算数据和对比数据并计算结果输出质量数据。
实际运用中，通过检测模块检测图像相关数据，然后由计算模块按照设定好的模块进行计算。其中，内容检测以及图像异常检测需要通过搜索模块进行搜索对比。减少了人工资源的浪费，同时提高了图像质量检测的准确性。
搜索模块包括图像库和查找子模块，图像库用于存储确定真实的图像并存储。查找子模块与图像库信号连接，用于查找图像库中的图像信息并输出对比数据。
实际运用中，图像库中用于搜索对比，图像库中的图像都是真实的，在对比时，减少了失误的情况存在。例如，一张图像的拍摄地点是合肥，时间是4月，如果图像库中确实有4月下雪的合肥图像，那么该图像可以判断为真实。
参照图1，系统的实施原理是：首先获取待测图像的EXIF信息，得到图像的相关信息。根据检测图像图层是否改变，改变的区域大小，计算得到图像的图层修改程度。检测图像的像素点，查看是否存在完全一致的像素点，是否存在与原有图像像素点不一样大小，显示异常的像素点，获取区域大小，与图层改变情况结合，计算图像的像素点修改程度。同时，根据图像的像素点色彩度、亮度以及清晰度的改变情况，进一步得到像素点的修改程度。调取图像的拍摄时间和拍摄地点，根据图像库的搜索情况确认图像环境是否有误。获取图像的光源位置和阴影面积，判断图像是否有问题，得到图像内容的修改程度。最后根据图像的曲线异常，存储大小异常，确认图像的修改程度，将各方面检测的修改程度综合计算得到图像的质量结果。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种图像质量检测方法，其特征在于，具体包括以下步骤：
获取待测图像，对于待测图像按先后顺序依次进行参数检测、内容检测、图像异常检测；
所述参数检测，获取待测图像的EXIF信息，得到待测图像的相关信息，确认相关信息是否发生改变，判断待测图像是否修改以及修改程度，得到第一修改数据；
所述内容检测，基于所述第一修改数据，获取待测图像的信息内容，根据待测图像信息判断是否违背公知常识，判断待测图像是否修改以及修改程度，得到第二修改数据；
所述图像异常检测，基于所述第二修改数据，所述获取待测图像的线条、图像存储大小、清晰度，判断图像是否符合常理以及不合常理的程度，得到第三修改数据；
根据所述第一修改数据、所述第二修改数据以及所述第三修改数据，计算图像的真实度，得到图像质量数据。
2.根据权利要求1所述的一种图像质量检测方法，其特征在于，所述参数检测，获取待测图像的EXIF信息，得到待测图像的相关信息，确认相关信息是否发生改变，判断待测图像是否修改以及修改程度，得到第一修改数据的步骤，具体包括以下步骤：
通过待测图像的EXIF信息获取待测图像的相关信息，包括拍摄时间、GPS位置以及图像相关参数，记为原始图像参数数据；
根据所述原始图像参数数据，获取待测图像的像素点，提取像素点的相关参数，得到待测图像参数数据，对比发现图像参数是否改变，计算得到参数修改数据；
获取待测图像图层信息，若有图层叠加，则判断图像修改，按照图层叠加的面积与图像实际面积的比值得到图层修改数据；
结合所述参数修改数据和所述图层修改数据，计算得到所述第一修改数据。
3.根据权利要求2所述的一种图像质量检测方法，其特征在于，所述获取待测图像的像素点，提取像素点的相关参数，得到待测图像参数数据，对比发现图像参数是否改变，计算得到参数修改数据的步骤，具体包括以下步骤：
待测图像的相关参数包括色彩度、亮度以及清晰度，根据所述原始图像参数数据，获取色彩度、亮度以及清晰度与所述原始图像参数数据中的色彩度、亮度以及清晰度的比值，分别记为S，L，Q；
若图像相关参数存在局部修改，则分别获取S，L，Q的局部区域比值SB1......SBi，LB1......LBn，QB1......QBk，分别获取S，L，Q局部面积与图像总面积比值SM1......SMi，LM1......LMn，QM1......QMk；
所述参数修改数据计算公式为：
其中，C为参数修改数据。
4.根据权利要求2所述的一种图像质量检测方法，其特征在于，所述结合所述参数修改数据和所述图层修改数据，计算得到所述第一修改数据的步骤，还包括以下步骤：
根据提取的像素点，对比像素点是否出现克隆、异常的情况，获取克隆或者异常的像素点面积；
根据所述图像参数改变的面积，在异常的像素点面积中去除这些面积后得到像素点异常面积X；
同理获取图层叠加的面积，去除已经计算过异常的面积，得到图层异常面积T；
所述第一修改数据计算公式为：
5.根据权利要求1所述的一种图像质量检测方法，其特征在于，所述内容检测，基于所述第一修改数据，获取待测图像的信息内容，根据待测图像信息判断是否违背公知常识，判断待测图像是否修改以及修改程度，得到第二修改数据的步骤，具体包括以下步骤：
基于所述第一修改数据中的拍摄时间和GPS定位拍摄环境，得到标准环境数据，对比待测图像环境是否异常，判断图像是否修改；
获取待测图像中的事物信息，根据信息内容于图像库中搜索同类事物图片，提取共同特征以及参数范围，选取图像中的参考物，确认待测图像中事物是否超出现有范围；
根据GPS定位和拍摄时间，于图像库中搜索当前同一定位同一时间段的图像，对比待测图像中的事物是否曾出现过，确定待测图像中事物存在当前环境中是否合理；
