[发明专利]基于多尺度梯度差值的单幅图像散焦模糊估计算法

说明书

本发明公开了一种基于多尺度梯度差值的单幅图像散焦模糊估计算法，步骤(1)、边缘位置散焦模糊估计；步骤(2)、对稀疏散焦地图进行滤波和插值，最终获得全散焦地图。与现有技术相比，本发明能够准确地计算出图像每一个像素点处的散焦值；其中散焦估计算法能够有效抑制模糊纹理的歧义性；对于不同场景类型的散焦模糊图像，均可以获得高精度的散焦地图。

技术领域

本发明涉及计算机视觉的图像模糊处理技术领域，特别是涉及一种单幅图像散焦模糊估计算法。

背景技术

图像模糊是指一个传感器像素单元接收到来自多个场景点发出的光造成的图像退化，其成因主要有相机抖动、光学散焦和拍摄场景中目标物体的运动。在实际的拍摄过程中，场景中的物体处于不同的深度，由于成像系统的浅景深限制，拍摄出的图像存在空间变化的散焦模糊。散焦估计就是要从散焦模糊图像中估计出不同区域的模糊程度。

近些年，有一些算法致力于从单幅图像中估计散焦地图。现有技术参考包括：

1)使用阶跃函数模拟边缘结构，然后利用函数拟合的方式来估计边缘位置的模糊值并使用非齐次优化算法传播这些模糊值，获得了一幅全散焦地图；

2)利用图像局部区域的图像梯度和对比度之间的关系，来测量每一个像素点的模糊量，并将这种关系定义为局部对比度先验；

3)将输入图像与一个已知的高斯模糊内核进行卷积实现再模糊，然后利用输入图像和再模糊图像之间的梯度幅值比计算出稀疏散焦地图。

虽然以上方法能够从单幅图像中估计出散焦地图，但是这些方法没有结合多尺度策略，这会导致估计出的散焦模糊值不够精确。迄今为止，在国内外公开发表的论文和文献中尚未见开展有关基于多尺度梯度差值的单幅图像散焦模糊估计算法。

发明内容

基于现有技术，本发明提出了一种面向专业领域的在线主题检测方法，充分利用图像的细节纹理信息，引入基于多尺度梯度差值的框架，提出一种单幅图像散焦模糊估计算法，以实现散焦图像的模糊程度估计。

本发明的一种基于多尺度梯度差值的单幅图像散焦模糊估计算法，该方法包括以下步骤：

步骤(1)、边缘位置散焦模糊估计，该步骤的具体操作包括：

给定一幅理想聚焦图像i(x,y)，对应的模糊图像p(x,y)建模为：

其中，(x,y)表示图像中的像素点坐标，σ表示原始图像每个像素点的散焦模糊量，先定义一组二维高斯内核g(x,y,σ_k),k＝1,2,...,n，每个二维高斯函数g(x,y,σ_k)的表达式为：

设置σ_k∈{1.2,1.8,2.4,3.0,3.6,4.2}像素；

接下来，使用这些二维高斯内核g(x,y,σ_k)与原始模糊图像p(x,y)进行卷积，得到一组再模糊图像p_k(x,y)(k＝1,2,...,n)，该过程如下式所示：

获得一组再模糊图像沿任意方向θ的梯度公式表示为：

其中，和表示再模糊图像p_k(x,y)沿y轴和x轴的梯度函数；

分别给定沿y轴方向幅值为A的阶梯型边缘b(x)和沿x轴方向幅值为A′的阶梯型边缘b(y)，

b(x)＝Aμ(x)+B (5)

b(y)＝A′μ(y)+B′ (6)