CN102842120A - 基于超复数小波相位测量的图像模糊程度检测方法 - Google Patents
基于超复数小波相位测量的图像模糊程度检测方法 Download PDFInfo
- Publication number
- CN102842120A CN102842120A CN2012102995528A CN201210299552A CN102842120A CN 102842120 A CN102842120 A CN 102842120A CN 2012102995528 A CN2012102995528 A CN 2012102995528A CN 201210299552 A CN201210299552 A CN 201210299552A CN 102842120 A CN102842120 A CN 102842120A
- Authority
- CN
- China
- Prior art keywords
- supercomplex
- coefficient
- wavelet
- image
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
基于超复数小波相位测量的图像模糊程度检测方法,涉及一种图像处理领域的图像清晰度判别方法。为了克服现有方法检测范围较窄的不足,本发明的图像模糊程度检测方法包括如下步骤:一、对噪声图像进行超复数小波变换,得到超复数小波系数;二、将实部-虚部表示的超复数小波系数转换为幅值-相位表示形式;三、统计相位系数的分布特性,计算分布方差。本发明利用方差来描述超复数小波相位系数的分布特征,有效地描述了清晰和模糊图像之间的纹理变化,能够实现不同图像之间模糊程度的检测。
Description
技术领域
本发明涉及一种图像处理领域的图像清晰度判别方法,具体涉及一种基于超复数小波相位测量的图像模糊程度检测方法。
背景技术
图像清晰度/模糊检测因为其多样的视觉应用,而受到广泛的关注,比如数字显微成像的自动对焦、遥感图像分析、多焦点图像的自适应融合等等。从大量的含有不同模糊程度的图像中自动的选择出具有高清晰度的图像,可以帮助研究者对于进一步的图像分析减少很大的工作量。由于不同的景深,很难在一幅图像中对每一个物体实现聚焦,所以我们可以为多焦点图像判断聚焦区域,并对他们的清晰区域进行融合,得到更好视觉效果的图像。这些都需要稳定的图像模糊度算子。
已经有一些文章研究图像模糊度算子或者相似的概念,如模糊检测、聚焦测量等。大多数算子,包括方差、图像梯度、RMSE、PSNR等,均假设图像的高频成分被点扩散函数衰减了。但是,这些准则函数忽略了噪声的影响,噪声可以导致图像高频成分的变化,但是不影响图像整体清晰度。Tian J. and Chen J.发现模糊图像的小波系数分布的宽度要比清晰图像的窄,这个特点促使他们使用具有局部自适应性的Laplacian混合模型对小波系数的边缘分布进行建模。所有上述提到的算子都和图像内容本身相关,例如,对于具有同样模糊程度的不同图像,这些算子计算出的结果是不同的。
超复数小波变换(Hypercomplex Wavelet Transform,HWT),作为一种新的图像分析工具,相比于离散小波变换,具有优越的性质,比如系数近似移不变,相位系数提供了更丰富的图像纹理信息等。1999年,Bülow在他的博士论文中第一次构建了二维解析信号,将超复数傅里叶变换的概念延伸到超复数Gabor变换,是HWT的前身,并将其用于差异估计和纹理分割。Chan W.等人在2008年使用二维希尔伯特变换(Hilbert Transform,HT)和解析信号的概念将双树复小波的概念延伸到超复数域,并应用到差异估计。HWT提供了四元数表示的子带,它的系数可以通过代数运算转换为一个幅值和三个相位的形式——其幅值具有近似移不变特性,三个二维相位包含了描述局部二维结构的几何信息。
因为HWT相位系数具有纹理表示能力,所以统计超复数小波相位系数分布为模糊程度的检测提供了一种新的途径。
发明内容
本发明的目的在于克服现有方法检测范围较窄的不足,提供一种基于超复数小波变换(Hypercomplex Wavelet Transform,HWT)相位测量的图像模糊度检测方法。它能发挥超复数小波相位纹理表示的能力,建立起不同的模糊程度和相位系数的分布之间的对应关系,从而达到拓宽图像模糊程度的检测范围。
本发明的目的是通过以下技术方案实现的:
对模糊图像进行HWT,将得到的小波系数转换为幅值-相位的表示形式,计算相位系数的分布统计特性,用于检测图像模糊度。
本发明的流程图如图1所示,具体步骤如下:
步骤一:对噪声图像进行HWT,得到超复数小波系数。本步骤将图像进行高维的多分辨率分解,能够挖掘图像的内在几何结构,可以有效的抑制噪声,保留图像边缘。
;
步骤二:将实部-虚部表示的超复数小波系数转换为幅值-相位表示形式,相位可以表示出图像的纹理信息,这样在处理幅值系数时,受到噪声较小影响的图像纹理信息可以得到充分的保留。
由超复数小波与图像卷积得到的超复数小波系数可以表示为:
根据超复数代数的计算规则,公式(6)可以转换为如下形式:
其中:
步骤三:统计相位系数的分布,计算分布方差。