获取待测图像光源位置以及拍摄角度，得到阴影面积以及色彩渐变，确定待测图像的阴影面积和色彩是否符合常理；
对于不符合常理的待测图像，获取不符合常理的图像面积以及超出标准范围的程度，计算得到所述第二修改数据。
6.根据权利要求5所述的一种图像质量检测方法，其特征在于，所述对于不符合常理的待测图像，获取不符合常理的图像面积以及超出标准范围的程度，计算得到所述第二修改数据的步骤，具体包括以下步骤：
获取超出标准环境部分数据与标准环境数据的比值H，事物超出标准范围部分数据与标准范围数据的比值B，出现在待测图像环境中不合理事物的图像面积J，以及阴影面积和色彩渐变超出范围的部分数据和标准数据的比值F和A；
设置待测图像的面积等级，面积等级构成等比数列，设置初始等级面积J1，q表示后一等级比上前一等级的比例，n表示等级数；
根据计算公式计算得到所述第二修改数据，计算公式为：
7.根据权利要求1所述的一种图像质量检测方法，其特征在于，所述图像异常检测，基于所述第二修改数据，所述获取待测图像的线条、图像存储大小、清晰度，判断图像是否符合常理以及不合常理的程度，得到第三修改数据的步骤，具体包括以下步骤：
根据所述第二数据得到待测图像的事物外形特征，得到事物的外形曲线类型，根据类型检测事情外形曲线是否发生改变，得到改变程度；
检测待测图像中各曲线终点与终点之间是否有异常尖锐的凸起或凹进，根据异常的线段长度比值得到异常程度；
获取待测图像的清晰度，与图像库中获取同一清晰度图片的存储大小，得到存储大小范围，判断待测图像存储大小是否超出，得到图像改变程度；
根据曲线改变程度、异常程度以及图像改变程度，分析得到所述第三修改数据V。
8.根据权利要求1所述的一种图像质量检测方法，其特征在于，所述根据所述第一修改数据、所述第二修改数据以及所述第三修改数据，计算图像的真实度，得到图像质量数据的步骤，具体包括以下步骤：
获得所述第一修改数据、所述第二修改数据以及所述第三修改数据相互之间的关联度；
根据所述关联度计算分析得到图像的真实度，从而得到所述图像质量数据，计算公式为：
9.一种图像质量检测系统，其特征在于，包括检测模块、搜索模块以及计算模块，所述检测模块用于获取图像质量检测过程中的相关数据并输出计算数据；所述搜索模块与所述检测模块信号连接，用于接收所述计算数据并查找与所述计算数据相关的数据输出对比数据；所述计算模块与所述检测模块、所述搜索模块均信号连接，用于接收所述计算数据和所述对比数据并计算结果输出质量数据。
10.根据权利要求9所述的一种图像质量检测系统，其特征在于，所述搜索模块包括图像库和查找子模块，所述图像库用于存储确定真实的图像并存储；所述查找子模块与所述图像库信号连接，用于查找图像库中的图像信息并输出对比数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310701991.5A CN116433670B (zh) | 2023-06-14 | 2023-06-14 | 一种图像质量检测方法及检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310701991.5A CN116433670B (zh) | 2023-06-14 | 2023-06-14 | 一种图像质量检测方法及检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116433670A true CN116433670A (zh) | 2023-07-14 |
| CN116433670B CN116433670B (zh) | 2023-08-29 |
Family
ID=87083686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310701991.5A Active CN116433670B (zh) | 2023-06-14 | 2023-06-14 | 一种图像质量检测方法及检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116433670B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1109395A2 (en) * | 1999-12-16 | 2001-06-20 | Xerox Corporation | Systems and methods for automated image quality based diagnostics and remediation of document processing systems |
| EP1231566A1 (de) * | 2001-02-09 | 2002-08-14 | GRETAG IMAGING Trading AG | Digitale lokale Bildeigenschaftssteuerung mittels Masken |
| US20060020830A1 (en) * | 2002-10-09 | 2006-01-26 | Roberts David K | Localisation of image tampering |
