[發明專利]基于圖像DCT域的SVD分解的模糊檢測方法

有效

• 申請號: 201810313311.1
• 申請日: 2018-04-09
• 公開（公告）號: CN108510496B
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 張善卿;李鵬程;徐向華;陸劍鋒;李黎
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 杜立

1.基于圖像DCT域的SVD分解的模糊檢測方法，首先計算待測圖像的梯度圖像，圖像的邊緣信息可以從梯度圖中得到，然后把梯度圖進行分塊，并進行DCT變換，因為DCT域的交流系數反映了圖像的邊緣和清晰度，接著用差分矩陣來分析DCT域的交流系數信息，并計算差分矩陣的奇異值，通過奇異值構造響應函數來表示塊的圖像的模糊程度，最終用均值和方差進行歸一化來消除圖像內容的影響；具體步驟如下：

步驟1：計算待檢測圖像的梯度圖，并對梯度圖像進行分塊，塊的大小為p×p；

步驟2：對每個梯度圖像塊進行DCT變換，得到DCT系數并去掉直流系數；

步驟3：計算DCT系數的水平方向和垂直方向的差分矩陣；

步驟4：計算差分矩陣的奇異值，并由響應函數得到塊的響應；

步驟5：對所有塊的響應求和，得到整幅圖像的響應E；

步驟6：對圖像進行分塊(塊大小同步驟1)，計算每個圖像塊的均值和方差，對所有塊的均值和方差分別求和，得到整幅圖像的均值C和方差V；

步驟7：用步驟6得到的C和V對步驟5中E進行歸一化，得出最終的模糊分數S；

步驟8：通過比較S與選取的閾值T的大小，將圖像分為清晰和模糊兩類；

步驟1具體過程如下：

計算待測圖像I的梯度圖G，公式如下：

I_x＝I*[-1 0 1],I_y＝I*[-1 0 1]^T

其中*是卷積操作，然后對梯度圖像G進行分塊，每個分塊設為B_k，k＝(1,2,...,N)，N是圖像塊的總個數，塊大小為p×p，實驗中p＝6；

步驟2具體過程如下：

將圖像塊B_k變換到DCT域D_k，并去掉直流系數，公式如下：

D_k＝DCT(B_k)

其中i,j∈{1...p}；

步驟3具體過程如下：

分別計算水平方向和垂直方向的差分矩陣，公式如下：

其中i∈{1,...,p},j∈{1,...,p-1}；

其中i∈{1,...,p-1},j∈{1,...,p}；

步驟4具體過程如下：

計算差分矩陣的奇異值，公式如下：

(:)表示把矩陣轉成一個列向量，F的大小為p(p-1)×2，然后對F進行奇異值分解得到奇異值s₁,s₂；由響應函數e得到圖像塊的響應；

e_k＝s₁×s₂-α(s₁+s₂)²

其中α是常數，實驗中α＝0.01。

2.根據權利要求1所述的基于圖像DCT域的SVD分解的模糊檢測方法，其特征在于步驟5具體過程如下：

計算待測圖像所有塊的響應進行求和，得到整張圖像的總響應E,公式如下：

其中N為圖像塊的總個數。

3.根據權利要求2所述的基于圖像DCT域的SVD分解的模糊檢測方法，其特征在于步驟6具體過程如下：

對待測圖像分塊，過程同步驟1，并計算每塊的均值c_k和方差v_k，然后計算所有塊的均值之和C，方差之和V，公式如下：

4.根據權利要求3所述的基于圖像DCT域的SVD分解的模糊檢測方法，其特征在于步驟7具體過程如下：

用C和V對E進行歸一化，得到最終的模糊分數S，公式如下：

5.根據權利要求4所述的基于圖像DCT域的SVD分解的模糊檢測方法，其特征在于步驟8具體過程如下：

首先確定清晰圖像與模糊圖像間的閾值T；通過步驟8可以得到清晰圖像和模糊圖像的模糊分數S，分析這兩類圖像得到的數據S，可以看出清晰圖像比模糊圖像的S要高很多；為了保證實驗數據的充分，在LIVE圖像庫中選取大量樣本進行測試，確定最后的閾值T；最終選擇的閾值為T＝15，當T＞15表示圖像是清晰的，當T≤15表示圖像是模糊的。