图像模糊检测技术研究.docVIP

图像模糊检测技术研究 　　摘 要：数码相机大量生产，而且正变得越来越流行，但并不是每一张照片都有良好的品质。模糊是一种传统的图像质量下降，这是由各种因素造成的，比如有限的对比度，不恰当的曝光时间和不当的设备处理。因此，使用有效的工具来检测模糊的图像，以保证图像采集的质量和节约图像存储空间是必要的。该文介绍了几种图像退化模型，并介绍了使用DCT变换和小波变换的模糊检测方法。 　　关键词：图像模糊 模糊检测 小波 变换DCT 　　中图分类号：TP274 文献标识码：A 文章编号：1672-3791（2015）09（b）-0066-02 　　散焦或者运动会使得许多数字图像模糊，有时摄影师为了加强照片表现力故意制造模糊，但是，由于错误对焦、物体运动和抖动等无意造成的模糊会降低图像质量。无论如何，图像模糊区域自动检测和分类对于学习图像信息是非常有用的，可用于图像分割、深度复原和图像检索等不同的多媒体分析应用。 　　许多服务和应用提供与摄像机捕获图像有关的功能。在线地图服务能给用户提供由飞机、汽车或卫星拍摄图像组成的交互式地图。网页搜索引擎能给用户提供包含一个或多个摄像机拍摄图像的搜索结果。不幸的是，许多摄像机捕获的图像可能会模糊。摄像机的运动会使所拍摄的照片模糊，例如，飞机上的摄像机在捕获图像的时候，由于气流运动会使摄像机经历三维运动。图像中重要部分的模糊会使得图像对于特定应用失去使用价值[1]。 　　1 图像退化模型 　　先进的传感器降噪和摄像机稳定技术有效减少了图像模糊，使得采集高质量图像成为可能。尽管如此，由于硬件限制和物体运动等原因引起的图像模糊仍然是一个问题。这些图像的退化过 程可以进行如下的数学建模。 　　（1） 　　其中，g（x，y），f（x，y），d（x，y）和n（x，y）分别表示退化图像、原始图像、模糊点扩散函数（point spread function， PSF）和噪声。假设噪声可以忽略，式子（1）可以简化为一个单纯的卷积过程。原始图像和点扩散函数的确定可以看作是图像修复或者图像反褶积。重建是一个非常不适定的问题，因为通常只有降低质量的图像[2]。为了简化这个过程，使用了一些限制条件和先验知识用于反褶积过程。其中一种方法就是使用不同的点扩散函数模型及其相关参数。这些点扩散函数由下列数学公式表示[3]。对摄像头干扰的方法包括阻挡摄像头的视线，使用物体遮盖镜头，用颜料喷涂镜头或使其无法对焦。 　　（1）无模糊。 　　假如图像捕获过程非常完美，没有收到干扰，那么离散的图像就不会模糊。空间连续的点扩散函数可以表示为一个狄拉克德尔塔函数。 　　（2） 　　（2）线性运动模糊。 　　许多类型的运动模糊可以将其划分为由于摄像机和场景间的相对运动引起的模糊。这些运动形式包括平移、旋转、场景跳变或者几种形式的组合。这里只考虑比较重要的全局平移运动。 　　（3） 　　其中L 是运动的距离。 　　（3）统一的失焦模糊。 　　当一个摄像头将一组三维场景成像到一个二维平面，场景中部分在焦点上，其余部分不在焦点上。 　　（4） 　　其中R是模糊半径。 　　（4）大气湍流模糊。 　　大气湍流对遥感监测是一个严峻的问题，尽管大气湍流引起的模糊是有许多因素决定的，比如温度、风速和曝光时间。 　　（5） 　　其中C是一个常数，是扩频。 　　2 图像模糊检测 　　在现实世界，图像并不是一直都模糊，有些图像也许根本不需要做修复处理。对于那些已经模糊的图像，学者提出许多修复算法，一些算法被设计成只针对某一种模糊类别做修复。这种方案是根据图像退化展示出来的具体特点而设计的。 　　图像模糊检测通常在空间域进行。一定的模糊度量用于表示模糊的存在及其程度。在文献[8]中，这种度量是基于边缘的提取及其传播。在小波域中，模糊程度还可以通过分析在不同分解图层的边缘类型和锐度来度量[4]。因为这种方法只检测模糊，不能判断图像的退化类型。 　　另一方面，模糊识别通常在变换域进行，最常使用的是傅立叶变换。文献[5]使用频率零的出现和位置来指示模糊类型。文献[6]使用变换域来进行同步检测和识别。一些傅立叶参数被投影到单位圆，用于训练神经网络。这种方法可以识别不同的模糊类型和它的参数[7]，检测精度比较高，但是必须预先设定网络输入数量和图像尺寸。也就是说，一旦网络被设计用于一定尺寸的图像，就无法用于其他尺寸的图像。此外，要使得训练结果达到收敛还需要耗费大量的时间。 　　2.1 使用小波变换的图像模糊检测 　　使用Harr小波变换进行模糊检测是直接方法。该方法不仅能通过边缘类型分析判断一幅图像是否模糊，而且还能根据边缘锐度分析给出图像的模糊程度[8]。这种方法利用Harr小波变换的能力优势，辨别不同类型的边缘，并从模糊中