[發(fā)明專利]一種圖像檢測方法、裝置及計算機存儲介質

有效

• 申請?zhí)枺?/td>: 201810415241.0
• 申請日: 2018-05-03
• 公開（公告）號: CN110458790B
• 公開（公告）日: 2022-07-12
• 發(fā)明（設計）人: 趙明菲;彭俊
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13
• 代理公司: 北京三友知識產(chǎn)權代理有限公司 11127
• 代理人: 李輝;陳剛

1.一種圖像檢測方法，其特征在于，所述方法包括：

獲取待處理的目標圖像，并確定所述目標圖像的全局邊緣特征；

若所述全局邊緣特征表征所述目標圖像為非模糊圖像，從所述目標圖像中截取區(qū)域圖像，并確定所述區(qū)域圖像的局部邊緣特征；

若所述局部邊緣特征表征所述區(qū)域圖像為非模糊圖像，在所述目標圖像中識別出包含人臉的局部圖像，并確定所述局部圖像的邊緣特征；若所述局部圖像的邊緣表征所述局部圖像為非模糊圖像，將所述目標圖像標記為清晰圖像；

其中，邊緣特征為不同對象之間的界線；

其中，確定所述局部圖像的邊緣特征包括：

獲取濾波矩陣，所述濾波矩陣中的元素用于表征指定多項式中單項式的系數(shù)；

將所述局部圖像的數(shù)據(jù)與所述濾波矩陣進行卷積，并計算卷積后的圖像數(shù)據(jù)的第一方差，并將計算得到的所述第一方差作為所述局部圖像的第一類邊緣特征；

將所述局部圖像劃分為指定數(shù)量的子區(qū)域圖像，并將所述子區(qū)域圖像的數(shù)據(jù)與所述濾波矩陣進行卷積；

計算所述子區(qū)域圖像卷積后的圖像數(shù)據(jù)的第二方差，并將計算得到的第二方差中的最小方差作為所述局部圖像的第二類邊緣特征；

其中，所述第一類邊緣特征和所述第二類邊緣特征的組合作為所述局部圖像的邊緣特征。

2.根據(jù)權利要求1所述的方法，其特征在于，確定所述目標圖像中的全局邊緣特征包括：

獲取濾波矩陣，所述濾波矩陣中的元素用于表征指定多項式中單項式的系數(shù)；

將所述目標圖像的數(shù)據(jù)與所述濾波矩陣進行卷積，并計算卷積后的圖像數(shù)據(jù)的方差，并將計算得到的所述方差作為所述目標圖像的全局邊緣特征。

3.根據(jù)權利要求2所述的方法，其特征在于，計算卷積后的圖像數(shù)據(jù)的方差包括：

確定所述目標圖像的寬度和高度，并基于所述寬度、高度以及所述卷積后的圖像數(shù)據(jù)中像素點的像素值，計算所述卷積后的圖像數(shù)據(jù)的均值；

根據(jù)所述寬度、高度、均值以及所述卷積后的圖像數(shù)據(jù)中像素點的像素值，計算所述卷積后的圖像數(shù)據(jù)的方差。

4.根據(jù)權利要求2所述的方法，其特征在于，所述全局邊緣特征表征所述目標圖像為非模糊圖像包括：

若計算得到的所述方差大于或者等于指定閾值，判定所述目標圖像為非模糊圖像。

5.根據(jù)權利要求1所述的方法，其特征在于，確定所述區(qū)域圖像的局部邊緣特征包括：

獲取濾波矩陣，所述濾波矩陣中的元素用于表征指定多項式中單項式的系數(shù)；

將所述區(qū)域圖像的數(shù)據(jù)與所述濾波矩陣進行卷積，并計算卷積后的圖像數(shù)據(jù)的方差，并將計算得到的所述方差作為所述局部圖像的局部邊緣特征。

6.根據(jù)權利要求5所述的方法，其特征在于，計算卷積后的圖像數(shù)據(jù)的方差包括：

確定所述區(qū)域圖像的起始像素點在所述目標圖像中的坐標值，并獲取所述區(qū)域圖像的寬度和高度；

基于所述坐標值、寬度、高度以及所述卷積后的圖像數(shù)據(jù)中像素點的像素值，計算所述卷積后的圖像數(shù)據(jù)的均值；

根據(jù)所述坐標值、寬度、高度、均值以及所述卷積后的圖像數(shù)據(jù)中像素點的像素值，計算所述卷積后的圖像數(shù)據(jù)的方差。

7.根據(jù)權利要求5所述的方法，其特征在于，所述局部邊緣特征表征所述區(qū)域圖像為非模糊圖像包括：

檢測所述目標圖像的分辨率，并獲取與所述分辨率相關聯(lián)的判定閾值；

若計算得到的所述方差大于或者等于所述判定閾值，判定所述區(qū)域圖像為非模糊圖像。

8.根據(jù)權利要求1所述的方法，其特征在于，所述局部圖像的邊緣特征表征所述局部圖像為非模糊圖像包括：

確定所述局部圖像所占的區(qū)域與所述目標圖像所占的區(qū)域之間的比值，并獲取與所述比值相關聯(lián)的第一判定閾值和第二判定閾值；

若所述第一方差小于或者等于所述第一判定閾值，并且所述最小方差小于或者等于所述第二判定閾值，判定所述局部圖像為模糊圖像；否則，判定所述局部圖像為非模糊圖像。