CN105550694B - 一种度量人脸图像模糊程度的方法 - Google Patents

一种度量人脸图像模糊程度的方法 Download PDF

Info

Publication number
CN105550694B
CN105550694B CN201510867701.XA CN201510867701A CN105550694B CN 105550694 B CN105550694 B CN 105550694B CN 201510867701 A CN201510867701 A CN 201510867701A CN 105550694 B CN105550694 B CN 105550694B
Authority
CN
China
Prior art keywords
face image
image
energy spectrum
gaussian
frequency spectrum
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.)
Active
Application number
CN201510867701.XA
Other languages
English (en)
Other versions
CN105550694A (zh
Inventor
卢磊
胡燕彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Ruiwei Information Technology Co ltd
Original Assignee
Xiamen Ruiwei Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Ruiwei Information Technology Co ltd filed Critical Xiamen Ruiwei Information Technology Co ltd
Priority to CN201510867701.XA priority Critical patent/CN105550694B/zh
Publication of CN105550694A publication Critical patent/CN105550694A/zh
Application granted granted Critical
Publication of CN105550694B publication Critical patent/CN105550694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种度量人脸图像模糊程度的方法，包括以下步骤：10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。本发明能够准确度量在变化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像，提高人脸识别的准确率。

Description

一种度量人脸图像模糊程度的方法
技术领域
本发明涉及图像通信技术领域，特别是一种度量人脸图像模糊程度的方法。
背景技术
人脸识别技术已经逐渐深入大众生活中，人脸识别系统中依据人脸图像的模糊度进行选择、识别是其重要特点之一，当前国内外判断图像模糊程度的方法比较多，但是专门针对人脸图像进行模糊判断的方法较少，现有的图像模糊判断方法主要有基于边缘梯度信息的方法和基于频域信息的方法。
图像的模糊程度与其边缘锐度有关，图像的边缘锐度高，说明该图像清晰，图像的边缘锐度低，则说明图像比较模糊，因此图像的模糊检测可以通过检测图像的边缘锐度来进行。基于边缘梯度信息的度量方法流程如下：首先使用边缘检测算子查找出人脸图像的边缘像素点，然后设定一个边缘渐变阈值，在边缘像素点联通区域附近计算梯度小于渐变阈值的像素点数量，满足该条件的像素点数量越多，说明图像边缘渐变越缓慢，图像越模糊，反之，满足该条件的像素点越少，则说明图像越清晰。但是该方法依赖于图像的边缘信息，在视频应用场景中，由于人脸一直在运动，人脸区域的背景一直在变化，人脸区域的图像边缘信息也在变化，当多张人脸图片中包含的边缘信息变化比较大时，这些图片之间的人脸模糊度就没有可比性，此时，基于边缘梯度信息的图像模糊度检测方法也就失去了作用。
根据信号处理的原理，信号的高频信息越多，则说明信号的噪音越多、信号变化越频繁。从图像上看，图像的高频部分的信息越多，说明图像的边缘信息越多，锐度越高；反之，图像中高频部分的信息越少，说明图像锐度越低、越模糊。基于频域的图像模糊度检测方法就是根据上述原料，使用傅里叶变换算法将图像从空域转换到频域，再计算图像中高频能量占所有能量的比率，占比越高，则说明图像锐度越高，占比越低，则说明图像越模糊。如图2所示，图中包含两张人脸图像和这两张人脸图像的频谱能量图，频谱能量图中心位置的信号表示直流信号，四周的信号表示高频信号，从图中可以看到，越模糊的图像，高频信号越多。然而该方法主要依赖于图像的频域信息，因此碰到的问题也和基于边缘梯度信息的方法类似，当多张人脸图像中包含的边缘信息变化比较大时，相同清晰度的图像之间的高频信息变化也比较大，此时，基于频域信息的图像模糊度检测方法也失去了作用。
发明内容
本发明为解决上述问题，提供了一种度量人脸图像模糊程度的方法，以度量在变化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像，提高人脸识别的准确率。
为实现上述目的，本发明采用的技术方案为：
如图1所示本发明揭示的一种度量人脸图像模糊程度的方法，包括以下步骤：
10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；
20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；
30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；
40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，参照图3所示，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。
所述步骤10具体为：将原始人脸图像P转为成灰度图像，然后对灰度图像进行高斯模糊运算。
