[发明专利]基于图像DCT域的SVD分解的模糊检测方法

摘要

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。

主权项

1.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像，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，并计算差分矩阵的奇异值，通过奇异值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；具体步骤如下：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；步骤4：计算差分矩阵的奇异值，并由响应函数得到块的响应；步骤5：对所有块的响应求和，得到整幅图像的响应E；步骤6：对图像进行分块(块大小同步骤1)，计算每个图像块的均值和方差，对所有块的均值和方差分别求和，得到整幅图像的均值C和方差V；步骤7：用步骤6得到的C和V对步骤5中E进行归一化，得出最终的模糊分数S；步骤8：通过比较S与选取的阈值T的大小，将图像分为清晰和模糊两类。