[發(fā)明專利]基于圖像DCT域的SVD分解的模糊檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810313311.1
• 申請(qǐng)日: 2018-04-09
• 公開（公告）號(hào): CN108510496B
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計(jì)）人: 張善卿;李鵬程;徐向華;陸劍鋒;李黎
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 杭州浙科專利事務(wù)所(普通合伙) 33213
• 代理人: 杜立

本發(fā)明提出了一種基于圖像DCT域的SVD分解的模糊檢測(cè)方法。首先計(jì)算待測(cè)圖像的梯度圖，圖像的邊緣信息可以從梯度圖中得到，然后把梯度圖進(jìn)行分塊，并進(jìn)行DCT變換，因?yàn)镈CT域的交流系數(shù)反映了圖像的邊緣和清晰度，接著差分矩陣來(lái)分析DCT域的交流系數(shù)信息，通過(guò)計(jì)算差分矩陣的奇異值，并構(gòu)造響應(yīng)函數(shù)來(lái)表示塊的圖像的模糊程度，最終用均值和方差去歸一化圖像塊響應(yīng)之和，來(lái)消除圖像內(nèi)容的影響。實(shí)驗(yàn)表明該方法得到的模糊分?jǐn)?shù)與人眼對(duì)圖像的主觀評(píng)價(jià)分?jǐn)?shù)高度一致。本發(fā)明的檢測(cè)模型考慮到圖像變模糊過(guò)程中的邊緣變寬，清晰度變?nèi)醯忍攸c(diǎn)，并有效的消除圖像內(nèi)容的影響，因此檢測(cè)準(zhǔn)確率很高，而且檢測(cè)效率快，整體性能優(yōu)于前人的方法。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像模糊檢測(cè)領(lǐng)域，提出了一種基于圖像DCT域的SVD分解的模糊檢測(cè)方法，該方法能夠快速并且準(zhǔn)確的檢測(cè)出模糊圖像。

背景技術(shù)

數(shù)字圖像作為信息傳遞的載體之一，在日常生活或工作中扮演著重要的角色。比如手機(jī)的普及使得手機(jī)拍照成為人們?nèi)粘蕵?lè)項(xiàng)目之一；衛(wèi)星遙感圖像給農(nóng)業(yè)、工業(yè)和環(huán)境帶來(lái)的便利等。但是數(shù)字圖像在獲取、壓縮、傳輸和存儲(chǔ)過(guò)程中不可避免地會(huì)引入一些失真，這不僅影響視覺(jué)體驗(yàn)，而且可能會(huì)帶來(lái)巨大的損失。圖像模糊是最常出現(xiàn)的一種失真類型，因此，圖像模糊的檢測(cè)越來(lái)越受到人們重視。

人眼雖然具有區(qū)分模糊圖像與清晰圖像的能力，但存在耗時(shí)長(zhǎng)，工作量大等缺點(diǎn)，因此，利用計(jì)算機(jī)對(duì)模糊圖像進(jìn)行檢測(cè)就顯得尤為重要。目前，已經(jīng)有很多圖像模糊檢測(cè)方法，其大致上分為空域法、頻域法和混合域法。總的來(lái)說(shuō)，圖像模糊會(huì)產(chǎn)生更寬的邊緣，因此大部分空域方法都是基于圖像的邊緣寬度。如Marziliano等提出了基于Sobel算子的算法，該方法首先檢測(cè)圖像垂直方向的Sobel邊緣，然后通過(guò)局部極值點(diǎn)得到圖像邊緣的寬度，最后圖像的模糊定義為平均邊緣寬度；如Ferzli和Karam提出一種視覺(jué)可見模糊(JustNoticable Blur,JNB)模型，該方法首先確定圖像的邊緣塊和平滑塊，然后計(jì)算邊緣塊的塊邊緣寬度，最后通過(guò)JNB模型得到圖像的模糊程度。考慮到空域?qū)D像特征表示的局限性，許多方法則將圖像轉(zhuǎn)換到頻域，如DWT域或者DCT域。通過(guò)分析圖像的頻域非零系數(shù)分布，Marichal等提出一種基于圖像DCT域的方法，該方法首先將圖像分塊，然后得到每一個(gè)8x8塊的DCT系數(shù)，最后通過(guò)DCT非零系數(shù)的加權(quán)直方圖來(lái)估計(jì)圖像模糊。Tong等提出一種基于小波域的方法，該方法首先通過(guò)多尺度小波域系數(shù)對(duì)邊緣進(jìn)行分類，然后根據(jù)提出的規(guī)則來(lái)判斷圖像是否模糊，最后圖像的模糊程度可以通過(guò)模糊邊緣的數(shù)目得到。目前，已有學(xué)者提出將空域與頻域結(jié)合的混合域算法，如Vu等也提出了一種基于混合域的綜合評(píng)價(jià)算法(S3)，通過(guò)Sigmoid函數(shù)變換得到頻域特征，通過(guò)局部變分得到空域特征，最后的模糊估計(jì)通過(guò)取前兩項(xiàng)的加權(quán)平均得到；如Li等提出的一種基于離散正交矩的算法，該方法首先通過(guò)梯度信息來(lái)估計(jì)圖像的邊緣，然后利用離散正交矩得到頻域信息，最后計(jì)算圖像的離散正交矩之和來(lái)表示圖像的模糊程度。同時(shí)說(shuō)明了空域和頻域結(jié)合的算法具有更好的效果。

現(xiàn)有的圖像模糊檢測(cè)方法有很多，它們都利用模糊圖像特點(diǎn)：隨著加大圖像的模糊程度，圖像的邊緣會(huì)變得更寬，輪廓越來(lái)越不明顯。

發(fā)明內(nèi)容

通過(guò)比較上述方法的特點(diǎn)，提出了一種基于圖像DCT域的SVD分解的檢測(cè)方法，該方法結(jié)合了圖像空域和頻域信息。首先計(jì)算圖像的梯度圖，圖像的邊緣信息可以從梯度圖中得到，然后把梯度圖進(jìn)行分塊，并進(jìn)行DCT變換，因?yàn)镈CT域的交流系數(shù)反映了圖像的邊緣和清晰度，接著用差分矩陣來(lái)分析DCT域的交流系數(shù)信息，通過(guò)計(jì)算差分矩陣的奇異值，并構(gòu)造響應(yīng)函數(shù)來(lái)表示塊的圖像的模糊程度，最終用均值和方差進(jìn)行歸一化來(lái)消除圖像內(nèi)容的影響。

本發(fā)明的技術(shù)方案步驟如下：

步驟1：計(jì)算待檢測(cè)圖像的梯度圖，并對(duì)梯度圖像進(jìn)行分塊，塊的大小為p×p。

步驟2：對(duì)每個(gè)梯度圖像塊進(jìn)行DCT變換，得到DCT系數(shù)并去掉直流系數(shù)。

步驟3：計(jì)算DCT系數(shù)的水平方向和垂直方向的差分矩陣。