一种基于图像盲去模糊的视频图像模糊度检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106097256A(43)申请公布日2016.11.09(21)申请号201610373160.X(22)申请日2016.05.31(71)申请人南京邮电大学地址210003江苏省南京市新模范马路66号(72)发明人李晓飞刘灿灿韩光(74)专利代理机构南京经纬专利商标代理有限公司32200代理人朱桢荣(51)Int.Cl.G06T5/00(2006.01)G06T7/00(2006.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于图像盲去模糊的视频图像模糊度检测方法(57)摘要本发明公开了一种基于图像盲去模糊的视频图像模糊度检测方法，具体如下：(1)首先，将一帧模糊视频图像经过盲去模糊1方法，得到清晰图像f1。(2)然后将清晰图像f1进行显著性检测并得到显著图。(3)再将显著图进行连通域分割，然后进行连通域标记，在输入模糊图像中标记出与清晰图像的连通域相对应的区域。(4)利用结构相似性指标计算模糊图像与清晰图像各个相应连通区域的结构相似度值，计算加权平均值得到S1。(5)将输入模糊图像经过盲去模糊2方法，得到清晰图像f2。(6)重复步骤(2)到(4)，得到S2。(7)对S1和S2赋予不同的权重，最后得到输入图像的模糊度：Mblur＝ω1S1+ω2S2。本发明使模糊度检测更加准确。CN106097256ACN106097256A权利要求书1/2页1.一种基于图像盲去模糊的视频图像模糊度检测方法，其特征在于，包括以下步骤：步骤一、输入一帧模糊视频图像，进行两种不同类型的图像盲去模糊，分别得到清晰图像f1、f2；步骤二、将清晰图像f1、f2分别进行显著性检测得到显著图，将显著图进行连通域分割，并在清晰图像f1、f2中标记出每个连通区域位置；步骤三、将输入的模糊视频图像与清晰图像f1、f2中连通区域相同位置标记出来；步骤四、分别计算输入的模糊视频图像与清晰图像f1、f2相对应的连通区域的结构相似性值SSIMi、SSIMj；其中，i为整数且1≤i≤N，N为输入图像经第一种类型的图像盲去模糊方法最终得到的连通区域个数，j为整数且1≤j≤M，M为输入图像经第二种类型的图像盲去模糊方法最终得到的连通区域个数；步骤五、计算出所有区域的SSIMi的加权平均值S1、SSIMj的加权平均值S2，并对S1与S2赋予不同的权重作为输入模糊图像的模糊度。2.根据权利要求1所述的一种基于图像盲去模糊的视频图像模糊度检测方法，其特征在于，所述步骤一中第一种类型的图像盲去模糊具体如下：(1)、首先运用基于L1/L2稀疏先验的图像去模糊模型及其算法进行盲模糊核估计；(2)、得到盲模糊核后利用快速非盲去模糊算法进行去模糊,得到清晰图像f1。3.根据权利要求1所述的一种基于图像盲去模糊的视频图像模糊度检测方法，其特征在于，所述步骤一中第二种类型的图像盲去模糊具体如下：(1)、首先运用快速盲去运动模糊算法估计模糊核；(2)、再利用基于超拉普拉斯先验的图像非盲去模糊方法，得到清晰图像f2。4.根据权利要求2所述的一种基于图像盲去模糊的视频图像模糊度检测方法，其特征在于，所述的盲模糊核估计进一步包括：(1)、对输入模糊视频图像x进行求导，得到高频图像y；(2)、利用基于L1/L2正则表达式稀疏先验约束的盲去模糊模型更新f1：其中，k为待估计的盲模糊核，k＝[k1,k2…]，ki为盲模糊核k的分量，ki≥0,∑iki＝1，α、β均为非负数，是f1的导数，是的1范数与2范数的比值；利用交替投影迭代算法更新f1，即优化：(3)、利用无约束迭代重赋权值最小二乘方法更新盲模糊核，即优化：5.根据权利要求3所述的一种基于图像盲去模糊的视频图像模糊度检测方法，其特征在于，所述的模糊核估计进一步包括：(1)、首先利用双边滤波器去除图像中的噪声；(2)、再采用冲击滤波器对图像进行边缘增强，利用有用的边缘信息估计模糊核。6.根据权利要求1所述的一种基于图像盲去模糊的视频图像模糊度检测方法，其特征2CN106097256A权利要求书2/2页在于，所述的显著性检测方法采用GBVS算法得到显著图；所述的连通域分割算法采用8邻域分割算法，然后，将分割得到的二值化连通域图与得到的清晰图像进行卷积得到连通区域图，最后在输入模糊视频图像中标注出与该连通区域图对应的区域位置。7.根据权利要求1所述的一种基于图像盲去模糊的视频图像模糊度检测方法，其特征在于，所述输入模糊图像的模糊度Mblur为：Mblur＝ω1S1+ω2S2，ω1、ω2为不同的权重。3CN106097256A说明书1/5页一种基于图像盲去模糊的视频图像模糊度检测方法技术领域[0001]本发明涉及数字图像处理技术领域，特别是一种基于图像盲去模糊的视频图像