[发明专利]图像清晰度确定方法、装置、设备及存储介质

权利要求书

1.一种图像清晰度确定方法，其特征在于，包括：

获取目标图像中各像素对应的暗通道值；

基于所述暗通道值确定所述目标图像对应的评估指标信息，其中，所述评估指标信息包括暗通道积分信息、曝光程度信息和亮度信息中的至少一种；

将所述评估指标信息输入至预设清晰度确定模型，并根据所述预设清晰度确定模型的输出结果确定所述目标图像的清晰度。

2.根据权利要求1所述的方法，其特征在于，当所述评估指标信息包括暗通道积分信息时，所述基于所述暗通道值确定所述目标图像对应的评估指标信息，包括：

针对至少两个第一预设暗通道值区间中的每个第一预设暗通道值区间，统计当前第一预设暗通道值区间内包含的像素点的数量，得到所述当前第一预设暗通道值区间对应的暗通道积分值；

根据至少两个暗通道积分值确定所述目标图像对应的暗通道积分信息。

3.根据权利要求1所述的方法，其特征在于，当所述评估指标信息包括曝光程度信息时，所述基于所述暗通道值确定所述目标图像对应的评估指标信息，包括：

计算第二预设暗通道值区间内包含的像素点对应的暗通道值的总和，其中，所述第二预设暗通道值区间用于表示曝光过度；

统计所述第二预设暗通道值区间内包含的像素点的总数；

根据所述总和与所述总数的商确定所述目标图像对应的曝光程度信息。

4.根据权利要求1所述的方法，其特征在于，当所述评估指标信息包括亮度信息时，所述基于所述暗通道值确定所述目标图像对应的评估指标信息，包括：

计算所有暗通道值的中位数或平均值；

根据所述中位数或所述平均值确定所述目标图像对应的亮度信息。

5.根据权利要求1所述的方法，其特征在于，所述预设清晰度确定模型通过以下方式得到：

获取训练样本集，其中，所述训练样本集中的每个训练样本包括训练样本数据和训练样本标签，所述训练样本数据包括训练样本图像和训练样本图像对应的评估指标信息，所述训练样本标签包括训练样本图像对应的清晰度评分；

利用所述训练样本集对预设机器学习模型进行训练，得到相应的预设清晰度确定模型。

6.根据权利要求1-5任一所述的方法，其特征在于，

在所述获取目标图像中各像素对应的暗通道值之前，还包括：

获取摄像头采集的目标图像；

在根据所述预设清晰度确定模型的输出结果确定所述目标图像的清晰度之后，还包括：

若根据所述目标图像的清晰度确定所述摄像头当前处于脏污状态，则进行脏污提醒操作。

7.根据权利要求6所述的方法，其特征在于，所述根据所述预设清晰度确定模型的输出结果确定所述目标图像的清晰度，包括：

根据所述预设清晰度确定模型的输出结果确定所述目标图像的清晰度评分；

所述根据所述目标图像的清晰度确定所述摄像头当前处于脏污状态，包括：

当所述目标图像的清晰度评分低于预设评分阈值时，确定所述摄像头当前处于脏污状态，其中，所述预设评分阈值根据所述预设清晰度确定模型对应的训练样本集中的训练样本标签确定。

8.一种图像清晰度确定装置，其特征在于，包括：

暗通道值获取模块，用于获取目标图像中各像素对应的暗通道值；

评估指标信息确定模块，用于基于所述暗通道值确定所述目标图像对应的评估指标信息，其中，所述评估指标信息包括暗通道积分信息、曝光程度信息和亮度信息中的至少一种；

清晰度确定模块，用于将所述评估指标信息输入至预设清晰度确定模型，并根据所述预设清晰度确定模型的输出结果确定所述目标图像的清晰度。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。