Computer vision 如何检测颗粒状或褪色的图像？

我见过一些关于检测模糊图像的问题，但关于褪色/颗粒状图像呢。我有一个扫描过的护照风格的肖像照片的大数据集，其中一些是旧的，因此看起来褪色和颗粒状（即难以识别的人）

像BRISQUE和blur detection[]这样的图像质量指标工作得不太好，而且不一致。分类的标准是照片是否足够好，普通人可以从照片中分辨出此人。 所以我尝试了人脸检测（HOG等），但它能识别出几乎不可能分辨出人是谁的图像。 理想情况下，我正在寻找一些轻量级的建议

我要检查的第一个想法是图像直方图。特别是 在灰度图像的情况下非常简单。我的假设是 高质量照片的强度分布接近正常值， 而颗粒状和褪色的照片则不然。如果直方图看起来相似 跨图像（看起来您有足够的示例要检查）在一个 分组根据直方图很容易对新图像进行分类。你 也可以考虑对图像中心的直方图进行计数。正区 包括眼睛、鼻子和嘴。低质量的图像可能会导致此问题 细节

另一个想法是在图像上应用低频滤波器，以去除噪声 噪音而不是基于某个边缘检测器计算某个度量（Sobel， 拉普拉斯，精明的，等等）或只是试图找到任何边缘，除了一个 头发周围

另一种方法是平均好的图像，并将此样本与 新的。较大的差异将意味着观察到的图像不完整 典型的肖像。或者尝试使用基于级联的检测器进行人脸检测

或者，也许这些想法的结合会给你的问题带来好的结果。 当然，训练神经网络分类器是可能的，但我认为没有它也可以解决这个特定的问题