统计相位系数的分布,将超复数小波相位系数在其最小值和最大值的区间内,以0.01系数变化为小区间,统计每一个小区间超复数小波系数的个数,图像像素总个数已知,进而得到分布的概率。
图2-图9所示为相位系数分布直方图,经过7*7窗口高斯模糊后的图像要比清晰图像的窄,因为模糊图像的像素强度呈现一致性,而纹理信息的高频被削弱了。因此,需要一个算子来描述和图像清晰度直接相关的分布直方图形状。方差控制着高斯分布的宽度,本发明利用方差的概念来描述图像模糊程度的形状参数。图像模糊度算子定义为:
本发明利用方差来描述超复数小波相位系数的分布特征,有效地描述了清晰和模糊图像之间的纹理变化,能够实现不同图像之间模糊程度的检测。与现有技术相比具有如下优点:
1)本发明所提出的图像模糊度检测方法利用超复数小波变换,与基于小波变换的方法相比,具有测量稳定性,更宽的检测范围。
2)本发明引入超复数小波变换进行图像去噪,在超复数小波域中,本发明提出相位高频信息测量方法,与其他方法相比,具有较低的复杂度和测量一致性,模糊度计算结果和图像本身无关,对于不同图像相同模糊程度的图像具有近似的计算结果。
附图说明
图1为基于超复数小波相位测量的图像模糊度检测方法流程图;
图3为相位表示的清晰图像的超复数小波水平分量系数;
图10为清晰图像;
图11为图10模糊后的图像;
图12为图10经过不同程度模糊后的计算结果;
图13为测试图像一;
图14为测试图像二;
图15为测试图像三;
图16为测试图像四;
图17为测试图像五;
图18为测试图像六;
图19为测试图像七;
图20为测试图像八;
图21为测试图像九;
图22为测试图像十;
图23为十幅测试图像不同模糊程度的计算结果。
具体实施方式
下面通过标准测试图像仿真实例阐述本发明的具体实施方式:
执行步骤一:对清晰图像和其模糊后的图像进行HWT,得到实部-虚部表示的超复数小波系数。
以图10-11为例,图像分辨率为256*256,模糊图像是对清晰图像做高斯模板卷积的结果。
执行步骤二:将步骤一得到的实部-虚部表示的超复数小波系数图像转换为幅值-相位表示形式。
图10-11对应的应用于模糊度检测的相位分量见图2-9。
执行步骤三:统计相位系数的分布特性,计算分布方差。
因为超复数小波幅值-相位表示的相位分量,具有纹理表示的能力,模糊图像的纹理会受到影响,所以本发明的图10-11所示的两幅图像归一化后的计算结果分别为1和0.5335。图12为经过不同大小的模板模糊后的图像的计算结果,横坐标为模板大小,纵坐标为方差计算结果,可以看出随着模糊程度的增加,计算结果变小,本发明的方法可以有效区分出不同模糊程度的图像。
图13-22为10幅测试图像,经过同样程度的模糊后利用本发明的方法进行模糊度测量,可以得到图23的计算结果。在模板大小不大于9的时候,对于同样模糊程度的不同图像之间具有相似的计算结果;不同模糊程度不同图像之间,也可以通过计算结果区分图像不同的模糊程度。
Claims (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210299552.8A CN102842120B (zh) | 2012-08-22 | 2012-08-22 | 基于超复数小波相位测量的图像模糊程度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210299552.8A CN102842120B (zh) | 2012-08-22 | 2012-08-22 | 基于超复数小波相位测量的图像模糊程度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102842120A true CN102842120A (zh) | 2012-12-26 |
CN102842120B CN102842120B (zh) | 2015-04-01 |
Family
ID=47369446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210299552.8A Active CN102842120B (zh) | 2012-08-22 | 2012-08-22 | 基于超复数小波相位测量的图像模糊程度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102842120B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106647A (zh) * | 2013-03-06 | 2013-05-15 | 哈尔滨工业大学 | 基于四元数小波和区域分割的多焦点图像融合方法 |
CN103353985A (zh) * | 2013-03-27 | 2013-10-16 | 西华大学 | 一种图像高斯模糊的测度方法 |
CN104637046A (zh) * | 2013-11-13 | 2015-05-20 | 索尼公司 | 图像检测方法和装置 |
CN105118057A (zh) * | 2015-08-18 | 2015-12-02 | 江南大学 | 基于四元数小波变换幅值与相位的图像清晰度评价方法 |
CN106485703A (zh) * | 2016-09-30 | 2017-03-08 | 杭州电子科技大学 | 基于图像梯度dct变换的模糊检测方法 |
