[发明专利]一种基于显著性检测的图像模糊检测方法

权利要求书

1.一种基于显著性检测的图像模糊检测方法，其特征在于，包括以下步骤：

10.收集样本图像，对每个样本图像进行显著性检测以获取样本图像中最显著区域，并对所述样本图像的最显著区域的RGB三个通道分别进行快速傅里叶变换，得到变换后的复数数据；

20.对所述的复数数据进行尺寸缩小处理，并用尺寸缩小后的复数数据构建新图像，得到缩小图像；

30.将所述的新构建的缩小图像作为卷积神经网络的输入图像，进行清晰-模糊图像分类训练，得到模糊检测模型；

40.获取待检测图像，对待检测图像进行显著性检测以获取待检测图像中最显著区域，并对所述待检测图像的最显著区域的RGB三个通道进行快速傅里叶变换，对变换得到的复数数据进行尺寸缩小处理，并用尺寸缩小后的复数数据构建新的待检测图像，然后采用所述模糊检测模型对所述的新构建的待检测图像进行清晰-模糊图像的判别。

2.根据权利要求1所述的一种基于显著性检测的图像模糊检测方法，其特征在于：所述的显著性检测进一步包括：

a.提取图像特征：采用高斯滤波器对样本图像或待检测图像进行滤波和采样，形成以所述的样本图像或待检测图像为底层的高斯金字塔模型；然后对高斯金字塔模型中的每一层分别提取各种图像特征，形成特征金字塔模型；再根据该特征金字塔模型进行计算得到所述的样本图像或待检测图像的特征图；

b.生成显著图：把每一个所述的特征图归一化处理，并将各个归一化处理后的特征图进行综合计算，得到对应于所述的样本图像或待检测图像的显著图。

3.根据权利要求2所述的一种基于显著性检测的图像模糊检测方法，其特征在于：所述的显著图中采用白色和黑色对其进行标记以获取图像的显著性区域，其中，白色表示图像中显著的区域，黑色表示图像中不显著的区域。

4.根据权利要求3所述的一种基于显著性检测的图像模糊检测方法，其特征在于：还包括计算显著性检测后的显著性区域里的最大矩形区域，主要通过标记法对所述显著图进行连通区域的计算和提取，从而得到最大矩形区域。

5.根据权利要求4所述的一种基于显著性检测的图像模糊检测方法，其特征在于：所述的标记法进一步包括：

b1.初始标记值记为1；

b2.对所述显著图进行逐行扫描，找到一个未标记区域的颜色为白色的像素点，标记该像素点的标记值为1；

b3.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素点且未被标记的标记值为当前标记值，同时将新增的标记像素点记录下来作为区域增长的种子点；

b4.在后续的标记像素点过程中，不断从记录种子点的数组中取出一个种子，实施上述的操作，如此循环，直到记录种子点的数组为空；

b5.若一个连通区域标记结束，则标记值+1，并遍历下一个连通区域，直到所有像素点被标记为止；

b6.获取每个标记值的最大区域，并将每个标记值为1的白色区域连接起来，然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域。

6.根据权利要求1所述的一种基于显著性检测的图像模糊检测方法，其特征在于：所述的步骤40中采用所述模糊检测模型对所述的新构建的待检测图像进行清晰-模糊图像的判别，主要是将转换后构建的新的待检测图像块放入卷积神经网络系统中，然后根据所述的模糊检测模型进行计算该新构建的待检测图像为清晰图像或模糊图像的概率，并选择概率较大的图像类型作为所述的待检测图像的清晰-模糊类型。