[发明专利]一种基于梯度方向稀疏特征信息识别模糊图像的方法和装置、计算设备及存储介质

说明书

本发明提供了一种能够基于梯度方向稀疏特征信息快速地识别模糊图像的方法和装置、计算设备及存储介质。所述方法包括以下步骤：计算待识别图像在0～360度范围内的梯度方向值；将梯度方向值归一化为0～1；以间隔gap对归一化后的梯度方向值进行量化，即，量化后的梯度方向值范围是0～1/gap；统计量化后的梯度方向值的直方图中的所有的非空点数；将所述非空点数与预定值进行比较；如果所述非空点数小于所述预定值，则判别所述待识别图像为模糊图像，否则判别所述待识别图像为清晰图像。本发明的方法和装置不仅识别速度快，而且准确率高，从而可以有效应用到手机终端。

技术领域

本发明涉及图像识别技术领域，特别涉及一种基于梯度方向稀疏特征信息识别模糊图像的方法和装置、计算设备及存储介质。

背景技术

图像质量客观评价是指通过设计合理的算法使计算机自动精确地预测图像的感知质量。图像质量的评价结果可以为图像处理算法的参数优化、图像处理系统的性能评估和图像处理设备的质量检测提供重要的指标和依据，已成为图像处理领域的研究热点之一。其中，盲图像质量评价(Blind Image QualityAssessment，BIQA)是指在没有参考图像的情况下对任意输入图像的视觉质量进行精确预测。由于在绝大多数的实际应用场景中，测试图像对应的参考图像是无法或难以得到的，因此对于盲图像质量评价的研究至关重要。

通过对现有文献的检索，目前无参考图像质量评价的代表性方法有两种。一种是AnishMittal等人在2012年IEEE Transactions on Image Processing,vol.21(12),pp.4695-4708(2012年IEEE图像处理会刊第21卷12期，4695至4708页)上发表的“No-reference imagequality assessment in the spatial domain(空间域无参考图像质量评价)”一文中提出的用于无参考图像质量评价的自然图像统计特征构建方法(简称为BRISQUE)。该方法直接对多个不同尺度或方位的预处理图像拟合广义高斯分布模型，将模型参数共计36个系数值作为图像自然统计特征，采用支持向量机(SupportVectorMachine,简称SVM)进行模型训练和测试。然而拟合广义高斯分布模型的步骤对输入图像做了过强的假设，不可避免地降低了图像的原始信息量，进而影响了模型的精度。而且，该方法速度慢、需要用到svm分类器导致模型大。

另一种代表性方法是Wufeng Xue等人在2014年IEEE Transactions on ImageProcessing,vol.23(11),pp.4850-4862(2014年IEEE图像处理会刊第23卷11期，4850至4862页)上发表的“Blind Image Quality Assessment Using Joint StatisticsofGradient Magnitude and LaplacianFeatures(使用梯度幅度和拉普拉斯特征的联合统计量进行盲图像质量评估)”一文中提出的联合梯度和拉普拉斯-高斯信号的盲图像质量评价方法。该方法从人类视觉的处理机制出发，首先提取图像的梯度模值和LOG信号，通过对这两种信号进行联合自适应归一化消除高阶冗余性，并且，在此基础上分别计算二者的边缘分布概率直方图和条件分布概率直方图作为图像感知特征。该方法符合人类视觉早期处理过程，并且具有更好的区分自然图像与非自然图像的能力。然而，该方法同样地速度慢，且需要用到svm分类器导致模型大。

发明内容

为了克服现有技术中的一个或多个缺陷，本发明提供一种能够基于梯度方向稀疏特征信息快速地识别模糊图像的方法和装置、计算设备及存储介质，以便于在人脸检测前剔除模糊图像，提高人脸识别率。