[发明专利]一种无参考的图像清晰度检测方法

权利要求书

1. 一种无参考的图像清晰度检测方法，其特征在于该方法包括如下步骤：

步骤一：根据已有的灰度图计算梯度图{Gx,Gy}；采用公开的边缘检测算法，定位强边缘点；

步骤二：计算强边缘点的边缘宽度，并统计边缘宽度累计直方图EdgeWidthHist；

步骤三：对已有的灰度图进行小波变换，计算高频小波系数的能量Energy；所述的高频小波系数的能量Energy为：一次小波变换后得到的水平、垂直和对角方向上的高频小波系数的平方和；

步骤四：对已有的灰度图统计灰度直方图，根据灰度直方图计算灰度直方图特征{GrayHistWidth,GrayMin,GrayMax}；

步骤五：根据边缘宽度累计直方图EdgeWidthHist、高频小波系数能量Energy和灰度直方图特征{GrayHistWidth,GrayMin,GrayMax}，估计该灰度图的清晰度：

    首先，根据灰度直方图特征{GrayHistWidth,GrayMin,GrayMax}对图像分类，分为灰图像、暗图像、灰度范围窄的图像和一般图像四类；

然后，对不同类的图像采用不同的EdgeWidthHist分量值做为主要特征MainFeature；

其次，根据Energy对MainFeature分级修正，以处理虚警和漏警；

最后，输出修正后的MainFeature值做为清晰度值。

2.根据权利要求1所述的一种无参考的图像清晰度检测方法，其特征在于：步骤一中的梯度图采用Sobel梯度算子，边缘检测算法采用Canny边缘检测算子，强边缘点为边缘检测算法检测得到的边缘像素。

3.根据权利要求1所述的一种无参考的图像清晰度检测方法，其特征在于：步骤二具体是：在强边缘点处，比较水平和垂直方向的梯度绝对值{|Gx|,|Gy|}；

当|Gx|≧|Gy|，计算以该点为中心的左右两个方向上像素灰度值严格单调变化的区间，该区间长度即为该强边缘点的边缘宽度；

当|Gx|<|Gy|，计算以该点为中心的上下两个方向上像素灰度值严格单调变化的区间，该区间长度即为该强边缘点的边缘宽度；

在整个灰度图上，统计各个强边缘点的边缘宽度直方图和累计直方图，并归一化，得到边缘宽度累计直方图EdgeWidthHist；EdgeWidthHist为特征向量，它的第N个分量值表示边缘宽度为N个像素的统计量。

4.根据权利要求1所述的一种无参考的图像清晰度检测方法，其特征在于：步骤四具体是：

首先根据灰度图统计初始的灰度直方图，为了消除图像中极端灰度值对直方图特征的影响，将灰度直方图中极端灰度值的统计值赋零，并归一化；灰度直方图特征{GrayHistWidth,GrayMin,GrayMax}在去除了极端灰度值统计量后的直方图上计算得到；提取灰度直方图分布的主要分量，{GrayMin,GrayMax}分别取为主要分量的最小值和最大值；

直方图的主要分量按如下方法得到，首先，对直方图分量排序；然后，按降序累加直方图分量，该累加和达到一定阈值时，停止累加；所有参与累加的直方图分量，即为直方图分布的主要分量，这些主要分量的最小值和最大值即为灰度直方图的{GrayMin,GrayMax}特征，GrayHistWidth特征值取为GrayMax-GrayMin；

所述的极端灰度值是指灰度值落在0-10或245-255范围内的灰度值，GrayHistWidth表示灰度直方图宽度特征，GrayMin表示灰度直方图最小分量特征，GrayMin表示灰度直方图最大分量特征。

5.根据权利要求1所述的一种无参考的图像清晰度检测方法，其特征在于：步骤五具体是：

（1）根据灰度直方图特征{GrayHistWidth,GrayMin,GrayMax}，按照下表将图像分类；灰度直方图特征不满足下表特征的图像，即为一般图像；表中的Gh_i、Gl_i和Gw_i，i=1,2,3，为图像分类采用的阈值；

 GrayMinGrayMaxGrayHistWidth灰图像>=Gl_1/<Gh_1暗图像/<=Gh_2<Gw_2灰度范围窄的图像<Gl_3>Gh_3<Gw_3

（2）对于一般图像，步骤如下：

a)对MainFeature赋值，即MainFeature=EdgeWidthHist(N1)；

b)对一般图像处理虚警，即，当MainFeature<Th时，根据Energy分级修正MainFeature的取值：

If T1<Energy<=T2 

MainFeature=EdgeWidthHist(N1+1)；

           Elseif T2<Energy<=T3 

MainFeature=EdgeWidthHist(N1+2)；

           Elseif T3<Energy

MainFeature=EdgeWidthHist(N1+3)；

其中，Energy的阈值：T1<T2<T3，Th表示MainFeature的阈值；

（3）对于非一般图像，因图像分类的不同采用的策略也不同，具体如下：

（3-1）对于灰图像，步骤如下：

a)对MainFeature赋值，MainFeature=EdgeWidthHist(N2)；

b)对灰图像处理漏警，即，当MainFeature>=Th时，根据Energy分级修正MainFeature的取值：

If T1<Energy<=T2

MainFeature=EdgeWidthHist(N2-1)；

           Elseif Energy<=T1

MainFeature=EdgeWidthHist(N2-2)；

    其中，Energy的阈值：T1<T2；

（3-2）对于暗图像，步骤如下：

a)对MainFeature赋值，MainFeature=EdgeWidthHist(N3)；

b)对暗图像处理漏警，即，当MainFeature>=Th时，根据Energy分级修正MainFeature的取值：

If T2<Energy<=T3

MainFeature=EdgeWidthHist(N3-1)；

           Elseif T1<Energy<=T2

MainFeature=EdgeWidthHist(N3-2)；

Elseif Energy<=T1

MainFeature=EdgeWidthHist(N3-3)；

其中，Energy的阈值：T1<T2<T3；

（3-3）对于灰度范围窄的图像，步骤如下：

a)对MainFeature赋值，MainFeature=EdgeWidthHist(N4)；

b)处理漏警，即，当MainFeature>=Th时：

If Energy<=T1

MainFeature=EdgeWidthHist(N4-1)；

c)处理虚警；即，当MainFeature<Th时：

If T2<Energy<=T3

MainFeature=EdgeWidthHist(N4+1)；

           Elseif T3<Energy<=T4

MainFeature=EdgeWidthHist(N4+2)；

Elseif T4<Energy

MainFeature=EdgeWidthHist(N4+3)；

     其中，Energy的阈值：T2<T3<T4；

上述EdgeWidthHist(N)，表示边缘宽度累积直方图EdgeWidthHist的第N个分量的值；对不同类图像分级修正MainFeature中用到的阈值T1~T4因图像分类的不同而不同。