CN107240092A - 一种图像模糊度检测方法及装置 - Google Patents
一种图像模糊度检测方法及装置 Download PDFInfo
- Publication number
- CN107240092A CN107240092A CN201710314214.XA CN201710314214A CN107240092A CN 107240092 A CN107240092 A CN 107240092A CN 201710314214 A CN201710314214 A CN 201710314214A CN 107240092 A CN107240092 A CN 107240092A
- Authority
- CN
- China
- Prior art keywords
- frequency range
- image block
- kth
- evaluation function
- function value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种图像模糊度检测方法及装置,该方法包括:将当前帧图像切割成n个图像块;针对任一图像块,获取图像块分别在P个频段的清晰度评价函数值以及每个图像块的亮度权重值;其中P为大于或等于3的正整数;根据图像块在p个频段中两两邻近的频段的清晰度评价函数值,确定图像块在频段间融合的清晰度评价函数值;根据每一图像块在频段间融合的清晰度评价函数值和每一图像块的亮度权重值,确定当前帧图像的模糊度估计值。通过对当前帧图像进行频域滤波和融合,可以降低噪声对图像块细节的干扰,进一步将融合后的每个图像块的细节放大,进行图像模糊度判断,可提高了在低照度场景中图像模糊度判断的正确率。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种图像模糊度检测方法及装置。
背景技术
在安全理念越来越重要的今天,安防监控系统的重要性也日益凸现,特别是一些比较敏感的场所,如银行、监狱、公路等,出于安全和管理的需要,人们需要知道这些场所发生的事件,对这些场所进行监控。出于对这些特殊场所的监控需求,人们要求监控的画面保证清晰,才能实时监控这些场景的突发事件,在实际监控环境中,由于人为或设备本身原因,可能会导致监控画面模糊,而模糊的图像会给人眼视觉带来很大的困扰,同时也丢失了大量的细节信息,从而导致人们无法从监控画面中获取有用的信息,丧失了监控的意义。这就需要进行图像模糊监测(也称虚焦侦测)来提醒用户画面已经模糊,需要进行焦距调节,保证了监控画面清晰。同时,虚焦侦测还能联动报警,防止有人恶意将监控相机画面调模糊,进行犯罪,并且虚焦侦测还能指导自动聚集,防止自动聚集过程中陷入局部峰值,导致聚焦失败。
现有的图像模糊检测方法大体上可以分成两类:一类给出整幅图像的模糊程度估计,另一类则将图像划分为若干个区域,对各个区域分别给出模糊程度的估计,但大都计算方法比较复杂,运算量较大,处理速度慢,无法做到实时处理。图像模糊检测还受噪声和低照度影响较大,在低照度、噪声较大的场景下,很容易将图像判断为模糊,产生误报。
综上,现有技术中存在着在低照度、噪声较大的场景下图像模糊检测准确率较低的技术问题。
发明内容
本发明实施例提供一种图像模糊度检测方法及装置,用以解决现有技术中存在的在低照度、噪声较大的场景下图像模糊检测准确率较低的技术问题。
本发明实施例提供一种图像模糊度检测方法,该方法包括:
将当前帧图像切割成n个图像块;
针对任一所述图像块,获取所述图像块分别在P个频段的清晰度评价函数值以及每个所述图像块的亮度权重值;其中P为大于或等于3的正整数;
根据所述图像块在所述p个频段中两两邻近的频段的清晰度评价函数值,确定所述图像块在频段间融合的清晰度评价函数值;
根据每一所述图像块在频段间融合的清晰度评价函数值和每一所述图像块的亮度权重值,确定所述当前帧图像的模糊度估计值。
本发明实施例提供一种图像模糊度检测装置,该装置包括:
预处理单元,用于将当前帧图像切割成n个图像块;并针对任一所述图像块,获取所述图像块分别在P个频段的清晰度评价函数值以及每个所述图像块的亮度权重值,其中P为大于或等于3的正整数;
融合单元,用于根据所述图像块在所述p个频段中两两邻近的频段的清晰度评价函数值,确定所述图像块在频段间融合的清晰度评价函数值;
模糊度估算单元,用于根据每一所述图像块在频段间融合的清晰度评价函数值和每一所述图像块的亮度权重值,确定所述当前帧图像的模糊度估计值。
上述实施例中,噪声干扰和亮度是影响图像清晰度的主要因素,本发明通过对当前帧图像进行不同频段的清晰度评价函数的滤波和两两邻近的频段间的清晰度评价函数值的融合,可以降低低照度下噪声干扰对当前帧图像中真实图像细节的干扰,进一步根据每个图像块的亮度权重值,可以将融合后的每个图像块的细节进一步放大,然后进行图像模糊度判断,可提高在低照度场景中图像模糊度判断的正确率。
附图说明
图1为本发明实施例提供的一种图像模糊度检测方法的方法流程图;
图2为本发明实施例提供的一种图像模糊度检测方法的方法流程图;
图3为本发明实施例提供的一种对n个图像块进行不同频段的滤波处理的方法示意图;
图4为本发明实施例提供的一种确定任一个图像块在第一频段与第二频段间的融合权重的方法流程示意图;
图5为本发明实施例提供的一种确定第j个图像块在第一频段与第二频段间的细节融合权重的方法流程示意图;
图6为本发明实施例提供的一种确定第j个图像块在第一频段与第二频段间的波动性融合权重的方法流程示意图;
图7为本发明实施例提供的一种确定第m帧图像的全局模糊度的估计值得方法流程示意图;
图8为本发明实施例提供的一种图像模糊度检测装置的结构示意图。
具体实施方式
本发明实施例提供一种图像模糊度检测方法,如图1所示,其方法流程主要包括:
步骤101,将当前帧图像切割成n个图像块;
步骤102,针对任一图像块,获取图像块分别在P个频段的清晰度评价函数值以及每个图像块的亮度权重值;其中P为大于或等于3的正整数;
步骤103,针对任一图像块,根据图像块在p个频段中两两邻近的频段的清晰度评价函数值,确定图像块在频段间融合的清晰度评价函数值;
步骤104,根据每一图像块在频段间融合的清晰度评价函数值和每一图像块的亮度权重值,确定当前帧图像的模糊度估计值。
上述方法流程中,噪声干扰和亮度是影响图像清晰度的主要因素,本发明通过对当前帧图像进行不同频段的清晰度评价函数的滤波和两两邻近的频段间的清晰度评价函数值的融合,可以降低低照度下噪声干扰对当前帧图像中真实图像细节的干扰,进一步根据每个图像块的亮度权重值,可以将融合后的每个图像块的细节进一步放大,然后进行图像模糊度判断,可提高在低照度场景中图像模糊度判断的正确率。
上述步骤101中,当前帧图像可以按照分割成M行N列的方式,分割成M*N个图像块。
上述步骤102中,所选取的P个频段需满足的条件是:图像在P个频段的细节分布和波动性分布有明显的区别。在细节和波动性检测实验中,图像在一些高频段主要分布有大边缘和大细节,在一些中频段主要分布有小细节、小边缘和小噪声,在另一些低频频段分布的细节呈现平坦化。