| EP1775682A2 (en) * | 2005-10-14 | 2007-04-18 | Samsung Electronics Co., Ltd. | Apparatus, medium, and method with facial-image-compensation |
| US20090060388A1 (en) * | 2007-08-31 | 2009-03-05 | Seiko Epson Corporation | Image Processing Device, Image Processing Method, and Image Processing Program |
| FR2986640A1 (fr) * | 2012-02-06 | 2013-08-09 | Wysips | Procede pour ameliorer la qualite visuelle d'une image recouverte par une surface fonctionnelle semi transparente |
| KR101823117B1 (ko) * | 2017-11-13 | 2018-03-14 | (주)대지이엔지 | 일렬코드 입력을 통한 고해상도의 촬영영상이미지의 합성용 항공촬영시스템 |
| WO2020126926A1 (de) * | 2018-12-20 | 2020-06-25 | Schreiner Group Gmbh & Co. Kg | Kalibrierungsverfahren zur verbesserung der prüfung von authentifizierungsmustern durch digitale bildaufnahmegeräte |
| CN113379700A (zh) * | 2021-06-08 | 2021-09-10 | 展讯通信（上海）有限公司 | 图像质量的检测方法、系统、设备及介质 |
| CN114004866A (zh) * | 2022-01-04 | 2022-02-01 | 天津大学四川创新研究院 | 一种基于图像相似度差异的蚊虫识别系统与方法 |
| WO2022152107A1 (zh) * | 2021-01-12 | 2022-07-21 | 深圳市普渡科技有限公司 | 红外图像质量评价方法、设备以及存储介质 |
-
2023
- 2023-06-14 CN CN202310701991.5A patent/CN116433670B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1109395A2 (en) * | 1999-12-16 | 2001-06-20 | Xerox Corporation | Systems and methods for automated image quality based diagnostics and remediation of document processing systems |
| EP1231566A1 (de) * | 2001-02-09 | 2002-08-14 | GRETAG IMAGING Trading AG | Digitale lokale Bildeigenschaftssteuerung mittels Masken |
| US20060020830A1 (en) * | 2002-10-09 | 2006-01-26 | Roberts David K | Localisation of image tampering |
| EP1775682A2 (en) * | 2005-10-14 | 2007-04-18 | Samsung Electronics Co., Ltd. | Apparatus, medium, and method with facial-image-compensation |
| US20090060388A1 (en) * | 2007-08-31 | 2009-03-05 | Seiko Epson Corporation | Image Processing Device, Image Processing Method, and Image Processing Program |
| FR2986640A1 (fr) * | 2012-02-06 | 2013-08-09 | Wysips | Procede pour ameliorer la qualite visuelle d'une image recouverte par une surface fonctionnelle semi transparente |
| KR101823117B1 (ko) * | 2017-11-13 | 2018-03-14 | (주)대지이엔지 | 일렬코드 입력을 통한 고해상도의 촬영영상이미지의 합성용 항공촬영시스템 |
