[发明专利]基于显著性的图像局部模糊检测方法

摘要

针对清晰的纹理平坦区域由于缺乏高频信息，而容易被误检成模糊区域的问题，本发明提出了一基于显著性的图像局部模糊检测方法：将代表图像变换域特征的奇异值向量，反映图像高频信息的局部极值点与熵加权的池化DCT高频系数(HiFST系数)相结合，这两种类型的特征值相互补充，得到更好的特征向量，将得到的混合特征向量输入到BP神经网络进行训练得到模型后，通过预测得到初步结果，再与图像显著性检测相结合，通过图像的显著性约束得到进一步的检测结果，并通过双边滤波优化边缘信息得到最终的结果。在一个公开的大型数据集上进行的定性定量实验结果表明，本方法具有很好的模糊检测效果。

主权项

1.基于显著性的图像局部模糊检测方法，其特征在于，按如下步骤进行步骤1：输入一张彩色图像；步骤2：对步骤1的结果进行特征向量求解，获得特征向量；步骤3：对步骤2的结果进行BP神经网络训练，获得训练完成的BP神经网络；步骤4：对步骤1的结果使用显著性方法进行检测，获得图像的显著性检测图；步骤5：由步骤3的结果，得到BP预测结果图；步骤6：对步骤1的结果使用超像素分割方法进行分割，得到图像的超像素分割图；步骤7：由步骤4所获得的显著性检测图、步骤5所获得的BP预测结果图和步骤6所获得的超像素分割图，得到检测结果；步骤8：对步骤7获得的检测结果进行双边滤波进行优化，获得最终的检测结果，并输出。