可选的,所选取的P个频段中两两频段相互邻近,例如,P为3时,P个频段为第一频段、第二频段和第三频段,第一频段与第二频段邻近,第二频段与第三频段邻近。比如,第一频段为高频频段,第二频段为中频频段,第三频段为低频频段,第一频段、第二频段和第三频段两两之间可以连续,也可以两两之间间隔频段。
可选的步骤102中,通过对每个图像块进行P个频段的滤波处理,可以获取每个图像块分别在P个频段的清晰度评价函数值。对n个图像块依次经过第一频段的滤波处理,得到n个图像块分别在第一频段的清晰度评价函数值;对n个图像块依次经过第二频段的滤波处理,得到n个图像块分别在第二频段的清晰度评价函数值;对n个图像块依次经过第三频段内的滤波处理,得到n个图像块分别在第三频段的清晰度评价函数值。
可选的,可在设备中增加3个滤波器,每个滤波器中设置有清晰度滤波评价函数,清晰度滤波函数可设置滤波系数和进行滤波的频段。这3个滤波器中的清晰度滤波评价函数可以相同,但对所设置的不同滤波系数、不同频段的响应不同。这3个滤波器中的清晰度滤波评价函数也可以是不同的函数,其对设置的不同滤波系数、不同频段也有不同的响应。
可选的,也可只采用一个通用滤波器进行不同频段的滤波,通用滤波器中设置清晰度滤波评价函数,对n个图像块进行高频段滤波处理时,设置高频段和对应的滤波系数,对n个图像块进行中频段滤波处理时,设置中频段和对应的滤波系数,对n个图像块进行低频段滤波处理时,设置低频段和对应的滤波系数,其中,高频滤波器能够过滤出图像的大边缘细节,中频滤波器能够过滤出图像的小边缘,小细节;低频滤波器能过滤出图像的平坦区域。
需要说明的是,但是这个通用滤波器的性能参数需要满足图像的帧率,如1秒内传输25帧图像,即这个通用滤波器需要在两帧图像切换的时间之内完成对n个图像块依次进行各个频段的滤波。
步骤102中,获取每个图像块的亮度权重值,包括:将每个图像块依次输入到亮度累加器,亮度累加器对每个图像块包含的所有像素的亮度值进行累加,得到每个图像块的亮度值,然后将每个图像块的亮度值与标准亮度区间比较,得到每个图像块的亮度权重值。
在去除噪声干扰的基础上,利用每个图像块的亮度值权重和每一图像块在频段间融合的清晰度评价函数值进行图像模糊度检测,有助于将去除干扰的大细节之后的大部分图像细节进行放大,进而为图像模糊度检测提供更多的图像细节。
可选的,本发明实施例中,也可通过其他方式获取当前帧图像的n个图像块分别在P个频段的清晰度评价函数值和当前帧图像的n个图像块的亮度值,例如,将设备中已有硬件模块进行改进,使得这些硬件模块能够采集每一帧图像分别在P个频段的清晰度信息,亮度信息,以及颜色信息,根据清晰度信息可以提取当前帧图像的n个图像块分别在P个频段的清晰度评价函数值,根据亮度信息,可以获取当前帧图像的n个图像块的亮度值。
可选的实施例中,步骤103包括:
针对任一图像块,确定图像块在第k频段与第k+1频段间的融合权重;其中,第k频段与第k+1频段为任意两个邻近的频段,且2≤k+1≤P;
根据图像块分别在第k频段、第k+1频段的清晰度评价函数值,以及图像块在第k频段与第k+1频段间的融合权重,确定图像块在第k频段与第k+1频段间融合的清晰度评价函数值。
本发明实施例中,通过对当前帧图像进行不同频段的滤波,由于图像块中的噪声干扰的清晰度评价函数值受高频段的影响大,通过将相邻近的频段间的清晰度评价值按照对应的融合权重进行融合,降低了噪声干扰对图像块的清晰度评价函数值的影响,在去除一部分噪声干扰的前提下,进而根据每个图像块融合后的清晰度评价函数值和图像块的亮度权重值,来计算图像的模糊度估计值进行图像模糊度判断,可以进一步将融合后的每个图像块的细节放大,可提高在低照度场景中图像模糊度判断的正确率。
为了能够去除低照度下噪声干扰,需要降低存在噪声干扰的图像块的清晰度评价函数值所占的比例,本发明通过对每个图像块进行m帧连续图像进行细节和波动性检测分析,为每个图像块确定出一个合适的频段间清晰度评价函数值的融合权重,目的是将存在噪声干扰的图像块的清晰度评价函数值施加小的权重值,将不存在噪声干扰或者噪声干扰弱的图像块的清晰度评价函数值施加大的融合权重值。这是因为对于同一图像块,存在噪声干扰与不存在噪声干扰时,在连续m帧图像中不同频段的细节和波动性分布是不同的。按照在连续m帧图像中的细节和波动性分布情况为每个图像块的融合权重进行调整,即可将每一帧图像中受低照度下噪声干扰影响的图像块的图像细节进行去除或减弱。在去除一部分噪声干扰的前提下,进而根据每个图像块融合后的清晰度评价函数值和图像块的亮度权重值,来计算图像的模糊度估计值进行图像模糊度判断,可以进一步将融合后的每个图像块的细节放大,可提高在低照度场景中图像模糊度判断的正确率。
可选的,确定图像块在第k频段与第k+1频段间的融合权重,包括:
获取与当前帧图像组成连续的m帧图像的m-1帧历史图像;
针对每一个图像块,确定m-1帧历史图像中与图像块对应的m-1个历史图像块,获取m-1个历史图像块分别在第k频段、第k+1频段的清晰度评价函数值;
根据图像块分别在第k频段、第k+1频段的清晰度评价函数值,以及m-1个历史图像块分别在第k频段、第k+1频段的清晰度评价函数值,确定图像块在第k频段与第k+1频段间的细节融合权重、波动性融合权重;
根据细节融合权重和波动性融合权重,确定图像块在第k频段与第k+1频段间的融合权重。
本发明实施例中,按照在连续m帧图像中每个图像块在不同频段的细节和波动性分布情况,分别确定每个图像块在邻近的频段间融合的细节融合权重和波动性融合权重,进而对每个图像块的清晰度评价函数值进行调整。具体是根据每个图像块在邻近的频段间融合的细节融合权重和波动性融合权重的乘积来确定每个图像块在邻近的频段间融合的融合权重,然后再根据每个图像块在邻近的频段间融合的融合权重,将每个图像块分别在邻近的频段间的清晰度评价函数值进行融合,每个图像块在邻近的频段间融合的清晰度评价函数值即为每个图像块调整后的清晰度评价函数值,这个调整后的清晰度评价函数值已经去除或者减弱了低照度下噪声干扰的图像细节。
具体的,本发明实施例中,通过频段间细节评价函数值的差异与设定的阈值的关系,来确定每个图像块的细节融合权重。
可选的,确定图像块在第k频段与第k+1频段间的细节融合权重,包括:
根据图像块在第k频段的清晰度评价函数值和m-1个历史图像块在第k频段的清晰度评价函数值,确定图像块在第k频段的细节评价函数值;
根据图像块在第k+1频段的清晰度评价函数值和m-1个历史图像块在第k+1频段的清晰度评价函数值,确定图像块在第k+1频段的细节评价函数值;
根据图像块在第k频段、第k+1频段的细节评价函数值的差值,差值与细节差异阈值满足的关系式,以及关系式对应的权重值,确定图像块在第k频段与第k+1频段间的细节融合权重。
可选的,确定图像块在第k频段的细节评价函数值,包括:
