[发明专利]基于自然图像特征统计的图像模糊检测方法

摘要

本发明公开了一种基于自然图像特征统计的图像模糊检测方法。本发明首先将图像进行归一化，并对归一化后的图像通过简单的直方图统计，通过实验观察，该直方图近似服从广义的高斯分布，然后通过最小二乘拟合的方法得到该函数的两个参数，通过实验研究得出：图像越模糊，图像对应的直方图分布是变化的，这种变换可以根据该函数的两个参数的变化来决定，接着通过对两个参数的处理，得到图像的模糊分数，最后对标准库中大量的图像进行检测得到清晰图像和模糊图像之间的阈值。当图像的检测分数大于该阈值时检测为清晰，否则为模糊。本发明的检测模型计算量小，计算效率高。本发明利用图像的自然图像特征统计的内在规律，因此具有较高的准确率。

主权项

1.基于自然图像特征统计的图像模糊检测方法，其特征在于具体步骤如下：步骤1：对待测图像计算每个像素邻域内的平均值和方差；步骤2：利用局部均值和方差对待测图像进行归一化处理；步骤3：对归一化的图像数据进行广义的高斯分布函数拟合，得到该分布函数相应的两个分布参数α和σ；其中α为形状参数,σ为广义高斯函数的方差；步骤4：对两个分布参数进行组合得到该图像最终的模糊分数值；步骤5：通过对标准图像库中大量图像的检测，找到清晰图像和模糊图像之间的阈值；通过该阈值就可以检测该图像是否模糊；步骤1具体如下：计算图像I的每个像素邻域内的加权平均值μ及加权方差δ，得到该图像的加权平均值μ(i,j)，加权方差δ(i,j)，公式如下：其中，K*L指代每个像素的邻域大小，I_k,l(i,j)表示图像I在坐标为(i,j)位置处的邻域像素；ω＝{ω_k,l|k＝‑K,....,K,l＝‑L,....L}为邻域权重系数，采用圆对称高斯加权函数其中指代高斯半径；步骤2具体如下：利用步骤1中得到的图像的加权平均值μ(i,j)和加权方差δ(i,j)，对原图像数据进行归一化处理，得到归一化图像数据公式如下：其中C为非零常数，防止分母为零，I(i,j)表示图像I在坐标为(i,j)位置处的像素值；步骤3具体步骤如下：根据自然图像特征统计的方法，对归一化图像数据做直方图统计，并应用广义的高斯分布来拟合，因为清晰自然图像的直方图近似服从广义的高斯分布，而模糊的图像往往破坏这种分布，其中α为形状参数，广义高斯函数公式如下：其中，σ指代该广义高斯函数的方差；对α，σ进行处理，得到最终的分数，公式如下：Scores＝(10+lg(σ²))×(lgα+1)。