红外图像清晰度评价新方法.pdfVIP

坠 量三量垒：!查兰至些竺圭；型兰皇兰尘兰!兰堑!尘耋三量 用来进行边缘提取，对焦越好图像边缘越锋利，应该 具有更大的图像梯度值，如图像灰度梯度能量函数、 Robert梯度和拉普拉斯算子和等都属于梯度函数。 (3)图像灰度熵函数。对焦良好图像的信息熵 要大于离焦图像的信息熵，图像的信息熵反映的是图 像的信息丰富程度，因此图像的灰度熵也可以作为评 佑1 价函数。 一个好的图像清晰度评价函数应该具有较强的 单峰性、较好的无偏性和较高的灵敏性口】。单峰性指 的是在成像系统的正焦位置取得单一的极值，不能出 n—]二 现其他局部极值：无偏性是指计算出来的曲线要与图 像的清晰度变化事实相吻合；灵敏性是指对不同程度 f【1 (h1 的离焦图片，清晰度评价值要求有一定的差别，以保 图1清晰图像与模糊图像某行边缘灰度变化图 证调焦的精确度，其中单峰性和无偏性决定了评价函 1 Fig Changeofalineinclarityimage 数的正确性。 1．2改进的算法 MARZILlANO提出了以边缘宽度作为图像清晰 度衡量方法ol，在垂直边缘点邻域寻找局部最大虽小 数字图像的灰度是以二维数组的形式存在计算 值，两者的距离即为边缘宽度。但是在实际情况下， 机当中的，对于一幅分辨率为mXn的图像，其保存 由于噪声的影响，对局部最大值最小值的确定存在着 在计算机中为一n×m矩阵。 较大的误差．而且在图像模糊程度较大的情况下，根 首先，对图像进行预处理。为了有效减少噪声井 本检测不到边缘，因此这种方法对图像清晰度的评价 尽量保持边缘，文中采用了边缘保持能力较强的边缘 不够准确，且不能对模糊程度较大的图像进行评价。 保持滤波器。 接着，确定灰度值下降的垂直边缘。边缘保持滤 CAVIF．DES等人提出一种基于DCT的模糊度衡 量方法”】，认为清晰边缘点上的DCT系数除直流分 波可以滤除脉冲噪声，从而减小了相邻像素灰度值的 量外，应该满足高斯分布，因此使用衡量与高斯分布 较大波动，但是如果对每一行数据逐一进行比较的 相似性的4阶矩来表示模糊程度。但实际上DCT系话，很容易产生误判，因为由于噪声引起的部分像素 数符合高斯分布这一假设并不能很好的刻画边缘的 灰度值的变化也会被误以为是下降的垂直边缘。 特性，而且由于该方法是基于高阶矩处理的，容易产 为了有效克服上述缺点和减少算法的计算量，对 生较大的偏差、 每一行数据每隔Ⅳ个像素取一个灰度值，如果是真 正的灰度下降的边缘，就会有灰度值的连续下降，其 1改进的田像清晰度评价方法 它的如单一的背景则较少出现灰度值的连续下降．这 样就可以减少由噪声造成的边缘误判。本文隔1个像 1,1算法原理 素取一个灰度值。 由于图像的边界及细节部分不清晰时，图像就显 一般情况下，图像中的每一行会有多次灰度的阶 得模糊。于是以图像的边缘是否清晰为依据，来对图 跃或屋顶变化，也可能会有少数背景噪声造成的灰度 像的清晰度进行判断。图l(a)为清晰的图像，㈣为清 的连续下降，通过实验发现，在单一背景情况下，由