将图像块在第k频段的清晰度评价函数值与m-1个历史图像块分别在第k频段的清晰度评价函数值进行叠加,得到图像块在第k频段的细节评价函数值。
本发明实施例中,通过频段间波动性评价函数值的差异与设定的波动性差异阈值的关系,来确定每个图像块的波动性融合权重。
可选的,确定图像块在第k频段与第k+1频段间的波动性融合权重,包括:
根据图像块在第k频段的清晰度评价函数值和m-1个历史图像块在第k频段的清晰度评价函数值,确定图像块在第k频段的波动性评价函数值;
根据图像块在第k+1频段的清晰度评价函数值和m-1个历史图像块在第k+1频段的清晰度评价函数值,确定图像块在第k+1频段的波动性评价函数值;
根据图像块在第k频段、第k+1频段的波动性评价函数值的差值,差值与波动性差异阈值满足的关系式,以及关系式对应的权重值,确定图像块在第k频段与第k+1频段间的波动性融合权重。
可选的,确定图像块在第k频段的波动性评价函数值,包括:
将m-1个历史图像块中每个历史图像块在第k频段的清晰度评价函数值与图像块在第k频段的细节评价函数值的均值的差异进行叠加,得到图像块在第k频段的波动性评价函数值。
可选的,根据步骤103确定的每一图像块在频段间融合的清晰度评价函数值和步骤102确定的每一图像块的亮度权重值,确定当前帧图像的模糊度估计值,包括:
将每一图像块在频段间融合的清晰度评价函数值按照融合前的频段信息划分为高频清晰度评价函数值和低频清晰度评价函数值;
以n个图像块中每一图像块的高频清晰度评价函数值与亮度权重值的乘积为第一样本值集合;
以n个图像块中每一图像块的低频清晰度评价函数值与亮度权重值的乘积为第二样本值集合;
根据第一样本值集合和第二样本值集合计算全局模糊度的估计值,和/或,根据第一样本值集合和第二样本值集合计算全局模糊度方差的估计值。
值得说明的是,假如P个频段包括5个频段,每个图像块在两两邻近的频段间融合的清晰度评价函数值为4个,将每个图像块的4个频段间融合的清晰度评价函数值按照融合前所属频段的频率大小,划分为高频组和低频组。然后以n个图像块中每一图像块的高频组的清晰度评价函数值与图像块的亮度权重值的乘积为第一样本值集合,以n个图像块中每一图像块的低频组的清晰度评价函数值与图像块的亮度权重值的乘积为第二样本值集合,分别计算当前帧图像分别在高频段、低频段的全局清晰度估计值,最后根据当前帧图像分别在高频段、低频段的全局清晰度估计值,计算当前帧图像全局模糊度的估计值。
可选的,还可根据上述第一样本值集合和上述第二样本值集合计算当前帧图像的全局模糊度方差的估计值。
其中,全局方差模糊度相对于全局模糊度,对图像模糊度判决的准确度较高,因为方差的大小体现波动性的大小,方差越大波动越大。方差分析的目的是通过数据分析找出对该事物有显著影响的因素,如果根据全局模糊度判断一副图像接近模糊或者接近清楚时,再根据方差模糊度进行判决,可以很容易区分出图像是模糊还是清楚。
可选的,根据每一图像块在频段间融合的清晰度评价函数值和每一图像块的亮度权重值,确定当前帧图像的模糊度估计值,还包括:
将n个图像块化划分成多个局部区域,每个局部区域包括多个图像块;
针对每个局部区域:
以局部区域中每一图像块的高频清晰度评价函数值与亮度权重值的乘积为第三样本值集合;
以局部区域中每一图像块的低频清晰度评价函数值与亮度权重值的乘积为第四样本值集合;
根据第三样本值集合和第四样本值集合,计算局部区域的模糊度方差的估计值。
计算局部区域的模糊度方差的估计值的原因是:在一些拍摄场景下,需要拍摄景深大的图像,例如拍摄到的前景清楚,后景模糊的一帧图像,应当被判断是清楚,但只按照全局模糊度判断,容易误判为图像模糊。为了防止局部模糊被判为当前帧图像模糊的误判发生,除了进行全局模糊度的判断以外,还需要进行图像局部区域模糊度的判断。
可选的,步骤104之后,还包括:
在模糊度估计值满足设定的图像模糊度判决条件时,确定当前帧图像模糊,并启动虚焦报警信息。
设置第一阈值大于第二阈值,第二阈值大于第三阈值,第三阈值大于第四阈值。第一阈值为图像全局模糊度的最大阈值,可以是8-100中的任意取值,第二阈值为图像全局模糊度最小阈值,可以为6-20中的任意取值。第三阈值为模糊度方差阈值,可以是0-5中的任意取值。第四阈值为模糊度的最小阈值,可以设置为-10。
图像模糊度判决条件包括以下的一种或者至少一种:
可选的,本发明实施例中,若全局模糊度的估计值小于第一阈值,且全局模糊度方差的估计值小于第三阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若全局模糊度的估计值小于第一阈值,且至少50%的局部区域的模糊度方差的估计值小于第三阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若全局模糊度的估计值大于第二阈值,且全局模糊度方差的估计值小于第三阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若全局模糊度的估计值大于第二阈值,且至少50%的局部区域的模糊度方差的估计值小于第三阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若全局模糊度的估计值小于等于第一阈值且大于等于第二阈值,且全局模糊度方差的估计值小于第三阈值,且至少50%的局部区域的模糊度方差的估计值小于第三阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若全局模糊度的估计值小于第四阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若全局模糊度方差的估计值小于第四阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若至少90%的局部区域的模糊度方差的估计值小于第四阈值,确定当前帧图像模糊。
可选的,本发明实施例中,若至少80%的局部区域的模糊度方差的估计值小于第三阈值,且至少50%的局部区域的模糊度方差的估计值小于第四阈值,确定当前帧图像模糊。
下面以P个频段分别为第一频段、第二频段、第三频段,其中,如果将频域归一化到0~1来简单区分高频,中频和低频,可以设置第一频段为高频(例如0.7~1),第二频段为中频(例如0.4~0.7),第三频段为低频(例如0.01~0.4)为例,对本发明实施例的上述方法流程进行详细说明。
假如输入图像模糊度检测装置的当前帧图像是第m帧图像,则图像模糊度检测装置对第m帧图像进行预处理、对第m帧图像的每个图像块进行时域融合、以及判断第m帧图像的模糊度的过程主要包括步骤S1至步骤S11,如图2所示,具体包括:
步骤S1:将第m帧图像分割成n(M*N)个图像块;
其中,n=M*N,第m帧图像按照均分为M行N列的方式,分割成M*N个图像块。可选的M至少大于或等于3,N至少大于或等于3。
步骤S2:获取n个图像块分别在第一频段、第二频段、第三频段的清晰度评价函数值;其中,如图3所示,步骤S2包括步骤S21至步骤S23,具体为:
