[发明专利]一种频谱和倒谱信息融合的模糊图像检测方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及各类模糊图像的检测技术。

背景技术

图像模糊检测一直是图像处理和计算机视觉的重要研究方向，它是指自动从输入图像序列中筛除存在模糊图像的过程。该技术在图像处理和计算机视觉领域都有非常广泛的应用，例如车牌识别、人脸识别、物体识别等问题中，都需要确保输入图像清晰，才能进一步提取有效的视觉特征进行识别。因此，在各类计算视觉和图像处理问题中，自动去除模糊图像是最为基础也至关重要的一个步骤。目前的图像模糊检测算法可以分为两个类别：(1)有参照模糊检测方法和(2)无参照模糊检测方法。

有参照模糊检测方法是指通过比较失真图像和参照(清晰)图像来评价失真图像的模糊程度，该方法是目前为止客观评价图像模糊程度中最可靠的方法。其中，基于均方误差、峰值信噪比、和归一化最小平方误差等的方法为常见的评价方法。这类方法计算简单，同时能有效评测失真图像的模糊程度。然而，由于在实际应用中参照图像通常无法得到，因此该类方法的应用范围非常有限。参见文献“Rony Ferzli and Lina J.Karam,Human Visual System Based No-Reference ObjectiveImage Sharpness Metric,2006IEEE International Conference on Image Processing,pp.2949-2952”。

非参照模糊图像检测方法是指不通过与参照(清晰)图像进行对比，直接根据模糊失真图像的特性定义检测指标，通过指标的数值判断图像是否模糊以及模糊程度。该类方法与有参照模糊图像检测方法相比，在检测准确性上略显不足。但是，由于该类方法不需要获取原始参照图像进行对比，应用范围很广。目前大多数研究工作都在针对如何寻找更有效的模糊检测指标而进行。参见文献“Pina Marziliano,Frederic Dufaux,Stefan Winkler and Touradj Ebrahimi,A No-Reference Perceptual Blur Metric,2002IEEE International Conference on Image Processing,Vol.3,pp.57-60”。

发明内容

本发明的任务是提供一种频谱和倒谱信息融合的图像模糊检测方法。该方法首先计算图像的能量频谱分布和奇异倒谱值直方图特征，并将上述两特征作为图像的模糊特征；之后，选用支持向量机分类器区分清晰图像和模糊图像特征，利用已采集的带模糊类别标定的图像训练支持向量机分类器的相应参数；最终使用训练好的分类器检测待测试图像是否为模糊图像。上述方法最大的优点在于作为一种非参照模糊图像检测方法，不需要参照图像，因此有非常广泛的应用。同时，由于定义的模糊特征有明确的物理意义，因此能够准确地区分清晰和模糊图像。

为了方便地描述本发明内容，首先对一些术语进行定义。

定义1：数字图像。由数组或矩阵表示图像，其光照位置和强度都是离散值。

定义2：傅里叶变换。傅里叶变换是一种分析信号成分的方法。在本专利中用到的二维离散傅里叶变换定义为：