| WO2020126926A1 (de) * | 2018-12-20 | 2020-06-25 | Schreiner Group Gmbh & Co. Kg | Kalibrierungsverfahren zur verbesserung der prüfung von authentifizierungsmustern durch digitale bildaufnahmegeräte |
| WO2022152107A1 (zh) * | 2021-01-12 | 2022-07-21 | 深圳市普渡科技有限公司 | 红外图像质量评价方法、设备以及存储介质 |
| CN113379700A (zh) * | 2021-06-08 | 2021-09-10 | 展讯通信（上海）有限公司 | 图像质量的检测方法、系统、设备及介质 |
| CN114004866A (zh) * | 2022-01-04 | 2022-02-01 | 天津大学四川创新研究院 | 一种基于图像相似度差异的蚊虫识别系统与方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘哲;李秀云;杨子鹏;董雪;: "智能识别视频图像质量分析系统在平安城市的应用", 软件, no. 08 * |
| 张东;候英奇;马国富;: "图像经局部处理后的原始性检验研究", 科技信息(学术研究), no. 16 * |
| 王凤刚;: "如何甄别假新闻照片", 中国记者, no. 09 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116433670B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Berman et al. | Underwater single image color restoration using haze-lines and a new quantitative dataset | |
| CN1910623B (zh) | 图像变换方法、纹理映射方法、图像变换装置和服务器客户机系统 | |
| US20100201851A1 (en) | Digital camera incorporating a sharpness predictor | |
| US20030002707A1 (en) | Generating super resolution digital images | |
| CN114067197B (zh) | 一种基于目标检测及双目视觉的管道缺陷识别与定位方法 | |
| CN103093458B (zh) | 关键帧的检测方法及装置 | |
| CN104168478B (zh) | 基于Lab空间及相关性函数的视频图像偏色检测方法 | |
| Correia et al. | Objective evaluation of relative segmentation quality | |
| JPS5987448A (ja) | カラ−フイルム検定方法 | |
| CN110120012B (zh) | 基于双目摄像头的同步关键帧提取的视频拼接方法 | |
| CN116433670B (zh) | 一种图像质量检测方法及检测系统 | |
| JP2000121319A5 (ja) | 画像処理装置および画像処理方法、並びに記録媒体 | |
| Lelégard et al. | Multiscale Haar transform for blur estimation from a set of images | |
| CN117312591A (zh) | 一种基于虚拟现实的图像数据存储管理系统及方法 | |
| CN105574844A (zh) | 辐射响应函数估计方法和装置 | |
| CN104408710B (zh) | 一种全局视差估计方法和系统 | |
| Malinverni et al. | Image enhancement comparison to improve underwater cultural heritage survey | |
| CN105898269A (zh) | 一种视频播放方法及装置 | |
| CN112637573A (zh) | 一种多镜头切换的显示方法、系统、智能终端及存储介质 | |
| JPH1062154A (ja) | 測定値処理方法、形状の再構成方法および形状の再構成装置 | |
| Gallagher | Detecting anaglyph images with channel alignment features | |
| CN117336453B (zh) | 一种安检图像转换方法、系统、设备及存储介质 | |
| CA2230197C (en) | Strand orientation sensing | |
| CN116245962B (zh) | 用于无线传输到区块链服务器的数据提取系统及方法 | |
| US11270120B2 (en) | Visual object insertion classification for videos |
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 |