步骤S21:将n个图像块进行第一频段的滤波处理,输出n个图像块在第一频段的清晰度评价函数值;
具体是将n个图像块输入到第一滤波器进行滤波,第一滤波器的清晰度滤波评价函数为f1,滤波系数设置为高频滤波系数,允许通过的频段设置为第一频段。其中,若第j个图像块表示n个图像块中的任意一个,第一滤波器输出的n个图像块中第j个图像块在第一频段的清晰度评价函数值为:fv_high(j),1≤j≤n。
步骤S22:将n个图像块进行第二频段的滤波处理,输出n个图像块在第二频段的清晰度评价函数值;
同样的,将n个图像块输入到第二滤波器进行滤波,第二滤波器的清晰度滤波评价函数为f2,滤波系数设置为中频滤波系数,允许通过的频段设置为第二频段。其中,若第j个图像块表示n个图像块中的任意一个,第二滤波器输出的n个图像块中第j个图像块在第二频段的清晰度评价函数值为:fv_mid(j),1≤j≤n。
步骤S23:将n个图像块进行第三频段的滤波处理,输出n个图像块在第三频段的清晰度评价函数值;
同样的,将n个图像块输入到第三滤波器进行滤波,第三滤波器的清晰度滤波评价函数为f3,滤波系数设置为低频滤波系数,允许通过的频段设置为第三频段。其中,若第j个图像块表示n个图像块中的任意一个,第三滤波器输出的n个图像块中第j个图像块在第三频段的清晰度评价函数值为:fv_low(j),1≤j≤n
步骤S3:提取n个图像块的亮度值,根据n个图像块的亮度值,确定n个图像块的亮度权重值。
具体的,将每个图像块依次输入到亮度累加器,亮度累加器对每个图像块包含的所有像素的亮度值进行累加,得到每个图像块的亮度值,将每个图像块的亮度值与5个标准亮度区间比较,得到每个图像块的亮度权重值。
例如,第j个图像块的亮度值与第j个图像块的亮度权重值满足以下关系:
其中,Yn(j)表示n个图像块中第j个图像块的亮度值,weight_n(j)表示n个图像块中第j个图像块的亮度权重值,其中,1≤j≤n,Ymin表示最低亮度值,Ymax表示最大亮度值,Ystable_min表示正常亮度区间最小值,Ystable_max表示正常亮度区间最大值。
步骤S4:计算每个图像块在第一频段与第二频段间的融合权重;
其中,如图4所示,步骤S4包括步骤S41至步骤S43,具体为:
步骤S41:计算每个图像块在第一频段与第二频段间的细节融合权重;
步骤S42:计算每个图像块在第一频段与第二频段间的波动性融合权重;
步骤S43:根据每个图像块在第一频段与第二频段间的细节融合权重和每个图像块在第一频段与第二频段间的波动性融合权重,计算每个图像块在第一频段与第二频段间的融合权重;
其中,如图5所示,步骤S41包括步骤S41-1至步骤S41-4,具体为:
步骤S41-1:获取与第m帧图像组成连续m帧图像的m-1帧历史图像,针对第m帧图像的第j个图像块,确定m-1帧历史图像中与第j个图像块对应的m-1个历史图像块,获取m-1个历史图像块分别在第一频段、第二频段的清晰度评价函数值;
步骤S41-2:根据第j个图像块在第一频段的清晰度评价函数值和m-1个历史图像块在第一频段的清晰度评价函数值,确定第j个图像块在第一频段的细节评价函数值;可根据以下公式确定:
其中,detail_high(j)表示第m帧图像中第j个图像块在第一频段的的细节评价函数值,1≤j≤n。当i=1,2,…,m-1时,fv_high(i)为第i帧历史图像中与第m帧图像的第j个图像块对应的历史图像块在第一频段的的清晰度评价函数值,当i=m时,fv_high(i)表示第m帧图像的第j个图像块在第一频段的的清晰度评价函数值。
步骤S41-3:根据第j个图像块在第二频段的清晰度评价函数值和m-1个历史图像块在第二频段的清晰度评价函数值,确定第j个图像块在第二频段的细节评价函数值,可根据以下公式确定:
其中,detail_mid(j)表示第m帧图像中第j个图像块在第二频段的的细节评价函数值,1≤j≤n。当i=1,2,…,m-1时,fv_mid(i)为第i帧历史图像中与第m帧图像的第j个图像块对应的历史图像块在第二频段的清晰度评价函数值,当i=m时,fv_mid(i)表示第m帧图像的第j个图像块在第二频段的清晰度评价函数值。
步骤S41-4:根据第j个图像块在第一频段、第二频段的细节评价函数值的差值,以及这个差值与细节差异阈值满足的关系式,确定第j个图像块在第一频段与第二频段间的细节融合权重,可根据以下公式确定:
其中,weight_Hd(j)为第j个图像块在第一频段与第二频段间的细节融合权重,detail_mid(j)表示第m帧图像中第j个图像块在第二频段的的细节评价函数值,detail_high(j)表示第m帧图像中第j个图像块在第一频段的的细节评价函数值,detail_high(j)-detail_mid(j)为第j个图像块在第一频段、第二频段的细节评价函数值的差值,此差值表示第j个图像块在第一频段、第二频段的细节差异。
上述公式中,T_d1表示第一频段、第二频段间的细节差异阈值,当细节差异超过T_d1,表示第j个图像块在第一频段的细节远大于第j个图像块在第二频段的细节,第j个图像块在第一频段与第二频段间的细节融合权重应设置为1。同理,当块细节差异小于-T_d1时,表示第j个图像块在第一频段的细节远小于第j个图像块在第二频段的细节,第j个图像块在第一频段与第二频段间的细节融合权重应设置为0;当块细节差异在[-T_d1,T_d1]之间时,细节差异越大,第j个图像块在第一频段与第二频段间的细节融合权重越高。
其中,如图6所示,步骤S42包括步骤S42-1至步骤S42-4,具体为:
步骤S42-1:基于步骤S41-1,获取第j个图像块在第一频段、第二频段的清晰度评价函数值,m-1个历史图像块在第一频段、第二频段的清晰度评价函数值;
步骤S42-2:根据第j个图像块在第一频段的清晰度评价函数值和m-1个历史图像块在第一频段的清晰度评价函数值,确定第j个图像块在第一频段的波动性评价函数值,可根据以下公式确定:
其中,shake_high(j)表示第m帧图像中的第j个图像块在第一频段的波动性评价函数值,1≤j≤n。当i=1,2,…,m-1时,fv_high(i)为第i帧历史图像中与第m帧图像的第j个图像块对应的历史图像块在第一频段的的清晰度评价函数值,当i=m时,fv_high(i)为第j个图像块在第一频段的清晰度评价函数值,detail_high(j)表示第m帧图像中的第j个图像块在第一频段的细节评价函数值。
步骤S42-3:根据第j个图像块在第二频段的清晰度评价函数值和m-1个历史图像块在第二频段的清晰度评价函数值,确定第j个图像块在第二频段的波动性评价函数值,可根据以下公式确定:
其中,shake_mid(j)表示第m帧图像中的第j个图像块在第二频段的波动性评价函数值,1≤j≤n。detail_mid(j)表示第j个图像块在第二频段的细节评价函数值。当i=1,2,…,m-1时,fv_mid(i)表示第i帧历史图像中与第m帧图像的第j个图像块对应的历史图像块在第二频段的的清晰度评价函数值,当i=m时,fv_mid(i)表示第j个图像块在第二频段的清晰度评价函数值。
