[发明专利]基于图像DCT域的SVD分解的模糊检测方法

说明书

本发明提出了一种基于图像DCT域的SVD分解的模糊检测方法。首先计算待测图像的梯度图，图像的边缘信息可以从梯度图中得到，然后把梯度图进行分块，并进行DCT变换，因为DCT域的交流系数反映了图像的边缘和清晰度，接着差分矩阵来分析DCT域的交流系数信息，通过计算差分矩阵的奇异值，并构造响应函数来表示块的图像的模糊程度，最终用均值和方差去归一化图像块响应之和，来消除图像内容的影响。实验表明该方法得到的模糊分数与人眼对图像的主观评价分数高度一致。本发明的检测模型考虑到图像变模糊过程中的边缘变宽，清晰度变弱等特点，并有效的消除图像内容的影响，因此检测准确率很高，而且检测效率快，整体性能优于前人的方法。

技术领域

本发明涉及图像模糊检测领域，提出了一种基于图像DCT域的SVD分解的模糊检测方法，该方法能够快速并且准确的检测出模糊图像。

背景技术

数字图像作为信息传递的载体之一，在日常生活或工作中扮演着重要的角色。比如手机的普及使得手机拍照成为人们日常娱乐项目之一；卫星遥感图像给农业、工业和环境带来的便利等。但是数字图像在获取、压缩、传输和存储过程中不可避免地会引入一些失真，这不仅影响视觉体验，而且可能会带来巨大的损失。图像模糊是最常出现的一种失真类型，因此，图像模糊的检测越来越受到人们重视。

人眼虽然具有区分模糊图像与清晰图像的能力，但存在耗时长，工作量大等缺点，因此，利用计算机对模糊图像进行检测就显得尤为重要。目前，已经有很多图像模糊检测方法，其大致上分为空域法、频域法和混合域法。总的来说，图像模糊会产生更宽的边缘，因此大部分空域方法都是基于图像的边缘宽度。如Marziliano等提出了基于Sobel算子的算法，该方法首先检测图像垂直方向的Sobel边缘，然后通过局部极值点得到图像边缘的宽度，最后图像的模糊定义为平均边缘宽度；如Ferzli和Karam提出一种视觉可见模糊(JustNoticable Blur,JNB)模型，该方法首先确定图像的边缘块和平滑块，然后计算边缘块的块边缘宽度，最后通过JNB模型得到图像的模糊程度。考虑到空域对图像特征表示的局限性，许多方法则将图像转换到频域，如DWT域或者DCT域。通过分析图像的频域非零系数分布，Marichal等提出一种基于图像DCT域的方法，该方法首先将图像分块，然后得到每一个8x8块的DCT系数，最后通过DCT非零系数的加权直方图来估计图像模糊。Tong等提出一种基于小波域的方法，该方法首先通过多尺度小波域系数对边缘进行分类，然后根据提出的规则来判断图像是否模糊，最后图像的模糊程度可以通过模糊边缘的数目得到。目前，已有学者提出将空域与频域结合的混合域算法，如Vu等也提出了一种基于混合域的综合评价算法(S3)，通过Sigmoid函数变换得到频域特征，通过局部变分得到空域特征，最后的模糊估计通过取前两项的加权平均得到；如Li等提出的一种基于离散正交矩的算法，该方法首先通过梯度信息来估计图像的边缘，然后利用离散正交矩得到频域信息，最后计算图像的离散正交矩之和来表示图像的模糊程度。同时说明了空域和频域结合的算法具有更好的效果。

现有的图像模糊检测方法有很多，它们都利用模糊图像特点：随着加大图像的模糊程度，图像的边缘会变得更宽，轮廓越来越不明显。

发明内容

通过比较上述方法的特点，提出了一种基于图像DCT域的SVD分解的检测方法，该方法结合了图像空域和频域信息。首先计算图像的梯度图，图像的边缘信息可以从梯度图中得到，然后把梯度图进行分块，并进行DCT变换，因为DCT域的交流系数反映了图像的边缘和清晰度，接着用差分矩阵来分析DCT域的交流系数信息，通过计算差分矩阵的奇异值，并构造响应函数来表示块的图像的模糊程度，最终用均值和方差进行归一化来消除图像内容的影响。

本发明的技术方案步骤如下：

步骤1：计算待检测图像的梯度图，并对梯度图像进行分块，块的大小为p×p。

步骤2：对每个梯度图像块进行DCT变换，得到DCT系数并去掉直流系数。

步骤3：计算DCT系数的水平方向和垂直方向的差分矩阵。