淺談圖像測(cè)試設(shè)備

目前的圖像識(shí)別技術(shù)是作為一個(gè)工具來幫助我們與外部世界進(jìn)行交互，只為我們自身的視覺提供了一個(gè)輔助作用，所有的行動(dòng)還需我們自己完成。而當(dāng)機(jī)器真正具有了視覺之后，它們完全有可能代替我們?nèi)ネ瓿蛇@些行動(dòng)。目前的圖像識(shí)別應(yīng)用就像是盲人的導(dǎo)盲犬，在盲人行動(dòng)時(shí)為其指引方向；而未來的圖像識(shí)別技術(shù)將會(huì)同其他人工智能技術(shù)融合在一起，成為盲人的全職管家，不需要盲人進(jìn)行任何行動(dòng)，而是由這個(gè)管家?guī)椭渫瓿伤惺虑?。舉個(gè)例子，如果圖像識(shí)別是一個(gè)工具，就如同我們?cè)隈{駛汽車時(shí)佩戴谷歌眼鏡，它將外部信息進(jìn)行分析后傳遞給我們，我們?cè)僖罁?jù)這些信息做出行駛決策；而如果將圖像識(shí)別利用在機(jī)器視覺和人工智能上，這就如同谷歌的無人駕駛汽車，機(jī)器不僅可以對(duì)外部信息進(jìn)行獲取和分析，還全權(quán)負(fù)責(zé)所有的行駛活動(dòng)，讓我們得到完全解放。

圖像測(cè)試設(shè)備的故障及原因

故障

1)藍(lán)屏；

2)主機(jī)和光柵尺、數(shù)據(jù)轉(zhuǎn)換盒接觸不良造成無數(shù)據(jù)顯示；

3)透射、表面光源不亮；

4)二次元打不開；

5)全自動(dòng)影像測(cè)量?jī)x開機(jī)找不到原點(diǎn)或無法運(yùn)動(dòng)。

原因

由于返廠維修周期長(zhǎng)，價(jià)格昂貴，重要的是耽誤了客戶的正常的工作。造成問題出現(xiàn)的原因很多，但無外乎以下原因：1)操作軟件文件丟失或CCD視頻線接觸不良；

2)光柵尺或數(shù)據(jù)轉(zhuǎn)換盒損壞；

3)電源板損壞；

4)加密狗損壞或影像測(cè)量?jī)x軟件操作系統(tǒng)崩潰。以上問題可能是只出現(xiàn)一個(gè)，也有可能幾個(gè)問題一起出現(xiàn)。

圖像測(cè)試設(shè)備基于概率模型的方法

這類方法首先建立圖像特征與圖像質(zhì)量之間的統(tǒng)計(jì)概率模型, 大多采用多變量高斯分布描述概率分布. 對(duì)待評(píng)價(jià)圖像, 提取特征后根據(jù)概率模型計(jì)算后驗(yàn)概率的圖像質(zhì)量, 或根據(jù)與概率模型的匹配程度(如特征間的距離) 估計(jì)圖像質(zhì)量.

在德克薩斯大學(xué)奧斯汀分校的Mittal 等 提出的自然圖像質(zhì)量評(píng)價(jià)(Natural image quality evaluator, NIQE)算法中, 無需利用人眼評(píng)分的失真圖像進(jìn)行訓(xùn)練, 在計(jì)算其局部MSCN 一化圖像后, 根據(jù)局部活性選擇部分圖像塊作為訓(xùn)練數(shù)據(jù), 以廣義高斯模型擬合得到模型參數(shù)作為特征, 采用多變量高斯模型描述這些特征, 評(píng)價(jià)過程中利用待評(píng)價(jià)圖像特征模型參數(shù)與預(yù)先建立的模型參數(shù)之間的距離來確定圖像質(zhì)量。