步骤S42-4:根据第j个图像块在第一频段、第二频段的波动性评价函数值的差值,以及这个差值与细节差异阈值满足的关系式,确定第j个图像块在第一频段与第二频段间的波动性融合权重。其中,可以根据以下公式确定:
其中,weight_Hs(j)表示第m帧图像中的第j个图像块在第一频段与第二频段间的波动性融合权重,shake_mid(j)表示第m帧图像中的第j个图像块在第二频段的波动性评价函数值,shake_high(j)表示第m帧图像中的第j个图像块在第一频段的波动性评价函数值,weight_Hd(j)为第j个图像块在第一频段与第二频段间的细节融合权重。T_mix1表示第一频段、第二频段间的波动性差异阈值。
在上述公式中,第j个图像块在第一频段、第二频段的波动性评价函数值的差值,表示第j个图像块在第一频段、第二频段的波动性差异。当波动性差异大于T_mix1,表示第j个图像块在第一频段的波动性远大于第j个图像块在第二频段的波动性,波动性越大,噪声干扰越大,将第j个图像块在第一频段与第二频段间的波动性融合权重置0,以便选择波动性较小的图像块的清晰度评价函数值进行第一频段与第二频段间的融合。同理,当波动性差异小于-T_mix1时,第j个图像块在第一频段与第二频段间的波动性融合权重设置为1。当波动性差异在[-T_mix1,T_mix1]之间时,波动性越大,表示噪声干扰越大,第j个图像块在第一频段与第二频段间的波动性融合权重越小。
步骤S43中,根据第j个图像块在第一频段与第二频段间的细节融合权重和第j个图像块在第一频段与第二频段间的波动性融合权重,计算第j个图像块在第一频段与第二频段间的融合权重,可以根据以下公式确定:
其中,weight_H(j)为第j个图像块在第一频段与第二频段间的融合权重,weight_Hs(j)第j个图像块在第一频段与第二频段间的细节融合权重,weight_Hd(j)为第j个图像块在第一频段与第二频段间的波动性融合权重。
步骤S5:根据每个图像块在第一频段与第二频段间的融合权重,计算每个图像块在第一频段与第二频段间融合的清晰度评价函数值;
具体的,根据第j个图像块在第一频段与第二频段间的融合权重,将第j个图像块在第一频段的清晰度评价函数值与第j个图像块在第二频段的清晰度评价函数值进行融合,输出第j个图像块在第一频段与第二频段间融合的清晰度评价函数值。
其中,可参照以下公式进行计算:
FV_H(j)=weight_H(j)*fv_high(j)+(1-weight_H(j))*fv_mid(j)
其中,FV_H(j)表示第j个图像块在第一频段与第二频段间融合的清晰度评价函数值,weight_H(j)为第j个图像块在第一频段与第二频段间的融合权重,fv_high(j)为第j个图像块在第一频段的清晰度评价函数值,fv_mid(j)为第j个图像块在第二频段的清晰度评价函数值。
其中,weight_H(j)同时还表示第j个图像块在进行第一频段与第二频段间融合时,第j个图像块在第一频段的清晰度评价函数值所占的权重,(1-weight_H(j))代表第j个图像块在进行第一频段与第二频段间融合时,第j个图像块在第二频段的清晰度评价函数值在所占的权重。
步骤S6:计算每个图像块在第二频段与第三频段间的融合权重,具体包括:
步骤S61:计算第j个图像块在第三频段与第三频段间的细节融合权重;
步骤S62:计算第j个图像块在第二频段与第三频段间的波动性融合权重;
步骤S63:根据第j个图像块在第二频段与第三频段间的细节融合权重和第j个图像块在第二频段与第三频段间的波动性融合权重,计算每个图像块在第二频段与第三频段间的融合权重。
其中,步骤S61包括步骤S61-1至步骤S61-4,具体为:
步骤S61-1:基于步骤S41-3,获取第j个图像块在第二频段的细节评价函数值。
步骤S61-2:基于步骤S41-1,获取m-1帧历史图像中与第j个图像块对应的m-1个历史图像块在第三频段的清晰度评价函数值;
步骤S61-3:根据第j个图像块在第三频段的清晰度评价函数值和m-1个历史图像块在第三频段的清晰度评价函数值,确定第j个图像块在第三频段的细节评价函数值,可根据以下公式确定:
其中,detail_low(j)表示第m帧图像中第j个图像块在第三频段的的细节评价函数值,1≤j≤n。当i=1,2,…,m-1时,fv_low(i)为第i帧历史图像中与第m帧图像的第j个图像块对应的历史图像块在第三频段的清晰度评价函数值,当i=m时,fv_low(i)表示第m帧图像的第j个图像块在第三频段的清晰度评价函数值。
步骤S61-4:根据第j个图像块在第二频段、第三频段的细节评价函数值的差值,以及这个差值与细节差异阈值满足的关系式,确定第j个图像块在第二频段与第三频段间的细节融合权重。可以根据以下公式确定:
其中,weight_Ld(j)为第j个图像块在第二频段与第三频段间的细节融合权重,detail_mid(j)为第j个图像块在第二频段细节评价函数值,detail_low(j)为第j个图像块在第三频段细节评价函数值。T_d2表示第二频段、第三频段间的细节差异阈值。
上述公式中,第j个图像块在第二频段、第三频段的细节评价函数值的差值,表示第j个图像块在第二频段、第三频段的细节差异,其中,当细节差异超过T_d2,表示第j个图像块在第二频段的细节远大于第j个图像块在第三频段的细节,第j个图像块在第二频段与第三频段间的细节融合权重设置为1。同理,当块细节差异小于-T_d2时,第j个图像块在第二频段与第三频段间的细节融合权重设置为0。当块细节差异在[-T_d2,T_d2]之间时,细节差异越大,第j个图像块在第二频段与第三频段间的细节融合权重越高。
其中,步骤S62包括步骤S62-1至步骤S62-4,具体为:
步骤S62-1:基于步骤S42-2,获取第j个图像块在第二频段的波动性评价函数值shake_mid(j)。
步骤S62-2:基于步骤S61-2,获取m-1个历史图像块在第三频段的清晰度评价函数值;
步骤S62-3:根据第j个图像块在第三频段的清晰度评价函数值和第j个图像块在第二频段的波动性评价函数值,确定第j个图像块在第三频段的波动性评价函数值,可根据以下公式确定:
其中,shake_low(j)表示第m帧图像中的第j个图像块在第三频段的波动性评价函数值,1≤j≤n。detail_low(j)表示第j个图像块在第三频段的细节评价函数值。当i=1,2,…,m-1时,fv_low(i)表示第i帧历史图像中与第m帧图像的第j个图像块对应的历史图像块在第三频段的的清晰度评价函数值,当i=m时,fv_low(i)表示第j个图像块在第三频段的清晰度评价函数值。
步骤S62-4:根据第j个图像块在第二频段、第三频段的波动性评价函数值的差值,以及这个差值与细节差异阈值满足的关系式,确定第j个图像块在第二频段与第三频段间的波动性融合权重。其中,第j个图像块在第二频段与第三频段间的波动性融合权重可以根据以下公式确定:
