[发明专利]一种基于朴素贝叶斯方法的模糊图像检测方法

权利要求书

1.一种基于朴素贝叶斯方法的模糊图像检测方法，它包含以下步骤：

步骤1：任意选取摄像头采集的N₁+N₂幅同类数字图像其中既包含N₁幅模糊图像和N₂幅幅清晰图像，代表第t幅大小为M×N的图像；

步骤2：对步骤1中得到的N₁+N₂幅数字图像根据其模糊与否进行人工标定，若第t幅图像I_t为模糊图像，则令其对应的标定变量y_t＝1，否则y_t＝1；

步骤3：对待识别图像I_t进行子区域划分，划分方法为方格法，并记每一个子区域图像为I_tb，b＝1，...，B，其中B为子区域的总个数；

步骤4：对于待识别图像的子区域图像进行I_tb(m，n)与算子(-1)^m+n的相乘运算以保证傅里叶变换之后的零频部分位于频谱图像的中心，得到其中表示子区域图像I_tb的尺寸为M′×N′，I_tb(m，n)表示任意一像素点的灰度值，(m，n)为该像素点的坐标位置；

步骤5：对每一变换后的子区域图像进行二维离散傅里叶变换，

其中F_tb(u，v)表示I′_tb的二维离散傅里叶变换，u，v为傅里叶变换后的空间坐标；

步骤6：计算图像的能量谱密度分布其中表示第d个频带内能量谱密度，D表示频带的总个数；

步骤7：计算每一子区域图像I_tb的倒谱

步骤8：计算每一子区域图像I_tb对应的奇异倒谱直方图表示倒谱值分布在某一取值区间内点的数目；

步骤9：设能量谱密度分布h_tb来自模糊图像或清晰图像时，对应的分布为正态分布，均值和协方差矩阵不同，能量谱密度分布h_tb来自模糊图像和清晰图像的均值分别为μ_h1和μ_h2，协方差矩阵为和其中表示模糊图像能量谱密度分布变化的程度，表示模糊图像能量谱密度变化的程度，I_D表示单位矩阵；

得到如果图像来自模糊图像，其能量谱密度分布值h_tb的分布函数为：

通过最大似然函数求得参数μ_h1和的最佳取值；

如果图像来自清晰图像，h_tb的分布函数假设为：

通过最大似然函数求得参数μ_h2和的最佳取值；

步骤10：计算奇异倒谱分布值s_tb的分布函数，设s_tb来自模糊图像或清晰图像时，对应的分布为正态分布，均值和协方差矩阵不同，奇异倒谱分布值s_tb来自模糊图像和清晰图像时的均值分别为μ_s1和μ_s2，协方差矩阵为和其中表示模糊图像奇异倒谱分布值变化的程度，表示清晰图像奇异倒谱分布值变化的程度，I_L表示单位矩阵；

得到如果图像来自模糊图像，其奇异倒谱分布值s_tb的分布函数为：

通过最大似然函数求得参数μ_s1和的最佳取值；

如果图像来自清晰图像，s_tb的分布函数为：

通过最大似然函数求得参数μ_s2和的最佳取值；

步骤11：构建朴素贝叶斯分类器，假设清晰图像和模糊图像等概率出现，当输入图像为I时候，计算其对应每一块子区域图像的能量谱密度分布值h_b和奇异倒谱分布值s_b；当假设为模糊图像时，利用参数μ_h1、μ_s1、计算出h_b和s_b的联合分布p(h_b，s_b|y＝1)＝p(h_b|y＝1)p(s_b|y＝1)，该联合分布表示模糊图像的能量谱密度分布与奇异倒谱分布函数的乘积，同理计算假设为清晰图像时，利用参数μ_h2、μ_s2、得到h_b和s_b的联合分布p(h_b，s_b|y＝-1)，该联合分布表示清晰图像能量谱密度分布与奇异倒谱分布的乘积；当满足下述条件时

则判输入图像为模糊图像。