所述高斯模糊运算采用3×3的高斯模糊算子，且进行两次一维的高斯运算，高斯模糊运算公式为：
Figure BDA0000864208850000031
Figure BDA0000864208850000032
式中，f(x)表示沿着图像x坐标的每一行都进行的一维高斯运算的结果，g(x)表示沿着图像y坐标的每一行都进行的第二次一维高斯运算的结果。
所述步骤20通过快速傅里叶变换，获得频谱信息，具体计算方法为：
Figure BDA0000864208850000033
所述能量谱和为各个频谱的能量和。
所述步骤40具体为：先计算能量谱和H与能量谱和H’的差值和D，对差值和D取对数获得人脸图像的高斯模糊影响因子X。
本发明的有益效果是：本发明通过高斯模糊影响因子来度量人脸图像的模糊程度，在监控视频场景进行测试，计算连续视频序列中连续的多张人脸图像的高斯模糊影响因子，计算结果显示图像越模糊，高斯模糊影响因子越小，因此采用高斯模糊影响因子作为人脸图像模糊度的度量值，该度量值可以应用在人脸识别、人脸年龄性别分析、人脸表情分析等领域，以及在视频序列中获得同一人连续多张的人脸图像中选择最清晰的人脸图像进行图像识别和分析，提升识别和分析的准确率。
附图说明
图1是本发明的流程简图；
图2是清晰人脸图像与模糊人脸图像进行傅里叶变换的对比图；
图3采用本发明一种度量人脸图像模糊程度的方法进行人脸模糊度分析实验的对照图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明揭示的一种度量人脸图像模糊程度的方法，其包括以下步骤：
10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；
20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；
30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；其中所述能量谱和为各个频谱的能量和；
40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。
所述步骤10具体为：将原始人脸图像P转为成灰度图像，然后对灰度图像进行高斯模糊运算。
所述高斯模糊运算采用3×3的高斯模糊算子，且进行两次一维的高斯运算，高斯模糊运算公式为：
Figure BDA0000864208850000051
Figure BDA0000864208850000052
式中，f(x)表示沿着图像x坐标的每一行都进行的一维高斯运算的结果，g(x)表示沿着图像y坐标的每一行都进行的第二次一维高斯运算的结果。
传统的傅里叶变换计算方法为：
Figure BDA0000864208850000053
通过分解为奇偶两部分公式，可以发现奇偶两个公式的形式一样。
因此，本实施例步骤20通过快速傅里叶变换，获得频谱信息，具体计算方法为：
Figure BDA0000864208850000061
只进行一次计算， 计算量相当于以前的一半，不停的往下进行分解，计算复杂度可以从O(n^2)下降到O(Nlog (N))，计算量成倍减少。
所述步骤40具体为：先计算能量谱和H与能量谱和H’的差值和D，对差值和D取对数获得人脸图像的高斯模糊影响因子X。根据大量数据的测评对比及观察，我们发现随着图像模糊程度的提升，原始图像与模糊图像之间频谱分量的能量值的差值的和呈指数减少的趋势，因此需要将该结果做对数运算，最后得到的人脸图像的高斯模糊影响因子X与模糊程度变化趋势最为吻合，度量结果最准确。
本发明通过高斯模糊影响因子来度量人脸图像的模糊程度，在监控视频场景进行测试，计算连续视频序列中连续的多张人脸图像的高斯模糊影响因子，计算结果显示图像越模糊，高斯模糊影响因子越小，因此采用高斯模糊影响因子作为人脸图像模糊度的度量值，该度量值可以应用在人脸识别、人脸年龄性别分析、人脸表情分析等领域，以及在视频序列中获得同一人连续多张的人脸图像中选择最清晰的人脸图像进行图像识别和分析，提升识别和分析的准确率。
上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (4)

1.一种度量人脸图像模糊程度的方法，其特征在于，包括以下步骤：
10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；
20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；
30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；
所述能量谱和为各个频谱的能量和；
40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊；
所述高斯模糊运算采用3×3的高斯模糊算子，且进行两次一维的高斯运算，高斯模糊运算公式为：
Figure 873405DEST_PATH_IMAGE001
式中，f(x)表示沿着图像x坐标的每一行都进行的一维高斯运算的结果，g(x)表示沿着图像y坐标的每一行都进行的第二次一维高斯运算的结果。
2.如权利要求1所述的一种度量人脸图像模糊程度的方法，其特征在于：所述步骤10具体为：将原始人脸图像P转为成灰度图像，然后对灰度图像进行高斯模糊运算。
3.如权利要求1所述的一种度量人脸图像模糊程度的方法，其特征在于：所述步骤20通过快速傅里叶变换，获得频谱信息，具体表达式为：
Figure DEST_PATH_IMAGE002
4.如权利要求1所述的一种度量人脸图像模糊程度的方法，其特征在于：所述步骤40具体为：先计算能量谱和H与能量谱和H’的差值和D，对差值和D取对数获得人脸图像的高斯模糊影响因子X。
CN201510867701.XA 2015-12-01 2015-12-01 一种度量人脸图像模糊程度的方法 Active CN105550694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510867701.XA CN105550694B (zh) 2015-12-01 2015-12-01 一种度量人脸图像模糊程度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510867701.XA CN105550694B (zh) 2015-12-01 2015-12-01 一种度量人脸图像模糊程度的方法