CN106504221A (zh) * | 2016-10-13 | 2017-03-15 | 江南大学 | 基于四元数小波变换上下文结构的医学图像融合新方法 |
CN106934804A (zh) * | 2017-03-13 | 2017-07-07 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN111860057A (zh) * | 2019-04-29 | 2020-10-30 | 北京眼神智能科技有限公司 | 人脸图像模糊和活体检测方法、装置、存储介质及设备 |
CN116847209A (zh) * | 2023-08-29 | 2023-10-03 | 中国测绘科学研究院 | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980286A (zh) * | 2010-11-12 | 2011-02-23 | 西安电子科技大学 | 结合双树复小波与双变量模型的sar图像降斑方法 |
WO2012066568A1 (en) * | 2010-11-15 | 2012-05-24 | Indian Institute Of Technology | An improved ultrasound imaging method/technique for speckle reduction/suppression in an improved ultra sound imaging system |
-
2012
- 2012-08-22 CN CN201210299552.8A patent/CN102842120B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980286A (zh) * | 2010-11-12 | 2011-02-23 | 西安电子科技大学 | 结合双树复小波与双变量模型的sar图像降斑方法 |
WO2012066568A1 (en) * | 2010-11-15 | 2012-05-24 | Indian Institute Of Technology | An improved ultrasound imaging method/technique for speckle reduction/suppression in an improved ultra sound imaging system |
Non-Patent Citations (2)
Title |
---|
EDUARDO BAYRO-CORROCHANO: "Multi-resolution image analysis using the quaternion wavelet transform", 《NUMERICAL ALGORITHMS》 * |
PING YANG ET AL.: "19-element sensor-less adaptive optical system based on modified hill-climbing and genetic Algorithms", 《PROC. OF SPIE》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106647B (zh) * | 2013-03-06 | 2015-08-19 | 哈尔滨工业大学 | 基于四元数小波和区域分割的多焦点图像融合方法 |
CN103106647A (zh) * | 2013-03-06 | 2013-05-15 | 哈尔滨工业大学 | 基于四元数小波和区域分割的多焦点图像融合方法 |
CN103353985A (zh) * | 2013-03-27 | 2013-10-16 | 西华大学 | 一种图像高斯模糊的测度方法 |
CN103353985B (zh) * | 2013-03-27 | 2016-05-25 | 西华大学 | 一种图像高斯模糊的测度方法 |
CN104637046B (zh) * | 2013-11-13 | 2020-03-13 | 索尼公司 | 图像检测方法和装置 |
CN104637046A (zh) * | 2013-11-13 | 2015-05-20 | 索尼公司 | 图像检测方法和装置 |
CN105118057A (zh) * | 2015-08-18 | 2015-12-02 | 江南大学 | 基于四元数小波变换幅值与相位的图像清晰度评价方法 |
CN106485703B (zh) * | 2016-09-30 | 2019-05-21 | 杭州电子科技大学 | 基于图像梯度dct变换的模糊检测方法 |
CN106485703A (zh) * | 2016-09-30 | 2017-03-08 | 杭州电子科技大学 | 基于图像梯度dct变换的模糊检测方法 |
CN106504221A (zh) * | 2016-10-13 | 2017-03-15 | 江南大学 | 基于四元数小波变换上下文结构的医学图像融合新方法 |
CN106504221B (zh) * | 2016-10-13 | 2019-01-25 | 江南大学 | 基于四元数小波变换上下文结构的医学图像融合方法 |
