本發(fā)明針對圖像模糊檢測這一應(yīng)用領(lǐng)域，特別是圖像模糊檢測提出了一種基于圖像梯度DCT變換的模糊檢測方法，該方法具有較快的圖像模糊檢測的速度和較高的檢測性能。

背景技術(shù)：

隨著計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展和數(shù)字圖像的普及，圖像質(zhì)量的好壞直接影響到人們的主觀感受和信息量獲取,而圖像模糊是自然圖像中經(jīng)常出現(xiàn)的一種失真類型，也是影響圖像質(zhì)量的非常重要的因素?，F(xiàn)實(shí)環(huán)境中造成圖像的模糊的因素有很多，如相機(jī)離焦模糊、拍攝目標(biāo)運(yùn)動模糊、圖像的壓縮模糊等。

圖像的模糊是人眼對于圖像的一種主觀感受，為了利用計(jì)算機(jī)對這一種失真類型進(jìn)行檢測，近些年來人們提出了很多的檢測方法。圖像的模糊檢測大致上分為三類：空域法、頻域法和混合域法?？沼蚍ㄊ窃趫D像的灰度空間進(jìn)行的，其原理是利用圖像的邊緣信息與圖像的模糊程度的關(guān)聯(lián)，如Marziliano等等提出了一種算法，首先采用Sobel算子檢測圖像中的邊緣，然后通過每個邊緣附近的像素極值確定邊緣的寬度，圖像的模糊則定義為圖像中所有邊緣寬度的均值；又如Ferzli等提出恰可見模糊(Just Noticable Blur,JNB)的概念，該方法首先從圖像中確定邊緣塊，然后計(jì)算局部的對比度和塊邊緣寬度，通過結(jié)合一個概率求和模型得到模糊評價的分?jǐn)?shù)。頻域法，則是將圖像轉(zhuǎn)換到相應(yīng)的頻率域，如DFT域或DCT域，研究頻率系數(shù)與模糊程度之間的關(guān)系，如Wang Z等將塊狀效應(yīng)的圖像模擬為一個無塊狀效應(yīng)圖像受到純塊狀效應(yīng)信號干擾的結(jié)果，借助DFT，通過中值平滑前后功率譜的差異來估計(jì)塊狀效應(yīng)的強(qiáng)度等；Bovik和Liu首先給出一種DCT域快速算法來構(gòu)建圖像中跨兩個相鄰塊的新塊,用一個2D階躍函數(shù)對塊狀效應(yīng)建模,并提取相應(yīng)的雙向活躍度參數(shù),最后結(jié)合HVS亮度和活躍度掩蔽效應(yīng)來估計(jì)塊狀效應(yīng)強(qiáng)度。混合域法，將空間域與其他變換域結(jié)合的算法，如Vu等也提出了一種空間域與頻域結(jié)合的算法(S3)，該算法一方面用局部幅頻的梯度描述圖像中高頻內(nèi)容損失，另一方面用全變差描述對比度變化對模糊評價的影響；李雷軍博士提出的一種基于離散正交矩的圖像模糊評價算法，該方法一方面利用梯度提取圖像邊緣信息，另一方面利用Tchebichef矩將梯度域轉(zhuǎn)換到其他變換域，通過計(jì)算圖像的非DC矩能量之和來描述圖像的總能量。這兩者的結(jié)合對圖像中的模糊評價具有很高的精度。

雖然圖像模糊檢測的方法很多，但大多數(shù)模糊的圖像都有共同的特性：圖像越模糊圖像的邊緣就越寬，反映在梯度圖上的邊緣信息就越少，也就導(dǎo)致圖像的高頻能量會相應(yīng)的減少。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述特點(diǎn)，本發(fā)明提出了一種基于圖像梯度DCT變換的模糊檢測方法，該方法采用空域和頻域相結(jié)合的方式，利用圖像的梯度圖來提取邊緣信息，然后將梯度圖分塊DCT變換，因?yàn)镈CT直流系數(shù)影響圖像亮度，而交流系數(shù)影響圖像的邊緣細(xì)節(jié)，本發(fā)明主要考慮邊緣細(xì)節(jié)，所以需要忽略直流系數(shù)的影響，最終用變換后的DCT域的非直流系數(shù)的幅度變化來刻畫圖像的模糊程度，保證了檢測速度和性能，降低了誤檢率。