Publications (2)

Publication Number Publication Date
CN105550694A CN105550694A (zh) 2016-05-04
CN105550694B true CN105550694B (zh) 2021-06-22

Family

ID=55829877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510867701.XA Active CN105550694B (zh) 2015-12-01 2015-12-01 一种度量人脸图像模糊程度的方法

Country Status (1)

Country Link
CN (1) CN105550694B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682617B (zh) * 2016-12-28 2019-11-05 电子科技大学 一种基于频谱段信息的图像清晰与模糊判别特征提取方法
CN108875503A (zh) * 2017-11-09 2018-11-23 北京旷视科技有限公司 人脸检测方法、装置、系统、存储介质和抓拍机
CN108764040B (zh) * 2018-04-24 2021-11-23 Oppo广东移动通信有限公司 一种图像检测方法、终端及计算机存储介质
CN110148147B (zh) * 2018-11-07 2024-02-09 腾讯大地通途（北京）科技有限公司 图像检测方法、装置、存储介质和电子装置
CN109350092A (zh) * 2018-12-06 2019-02-19 余姚德诚科技咨询有限公司 发生强度选择平台
CN113554606B (zh) * 2021-07-14 2023-04-18 电子科技大学 一种深度学习的图像分析方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763627A (zh) * 2008-12-12 2010-06-30 新奥特（北京）视频技术有限公司 一种高斯模糊的实现方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101140759B (zh) * 2006-09-08 2010-05-12 华为技术有限公司 语音或音频信号的带宽扩展方法及系统
CN102800082B (zh) * 2012-06-19 2015-04-15 浙江捷尚视觉科技股份有限公司 一种无参考的图像清晰度检测方法
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763627A (zh) * 2008-12-12 2010-06-30 新奥特（北京）视频技术有限公司 一种高斯模糊的实现方法和装置

Also Published As

Publication number Publication date
CN105550694A (zh) 2016-05-04

Similar Documents

Publication Publication Date Title
CN105550694B (zh) 一种度量人脸图像模糊程度的方法
Chandel et al. Image filtering algorithms and techniques: A review
WO2013148566A1 (en) Image blur detection
US11443436B2 (en) Interactive image matting method, computer readable memory medium, and computer device
CN110927706A (zh) 基于卷积神经网络的雷达干扰检测识别方法
EP1383344B1 (en) Measurement of blurring in video sequences
CN104867130B (zh) 一种基于裂纹图像子区灰度均值的自适应分割方法
Khare et al. Moving object segmentation in Daubechies complex wavelet domain
Goyal et al. Two-dimensional gray scale image denoising via morphological operations in NSST domain & bitonic filtering
CN106169173B (zh) 一种图像插值方法
CN108682008A (zh) 一种白细胞图像清晰度评价方法及装置
US10667704B2 (en) Apparatus and method for measuring the quality of an extracted signal
US10332244B2 (en) Methods and apparatuses for estimating an ambiguity of an image
Deshpande et al. A novel modified cepstral based technique for blind estimation of motion blur
Nevriyanto et al. Image enhancement using the image sharpening, contrast enhancement, and Standard Median Filter (Noise Removal) with pixel-based and human visual system-based measurements
CN105809633A (zh) 去除颜色噪声的方法及装置
CN107886518B (zh) 图片检测方法、装置、电子设备及可读取存储介质
WO2019205603A1 (zh) 图像模糊度检测方法、装置、计算机设备及可读存储介质
van Zyl Marais et al. Robust defocus blur identification in the context of blind image quality assessment
Priya et al. Retrospective non-uniform illumination correction techniques in images of tuberculosis
CN107027071B (zh) 一种视频播放的方法和装置
US10152774B2 (en) Method and system for estimating point spread function
CN110210359B (zh) 空间滤波测速技术中速度测量优化方法
CN114693543B (zh) 图像降噪方法及装置、图像处理芯片、图像采集设备
CN110929574A (zh) 一种红外弱小目标快速检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant