[发明专利]一种图像清晰度匹配方法和系统

说明书

本发明公开了一种图像清晰度匹配方法，包括：获取两张人脸图像，使用多个清晰度评价算法对这两张人脸图像进行计算，以分别得到两张人脸图像的清晰度值集合，根据得到的两张人脸图像的清晰度值集合获取两张人脸图像的清晰度差值向量，将获得的两张人脸图像的清晰度差值向量输入训练好的分类模型中，以获得该清晰度差值向量对应的模糊算法，根据得到的模糊算法对两张人脸图像中清晰度值较高的一张人脸图像进行处理。本发明通过在图像清晰度评价算法的引导下，采用分类模型自动选择合适的模糊算法，并对清晰度高的图像进行处理，从而解决现有图像拼接过程中由于待拼接图像清晰度存在较大差异造成拼接效果差的技术问题。

技术领域

本发明属于计算机视觉技术领域，更具体地，涉及一种图像清晰度匹配方法和系统。

背景技术

图像拼接技术目前已经得到了较为广泛的应用。

目前，图像拼接的效果好坏极大地取决于拼接图像之间清晰度的一致性，而当待拼接的图像之间的清晰度存在较大差异时，图像拼接的效果会较差，这也已经成为计算机视觉领域中一个亟待解决的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种图像清晰度匹配方法和系统，其目的在于，通过在图像清晰度评价算法的引导下，采用分类模型自动选择合适的模糊算法，并对清晰度高的图像进行处理，从而解决现有图像拼接过程中由于待拼接图像清晰度存在较大差异造成拼接效果差的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种图像清晰度匹配方法，包括以下步骤：

(1)获取两张人脸图像，使用多个清晰度评价算法对这两张人脸图像进行计算，以分别得到两张人脸图像的清晰度值集合S_P＝(S_1,P,S_2,P,…,S_n,P)和S_Q＝(S_1,Q,S_2,Q,…,S_n,Q)，其中P表示一张图像，Q表示另外一张图像，n表示使用的清晰度评价算法的数量，S_n,P表示使用第n种清晰度评价算法计算得到的人脸图像P的清晰度值，S_n,Q表示使用第n种清晰度评价算法计算得到的人脸图像Q的清晰度值。

(2)根据步骤(1)中得到的两张人脸图像的清晰度值集合获取两张人脸图像的清晰度差值向量，其由以下等式表示：

其中SD_P,Q表示两张人脸图像的清晰度差值向量。

(3)将步骤(2)中获得的两张人脸图像的清晰度差值向量输入训练好的分类模型中，以获得该清晰度差值向量对应的模糊算法；

(4)根据步骤(3)得到的模糊算法对两张人脸图像中清晰度值较高的一张人脸图像进行处理。

优选地，清晰度评价算法包括基于梯度函数的评价算法、基于图像频域的评价算法、基于熵函数的评价算法、以及结合人眼视觉系统的评价算法。

优选地，分类模型是决策树模型、支持向量机模型、朴素贝叶斯模型、或随机森林模型。

优选地，模糊算法是均值滤波算法、高斯模糊算法、中值滤波算法、双边滤波算法、或高斯低通滤波算法。

优选地，分类模型的训练过程是通过制作分类模型的训练集、然后利用制作的训练集对分类模型进行训练的方式实现。

优选地，制作分类模型的训练集包括：

a)从人脸数据集中获取人脸图像；

b)使用不同的模糊算法对获取的人脸图像进行处理，以得到m张模糊图像，其中m表示使用的模糊算法的数量；