本發(fā)明的技術(shù)方案步驟如下：

基于圖像梯度DCT變換的模糊檢測方法，采用以下步驟實(shí)現(xiàn)：

步驟1：計(jì)算待測圖像的梯度圖像；

步驟2：對梯度圖像進(jìn)行分塊DCT變換操作，設(shè)塊的大小為l*l；

步驟3：計(jì)算步驟2中的DCT塊的非直流系數(shù)的之和(簡稱分塊能量)，并將所有分塊能量疊加在一起，從而獲得整幅圖像的總能量。

步驟4：對待測圖像進(jìn)行分塊操作(塊的大小同步驟1)，計(jì)算每個塊的方差，將所有的塊方差求和，得到一幅圖像的總方差。

步驟5：用步驟4中的總方差對步驟2中的總能量進(jìn)行歸一化處理，從而得出最終的模糊分?jǐn)?shù)Scores。

步驟6：對模糊分?jǐn)?shù)選取適當(dāng)?shù)拈撝礣hreold，從而將圖像分為清晰與模糊兩類。

本發(fā)明的有益效果：

本發(fā)明針對圖像模糊檢測的速度和性能，采用空間域和頻率域相結(jié)合的方式，以此來彌補(bǔ)使用單方面域的缺陷。在空間域中定位圖像的邊緣，在頻率域中計(jì)算圖像的模糊幅度(能量)，兩者的結(jié)合既保留了圖像空域處理的直觀性，又保留了頻域處理的速度快的優(yōu)越性；此外，本發(fā)明通過對圖像的總能量進(jìn)行歸一化處理，從而消除圖像內(nèi)容的影響。

附圖說明

圖1算法流程圖

圖2清晰圖像樣本

圖3模糊圖像樣本

圖4 LIVE圖像庫中60幅圖像的模糊分?jǐn)?shù)

圖5清晰圖像樣本和模糊圖像樣本對應(yīng)的檢測數(shù)據(jù)

具體實(shí)施方式

下面結(jié)合附圖，對本發(fā)明的具體實(shí)施方案作進(jìn)一步詳細(xì)描述。基于圖像梯度DCT變換的模糊檢測方法，其具體步驟描述如圖1所示：

步驟1：計(jì)算待測圖像的梯度圖像；

步驟2：對梯度圖像進(jìn)行分塊DCT變換操作，設(shè)塊的大小為l*l；

步驟3：計(jì)算步驟2中的DCT塊的非直流系數(shù)的之和(簡稱分塊能量)，并將所有分塊能量疊加在一起，從而獲得整幅圖像的總能量。

步驟4：對待測圖像進(jìn)行分塊操作(塊的大小同步驟2)，計(jì)算每個塊的方差，將所有的塊方差求和，得到一幅圖像的總方差。

步驟5：用步驟4中的總方差對步驟3中的總能量進(jìn)行歸一化處理，從而得出最終的模糊分?jǐn)?shù)Scores。

步驟6：對模糊分?jǐn)?shù)選取適當(dāng)?shù)拈撝礣hreold，從而將圖像分為清晰與模糊兩類。

步驟1：將待測圖像I(大小為m*n)變換到梯度域G，公式如下：

其中和分別為待測圖像水平和垂直的梯度圖像。

步驟2：對梯度圖像G進(jìn)行分塊，每個分塊設(shè)為B_k，塊大小為l*l。然后將每個分塊B_k變換到DCT域D_k，公式如下：

D_k＝DCT(B_k)

步驟3：計(jì)算DCT域中每個分塊D_k的非直流系數(shù)之和S_k，即塊能量：

并計(jì)算一幅圖像所有塊的能量之和sumS，即總能量，公式如下：

其中N為總的塊數(shù)。

步驟4：對待測圖像I進(jìn)行分塊，塊大小為l*l，并計(jì)算每塊的方差v_k，計(jì)算所有塊的方差v_k之和sumV：

步驟5：對sumS進(jìn)行歸一化得到最終的模糊分?jǐn)?shù)scores公式如下：

步驟6：確定清晰與模糊之間的閾值threold。通過對實(shí)驗(yàn)數(shù)據(jù)的分析，當(dāng)圖像清晰(見附圖2)的時候經(jīng)計(jì)算所得的scores比模糊圖像(見附圖3)的scores要高很多(見附表1)。由此可以證明：清晰圖像的非直流能量較大，而模糊圖像的非直流能量較低。同時經(jīng)過對LIVE(Laboratory for image&video engineering，圖像質(zhì)量評價數(shù)據(jù)庫由美國德克薩斯大學(xué)奧斯汀分校的電氣與計(jì)算機(jī)工程系與心理學(xué)系聯(lián)合建立,是應(yīng)用最為廣泛的一個共享數(shù)據(jù)庫)圖像庫中大量樣本(包含模糊的和清晰的圖像)的檢測和比較(見附圖4)，可以得到相應(yīng)的閾值，本實(shí)驗(yàn)所取的閾值為threold＝4(線條代表閾值)，當(dāng)Scores＞4時圖像為清晰，當(dāng)Scores≤4圖像為模糊。