Как обнаружить зернистое или блеклое изображение? - PullRequest
Новая
       2

Как обнаружить зернистое или блеклое изображение?

1 голос
/ 01 июля 2019

Я видел вопросы об обнаружении размытых изображений, но как насчет блеклых / зернистых изображений.У меня есть большой набор отсканированных портретных фотографий в паспортном стиле, и некоторые из них старые, поэтому выглядят блеклыми и зернистыми (то есть трудно распознать человека).

Метрики качества изображения, такие как BRISQUE и обнаружение размытия [ ссылка ] не работала так хорошо и была непоследовательна.Критерием классификации будет то, достаточно ли фото было достаточно для среднего человека, чтобы определить, кем он был по изображению.Поэтому я попробовал распознавание лиц (HOG и т. Д.), Но он распознает изображения, на которых почти невозможно определить, кто этот человек.В идеале я ищу предложения, которые несколько облегчены.enter image description here

1 Ответ

2 голосов
/ 01 июля 2019

  1. Первая идея, которую я хотел бы проверить, это гистограммы изображений . Это особенно в случае изображений в градациях серого. Мое предположение что качественные фотографии имеют распределение интенсивности, близкое к нормальному, пока зернистых и блеклых фото нет. Если гистограммы похожи между изображениями (похоже, у вас достаточно примеров для проверки) в одном Группировать новое изображение легко по его гистограмме. Вы Также можно рассмотреть возможность подсчета гистограммы центра изображений. Просто область содержащие глаза, нос и рот. Изображения низкого качества могут потерять это подробности.

  2. Другая идея заключается в применении фильтра низких частот к изображению для удаления. шум. Чем подсчитать некоторую метрику на основе какого-нибудь детектора фронтов Laplace, Canny и т. Д.) Или просто попробуйте найти любые ребра, кроме одного вокруг волос.

  3. Другой способ - усреднить хорошие изображения и сравнить этот образец с новые . Большая разница будет означать, что наблюдаемое изображение не типичный портрет. Или попробуйте обнаружение лица с помощью каскадного детектора.

Или, может быть, комбинация этих идей даст хороший результат по вашей проблеме. Конечно, можно обучить классификатор NN, но я думаю, что можно решить эту конкретную проблему без него.

...