[发明专利]基于方差比特征的图像模糊区域检测与模糊核计算方法

摘要

本发明涉及一种基于方差比特征的图像模糊区域检测与模糊核计算方法，该方法通过训练SVM分类器来对图像的模糊区域与清晰区域进行分类，从而检测出模糊区域，并通过方差比进行模糊核的匹配，来对模糊区域的模糊核进行计算。本发明能实现更好的模糊区域检测和模糊核计算。

主权项

一种基于方差比特征的图像模糊区域检测与模糊核计算方法，该方法通过训练SVM分类器来对图像的模糊区域与清晰区域进行分类，从而检测出模糊区域，并通过方差比进行模糊核的匹配，来对模糊区域的模糊核进行计算，其中，方差比特征的提取按下列步骤进行：1)以x[n]为清晰图像I(n)的梯度，其中x[n]遵循零均值分布2)以f_t为正交滤波器：f_t[n]＝W[n]×exp(‑j<ω_t,n>),t＝1,...,r其中W[n]是窗函数，ω_t代表频率，r是滤波器的数量；3)如果清晰图像I(n)被模糊核k_n模糊，那么以f_t对该模糊图像的梯度图x[n]进行滤波，得到y_t[n]：y_t[n]＝x[n]*(k_n*f_t),t＝1,...,r其中，*代表卷积符号，并且忽略噪声分量；此时，y_t[n]仍符合零均值分布，但方差有所改变，用表示y_t[n]的方差；4)当图像块清晰时，y_t[n]简化为：$y_t\&lsqb;n\&rsqb;=x\&lsqb;n\&rsqb;\&CircleTimes;f_t,t=1,...,r$此时，σ_kt²＝1，y_t[n]的方差等于x[n]的方差，即：${\mathrm{\&sigma;}}_{yi}^2={\mathrm{\&sigma;}}_x^2$5)综上，有以下两种情况：当图像被k_n模糊时，等于与σ_kt²的乘积；当图像清晰时，以此作为区分模糊区域与清晰区域的依据，并提出方差比特征；6)此特征记为z_t：$z_t={\mathrm{\&sigma;}}_{yt}^2/{\mathrm{\&sigma;}}_{kt}^2,t=1,...,r$那么，在图像特定区域R(n)中提取r维向量，得到特征向量z_k(n)：z_k(n)＝[z₁ z₂ … z_r]。