专利交易市场

一种数字印刷图像色彩检测方法，属于图像数据处理领域和图像检测技术领域。本发明提出一种基于显著性和颜色信息熵的改进超像素分割算法的印刷图像色彩检测方法，利用图像显著性算法划定印刷图像的重要区域，根据印刷图像在显著性区域下的颜色信息熵自适应确定区域的超像素大小，对印刷图像显著与非显著区域采用不同的超像素划分；印刷图像色彩检测利用印后图像在相同超像素标签下的颜色均值作比较，输出存在色差的标签，从而在图像中标记色差区域，并展示色差区域的色彩偏移量。本发明用于超像素颜色均值比较的印刷图像色彩检测，能够获得更加准确且符合人眼视觉的色彩检测结果；具有较快的检测速度，同时能输出色差区域位置与色彩偏移量。

本发明提供一种人眼图像检测与修复方法。所述方法包括：从待检测人脸图像中划分出人眼区域和非人眼区域；对所述人眼区域和非人眼区域进行结合人脸亮度的自适应人脸图像增强；分别对图像增强后的人眼区域和非人眼区域进行结合人脸亮度分布的亮斑分割；根据亮斑的面积和形态分别判断所述人眼区域和非人眼区域分割出的亮斑是否满足修复条件；若满足修复条件，则根据当前照度情况采用不同方式分别对所述人眼区域和非人眼区域的亮斑进行修复。本发明对人眼亮斑的修复效果过渡自然，且可以有效避免修复异常。

本申请实施例提供了一种图像检测方法、装置、电子设备和存储介质，其中，所述图像类别检测方法包括：对第二图像进行降采样获得第一图像；确定所述第二图像中相对类别检测的至少一个关键子区；分别提取所述第一图像和各关键子区的特征；至少基于提取的各特征生成所述第二图像的类别检测结果。本申请实施例，一方面，避免了直接对高分辨率的第二图像进行类别检测，降低了计算量，节省了硬件计算资源，有利于提高运算速度和并发处理量；另一方面，避免了直接依据对高分辨率降采样而得的低分辨率图进行类别检测而导致的关键信息丢失，由此提高了对高分辨率的第二图像进行类别检测的准确性。

本发明提供一种基于图像检测的稻种识别和计数方法，该方法采用网格纸作为稻种图像采集的背景，从而实现图像的定位和矫正；然后选取稻种与背景存在显著差异的颜色分量组成SbCbCr颜色空间，并结合BPNN分类模型将稻种图像分割为二值图像；经开闭运算后，以二值图像连通区域为掩膜将原图像划分为单个稻种或多个粘连稻种的子图像，并进行尺寸归一化；由子图像建立稻种数量图像数据集，利用深度卷积神经网络分类模型将采集的稻种图像进行分类，然后统计原稻种图像中每个子图像分类结果对应的稻种数量，得到原稻种图像中稻种的总个数。本发明操作简便，计数精确，能节省了人力成本和设备成本，大幅度地提高工作效率。