其中,weight_Ls(j)表示第m帧图像中的第j个图像块在第二频段与第三频段间的波动性融合权重,shake_low(j)表示第m帧图像中的第j个图像块在第三频段的波动性评价函数值,shake_mid(j)表示第m帧图像中的第j个图像块在第二频段的波动性评价函数值,T_mix2表示第二频段、第三频段间的波动性差异阈值。
在上述公式中,第j个图像块在第二频段、第三频段的波动性评价函数值的差值,表示第j个图像块在第二频段、第三频段的波动性差异。波动性差异大于T_mix2,表示第j个图像块在第二频段的波动性远大于第j个图像块在第三频段的波动性,波动性越大,噪声干扰越大,因此,将第j个图像块在第二频段与第三频段间的波动性融合权重置0,以便选择波动性较小的图像块的清晰度评价函数值进行第二频段与第三频段间的融合。同理,当波动性差异小于-T_mix2时,第j个图像块在第二频段与第三频段间的波动性融合权重设置为1。当波动性差异在[-T_mix2,T_mix2]之间时,波动性越大,表示噪声干扰越大,第j个图像块在第二频段与第三频段间的波动性融合权重越小。
步骤S63中,可以根据以下公式计算第j个图像块在第二频段与第三频段间的融合权重。:
其中,weight_L(j)为第j个图像块在第二频段与第三频段间的融合权重,weight_Ld(j)为第j个图像块在第二频段与第三频段间的细节融合权重,weight_Ls(j)为第j个图像块在第二频段与第三频段间的波动性融合权重。
步骤S7:根据每个图像块在第二频段与第三频段间的融合权重,计算每个图像块在第二频段与第三频段间融合的清晰度评价函数值。
具体的,根据第j个图像块在第二频段与第三频段间的融合权重,将第j个图像块在第二频段的清晰度评价函数值与第j个图像块在第三频段的清晰度评价函数值进行融合,输出第j个图像块在第二频段与第三频段间融合的清晰度评价函数值。可以按照以下公式确定:
FV_L(j)=weight_L(j)*fv_mid(j)+(1-weight_L(j))*fv_low(j)
其中,FV_L(j)表示第j个图像块在第二频段与第三频段间融合的清晰度评价函数值,weight_L(j)为第j个图像块在第二频段与第三频段间的融合权重,fv_mid(j)为第j个图像块在第二频段的清晰度评价函数值,fv_low(j)为第j个图像块在第三频段的清晰度评价函数值。
其中,weight_L(j)同时还代表在进行第二频段与第三频段间融合时,第j个图像块在第二频段的清晰度评价函数值所占的权重,(1-weight_L(j))代表在进行第二频段与第三频段间融合时,第j个图像块在第三频段的清晰度评价函数值所占的权重。
步骤S8:计算第m帧图像的全局模糊度的估计值,如图7所示,具体包括:
步骤S81:计算第m帧图像在高频段的全局清晰度的估计值,具体可以按照以下公式计算:
其中,M*N=n,表示第m帧图像包括的图像块的数量,M为第m帧图像被切割的行数,N为第m帧图像被切割的列数,weight_n(j)为第j个图像块的亮度权重值,FV_H(j)为第j个图像块在第一频段与第二频段间融合的清晰度评价函数值,FV_Hsum为第m帧图像在高频段的全局清晰度的估计值。
步骤S82:计算第m帧图像在低频段的全局清晰度的估计值,具体可以按照以下公式计算:
其中,M*N=n,表示第m帧图像包括的图像块的数量,M为第m帧图像被切割的行数,N为第m帧图像被切割的列数,weight_n(j)为第j个图像块的亮度权重值,FV_L(j)为第j个图像块在第二频段与第三频段间融合的清晰度评价函数值,FV_Lsum为第m帧图像在低频段的全局清晰度的估计值。
步骤S83:根据第m帧图像在高频段的全局清晰度的估计值和第m帧图像在低频段的全局清晰度的估计值,计算第m帧图像的全局模糊度的估计值。具体可以按照以下公式计算:
其中,whole_ratio为第m帧图像的全局模糊度的估计值,FV_Lsum为第m帧图像在低频段的全局清晰度的估计值,FV_Hsum为第m帧图像在高频段的全局清晰度的估计值。
步骤S9:计算第m帧图像的全局模糊度方差的估计值,具体包括:
步骤S91:计算第m帧图像在高频段的全局清晰度平均值;具体可以按照以下公式计算:
其中,FV_Hmean为第m帧图像在高频段的全局清晰度平均值,weight_n(j)为第j个图像块的亮度权重值,FV_H(j)为第j个图像块在第一频段与第二频段间融合的清晰度评价函数值。M*N表示第m帧图像切割成的图像块的数量,M为第m帧图像被切割的图像块行数,N为第m帧图像被切割的图像块列数。
步骤S92:根据第m帧图像在高频段的全局清晰度的平均值,计算第m帧图像在高频段的全局清晰度方差的估计值,具体可以按照以下公式计算:
其中,M*N表示第m帧图像切割成的图像块的数量,M为第m帧图像被切割的图像块的行数,N为第m帧图像被切割的图像块的列数,FV_varH为第m帧图像在高频段的全局清晰度方差的估计值,FV_H(j)为第j个图像块在第一频段与第二频段间融合的清晰度评价函数值,weight_n(j)为第j个图像块的亮度权重值,FV_Hmean为第m帧图像在高频段的全局清晰度平均值。
步骤S93:计算第m帧图像在低频段的全局清晰度平均值,具体可以按照以下公式计算:
其中,FV_Lmean为第m帧图像在低频段的全局清晰度平均值,M*N表示第m帧图像包括的图像块的数量,M为第m帧图像被切割的图像块的行数,N为第m帧图像被切割的图像块的列数,FV_L(j)为第j个图像块在第二频段与第三频段间融合的清晰度评价函数值,weight_n(j)为第j个图像块的亮度权重值。
步骤S94:根据第m帧图像在低频段的全局清晰度的平均值,计算第m帧图像在低频段的全局清晰度方差的估计值,具体可以按照以下公式计算:
其中,M*N表示第m帧图像被切割成的图像块的数量,M为第m帧图像被切割的图像块的行数,N为第m帧图像被切割的图像块的列数,FV_varL为第m帧图像在低频段的全局清晰度方差的估计值,FV_L(j)为第j个图像块在第二频段与第三频段间融合的清晰度评价函数值,FV_Lmean为第m帧图像在低频段的全局清晰度的平均值,weight_n(j)为第j个图像块的亮度权重值。
步骤S95:根据第m帧图像在高频段的全局清晰度的方差的估计值和第m帧图像在低频段的全局清晰度的方差的估计值,计算第m帧图像的全局模糊度方差的估计值,具体可以按照以下公式计算:
其中,whole_VarRatio为第m帧图像的全局模糊度方差的估计值,FV_varL为第m帧图像在低频段的全局清晰度的方差的估计值,FV_varH为第m帧图像在高频段的全局清晰度方差的估计值。
步骤S10:计算第m帧图像的每个局部区域的模糊度方差的估计值。其中,具体包括以下步骤:
步骤S101:将第m帧图像划分为X个局部区域,每个局部区域包括多个图像块;
可选的,每个局部区域多包括的图像块的数量可以相同。