CN106934804A (zh) * | 2017-03-13 | 2017-07-07 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN106934804B (zh) * | 2017-03-13 | 2019-12-13 | 重庆贝奥新视野医疗设备有限公司 | 图像清晰度检测方法及装置 |
CN111860057A (zh) * | 2019-04-29 | 2020-10-30 | 北京眼神智能科技有限公司 | 人脸图像模糊和活体检测方法、装置、存储介质及设备 |
CN116847209A (zh) * | 2023-08-29 | 2023-10-03 | 中国测绘科学研究院 | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及*** |
CN116847209B (zh) * | 2023-08-29 | 2023-11-03 | 中国测绘科学研究院 | 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN102842120B (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102842120A (zh) | 基于超复数小波相位测量的图像模糊程度检测方法 | |
CN111062973B (zh) | 基于目标特征敏感性和深度学习的车辆跟踪方法 | |
CN104835175B (zh) | 一种基于视觉注意机制的核环境中目标检测方法 | |
Huijuan et al. | Fast image matching based-on improved SURF algorithm | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN104966085B (zh) | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测*** | |
Espinal et al. | Wavelet-based fractal signature analysis for automatic target recognition | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
CN109214439A (zh) | 一种基于多特征融合的红外图像结冰河流检测方法 | |
CN105809173B (zh) | 一种基于仿生物视觉变换的图像rstn不变属性特征提取及识别方法 | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN108550145A (zh) | 一种sar图像质量评估方法和装置 | |
CN104021567B (zh) | 基于首数字定律的图像高斯模糊篡改检测方法 | |
CN106682678A (zh) | 一种基于支撑域的图像角点检测和分类方法 | |
CN105488541A (zh) | 增强现实***中基于机器学习的自然特征点识别方法 | |
CN105550694A (zh) | 一种度量人脸图像模糊程度的方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN104217430B (zh) | 基于l1正则化的图像显著性检测方法 | |
CN104637060B (zh) | 一种基于邻域主成分分析-拉普拉斯的图像分割方法 | |
Jia et al. | Fabric defect inspection based on lattice segmentation and lattice templates | |
Hu et al. | On the use of joint sparse representation for image fusion quality evaluation and analysis | |
Lijun et al. | Geo‐information mapping improves Canny edge detection method | |
CN103295238B (zh) | 安卓平台上基于roi运动检测的视频实时定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200326 Address after: 150001 No. 118 West straight street, Nangang District, Heilongjiang, Harbin Patentee after: Harbin University of technology high tech Development Corporation Address before: 150000 Harbin, Nangang, West District, large straight street, No. 92 Patentee before: HARBIN INSTITUTE OF TECHNOLOGY |