例如,将第m帧图像划分的M*N个图像块划分为X个局部区域,每个局部区域包含m*n个块,m,n至少大于3,局部区域不能过大,也不能过小。在根据局部区域的清晰度方差估计值来判断图像是模糊还是清晰时,如果局部区域中包含图像块过多,导致无法准确的表征第m帧图像的局部清晰度,如果局部区域中包含图像块过少,局部区域划分过小,则会引入额外过多的计算量。
例如,按照3*3,将第m帧图像划分成9个局部区域,每个局部区域包括的图像块的数量都为(n/9)。
可选的,每个局部区域多包括的图像块的数量也可以不同,也可以不按照平均划分n个图像块的方式进行划分。
可选的,每个局部区域至少包括9个图像块。
可选的,也可以将第m帧图像大致均分成多个区域,然后再将每个区域中图像块按照清晰度评价函数值划分成多个子区域。
步骤S102:计算每个局部区域的模糊度方差的估计值。
针对第x个局部区域,假如第x个局部区域包括m*n个图像块,这m*n个图像块为上述实施例中M*N个图像块中与该局部区域对应的图像块,则步骤S102包括以下步骤:
步骤S102-1:计算第x个局部区域在高频段的清晰度平均值,具体可以按照以下公式计算:
其中,FV_hmean(x)为第x个局部区域在高频段的清晰度平均值,FV_H(i)为第x个局部区域中的第i个图像块在第一频段与第二频段间融合的清晰度评价函数值,weight_n(i)为第x个局部区域中的第i个图像块的亮度权重值,m为第x个局部区域包括的图像块所占的行数,n为第x个局部区域包括的图像块所占的列数。
步骤S102-2:计算第x个局部区域在高频段的清晰度方差的估计值,具体可以按照以下公式计算:
其中,FV_LocalvarH(x)为第x个局部区域在高频段的清晰度方差的估计值,FV_hmean(x)为第x个局部区域在高频段的清晰度平均值,FV_H(i)为第x个局部区域中的第i个图像块在第一频段与第二频段间融合的清晰度评价函数值,weight_n(i)为第x个局部区域中的第i个图像块的亮度权重值,m为第x个局部区域包括的图像块所占的行数,n为第x个局部区域包括的图像块所占的列数。
步骤S102-3:计算第x个局部区域在低频段的清晰度平均值,具体可以按照以下公式计算:
其中,FV_lmean(x)为第x个局部区域在低频段的清晰度平均值,FV_L(i)为第x个局部区域中的第i个图像块在第二频段与第三频段间融合的清晰度评价函数值,weight_n(i)为第x个局部区域中的第i个图像块的亮度权重值,m为第x个局部区域包括的图像块所占的行数,n为第x个局部区域包括的图像块所占的列数。
步骤S102-4:计算第x个局部区域在低频段的清晰度方差的估计值,具体可以按照以下公式计算:
其中,FV_LocalvarL(x)为第x个局部区域在低频段的清晰度方差的估计值,FV_lmean(x)为第x个局部区域在低频段的清晰度平均值,FV_L(i)为第x个局部区域中的第i个图像块在第二频段与第三频段间融合的清晰度评价函数值,weight_n(i)为第x个局部区域中的第i个图像块的亮度权重值,m为第x个局部区域包括的图像块所占的行数,n为第x个局部区域包括的图像块所占的列数。
步骤S102-5:计算第x个局部区域的模糊度方差的估计值,具体可以按照以下公式计算:
其中,Block_VarRatio(x)为第x个局部区域的模糊度方差的估计值,FV_LocalvarL(x)为第x个局部区域在低频段的清晰度方差的估计值,FV_LocalvarH(x)为第x个局部区域在高频段的清晰度方差的估计值。
步骤S11:根据步骤S8计算的第m帧图像的全局模糊度的估计值,步骤是9计算的第m帧图像的全局模糊度方差的估计值,以及步骤10计算的第m帧图像的每个局部区域的模糊度方差的估计值,其中x=1,2,…,X,判断第m帧图像是否模糊,具体包括以下步骤:
步骤S111:判断是否满足条件1,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S112,其中条件1具体为:
第m帧图像的全局模糊度的估计值小于第一阈值,且第m帧图像的全局模糊度方差的估计值小于第三阈值,其中,第一阈值为图像全局模糊度的最大阈值,可以是8-100中的任意取值,第三阈值为模糊度方差阈值,可以是0-5中的任意取值。
步骤S112:判断是否满足条件2,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S113,其中条件2具体为:
第m帧图像的全局模糊度的估计值小于第一阈值,且第m帧图像的至少50%的局部区域的模糊度方差的估计值小于第三阈值。
步骤S113:判断是否满足条件3,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S114,其中条件3具体为:
第m帧图像的全局模糊度的估计值大于第二阈值,且第m帧图像的全局模糊度方差的估计值小于第三阈值,其中,第二阈值为图像全局模糊度最小阈值,可以为6-20中的任意取值。
步骤S114:判断是否满足条件4,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S115,其中条件4具体为:
第m帧图像的全局模糊度的估计值大于第二阈值,且第m帧图像的至少50%的局部区域的模糊度方差的估计值小于第三阈值。
步骤S115:判断是否满足条件5,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S116,其中条件5具体为:
第m帧图像的全局模糊度的估计值小于等于第一阈值且大于等于第二阈值,且第m帧图像的全局模糊度方差的估计值小于第三阈值,且第m帧图像至少50%的局部区域的模糊度方差的估计值小于第三阈值。
步骤S116:判断是否满足条件6,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S117,其中条件6具体为:第m帧图像的全局模糊度的估计值小于第四阈值,其中,第四阈值为模糊度的最小阈值,可以设置为-10。
步骤S117:判断是否满足条件7,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S118,其中条件7具体为:
第m帧图像的全局模糊度方差的估计值小于第四阈值。
步骤S118:判断是否满足条件8,若是,判断第m帧图像模糊,并执行步骤S12,若否,进入步骤S119,其中条件8具体为:
第m帧图像至少90%的局部区域的模糊度方差的估计值小于第四阈值。
步骤S119:判断是否满足条件9,若是,判断第m帧图像模糊,并执行步骤S12,其中,条件9具体为:
第m帧图像至少80%的局部区域的模糊度方差的估计值小于第三阈值,且第m帧图像至少50%的局部区域的模糊度方差的估计值小于第四阈值。
若否,将下一帧图像作为第m帧图像,返回上述步骤S1至步骤S11,判断下一帧图像的模糊度。
步骤S12,上报虚焦报警信息,虚焦报警消息用于提示调整设备的焦距,以保证设备所拍摄图像的清晰度。
上述实施例中,上述条件1至上述条件9的任意组合都可以构成判断第m帧图像是否模糊的判决条件。
基于上述方法流程,本发明实施例提供一种图像模糊度检测装置,这些装置的具体内容可以参见上述实施例,此处不再累述。
如图8所示,本发明实施例提供的一种图像模糊度检测装置800,包括:
预处理单元801,用于将当前帧图像切割成n个图像块;并针对任一图像块,获取图像块分别在P个频段的清晰度评价函数值以及每个图像块的亮度权重值,其中P为大于或等于3的正整数;
融合单元802,用于根据图像块在p个频段中两两邻近的频段的清晰度评价函数值,确定图像块在频段间融合的清晰度评价函数值;
模糊度估算单元803,用于根据每一图像块在频段间融合的清晰度评价函数值和每一图像块的亮度权重值,确定当前帧图像的模糊度估计值。
可选的,融合单元802具体用于:
确定图像块在第k频段与第k+1频段间的融合权重;其中,第k频段与第k+1频段为任意两个邻近的频段,且2≤k+1≤P;
根据图像块分别在第k频段、第k+1频段的清晰度评价函数值,以及图像块在第k频段与第k+1频段间的融合权重,确定图像块在第k频段与第k+1频段间融合的清晰度评价函数值。
进一步的,融合单元802具体用于:
获取与当前帧图像组成连续的m帧图像的m-1帧历史图像;
针对每一个图像块,确定m-1帧历史图像中与图像块对应的m-1个历史图像块,获取m-1个历史图像块分别在第k频段、第k+1频段的清晰度评价函数值;
根据图像块分别在第k频段、第k+1频段的清晰度评价函数值,以及m-1个历史图像块分别在第k频段、第k+1频段的清晰度评价函数值,确定图像块在第k频段与第k+1频段间的细节融合权重、波动性融合权重;
根据细节融合权重和波动性融合权重,确定图像块在第k频段与第k+1频段间的融合权重。
进一步的,融合单元802具体用于:
根据图像块在第k频段的清晰度评价函数值和m-1个历史图像块在第k频段的清晰度评价函数值,确定图像块在第k频段的细节评价函数值;
根据图像块在第k+1频段的清晰度评价函数值和m-1个历史图像块在第k+1频段的清晰度评价函数值,确定图像块在第k+1频段的细节评价函数值;
根据图像块在第k频段、第k+1频段的细节评价函数值的差值,差值与细节差异阈值满足的关系式,以及关系式对应的权重值,确定图像块在第k频段与第k+1频段间的细节融合权重。
进一步的,融合单元802具体用于:
将图像块在第k频段的清晰度评价函数值与m-1个历史图像块分别在第k频段的清晰度评价函数值进行叠加,得到图像块在第k频段的细节评价函数值。
进一步的,融合单元802具体用于:
根据图像块在第k频段的清晰度评价函数值和m-1个历史图像块在第k频段的清晰度评价函数值,确定图像块在第k频段的波动性评价函数值;
根据图像块在第k+1频段的清晰度评价函数值和m-1个历史图像块在第k+1频段的清晰度评价函数值,确定图像块在第k+1频段的波动性评价函数值;
根据图像块在第k频段、第k+1频段的波动性评价函数值的差值,差值与波动性差异阈值满足的关系式,以及关系式对应的权重值,确定图像块在第k频段与第k+1频段间的波动性融合权重。
进一步的,融合单元802具体用于:
将m-1个历史图像块中每个历史图像块在第k频段的清晰度评价函数值与图像块在第k频段的细节评价函数值的均值的差异进行叠加,得到图像块在第k频段的波动性评价函数值。
可选的,模糊度估算单元803具体用于:
将每一图像块在频段间融合的清晰度评价函数值按照融合前的频段信息划分为高频清晰度评价函数值和低频清晰度评价函数值;
以n个图像块中每一图像块的高频清晰度评价函数值与亮度权重值的乘积为第一样本值集合;
以n个图像块中每一图像块的低频清晰度评价函数值与亮度权重值的乘积为第二样本值集合;
根据第一样本值集合和第二样本值集合计算全局模糊度的估计值,和/或,根据第一样本值集合和第二样本值集合计算全局模糊度方差的估计值。
可选的,模糊度估算单元803还用于:
将n个图像块化划分成多个局部区域,每个局部区域包括多个图像块;
针对每个局部区域:
以局部区域中每一图像块的高频清晰度评价函数值与亮度权重值的乘积为第三样本值集合;
以局部区域中每一图像块的低频清晰度评价函数值与亮度权重值的乘积为第四样本值集合;
根据第三样本值集合和第四样本值集合,计算局部区域的模糊度方差的估计值。
可选的,还包括模糊度判决单元和报警单元;
模糊度判决单元用于:在模糊度估计值满足设定的图像模糊度判决条件时,确定当前帧图像模糊;
报警单元,用于在所属模糊度判决单元确定当前帧图像模糊时,启动虚焦报警信息;
其中,图像模糊度判决条件包括以下条件的一种或者至少一种:
全局模糊度的估计值小于第一阈值,且全局模糊度方差的估计值小于第三阈值;或者,
全局模糊度的估计值小于第一阈值,且至少50%的局部区域的模糊度方差的估计值小于第三阈值;或者,
全局模糊度的估计值大于第二阈值,且全局模糊度方差的估计值小于第三阈值;或者,
全局模糊度的估计值大于第二阈值,且至少50%的局部区域的模糊度方差的估计值小于第三阈值;或者,
全局模糊度的估计值小于等于第一阈值且大于等于第二阈值,且全局模糊度方差的估计值小于第三阈值,且至少50%的局部区域的模糊度方差的估计值小于第三阈值;
全局模糊度的估计值小于第四阈值;或者,
全局模糊度方差的估计值小于第四阈值;或者,
至少90%的局部区域的模糊度方差的估计值小于第四阈值;或者,
至少80%的局部区域的模糊度方差的估计值小于第三阈值,且至少50%的局部区域的模糊度方差的估计值小于第四阈值;
其中,第一阈值大于第二阈值,第二阈值大于第三阈值,第三阈值大于第四阈值。
本领域内的技术人员应明白,本发明实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (20)
1.一种图像模糊度检测方法,其特征在于,该方法包括:
将当前帧图像切割成n个图像块;
针对任一所述图像块,获取所述图像块分别在P个频段的清晰度评价函数值以及每个所述图像块的亮度权重值;其中P为大于或等于3的正整数;
根据所述图像块在所述p个频段中两两邻近的频段的清晰度评价函数值,确定所述图像块在频段间融合的清晰度评价函数值;
根据每一所述图像块在频段间融合的清晰度评价函数值和每一所述图像块的亮度权重值,确定所述当前帧图像的模糊度估计值。
2.如权利要求1所述的方法,其特征在于,根据所述图像块在所述p个频段中两两邻近的频段的清晰度评价函数值,确定所述图像块在频段间融合的清晰度评价函数值,包括:
确定所述图像块在第k频段与第k+1频段间的融合权重;其中,所述第k频段与所述第k+1频段为任意两个邻近的频段,且2≤k+1≤P;
根据所述图像块分别在所述第k频段、所述第k+1频段的清晰度评价函数值,以及所述图像块在所述第k频段与所述第k+1频段间的融合权重,确定所述图像块在所述第k频段与所述第k+1频段间融合的清晰度评价函数值。
3.如权利要求2所述的方法,其特征在于,确定所述图像块在第k频段与第k+1频段间的融合权重,包括:
获取与所述当前帧图像组成连续的m帧图像的m-1帧历史图像;
针对每一个图像块,确定所述m-1帧历史图像中与所述图像块对应的m-1个历史图像块,获取所述m-1个历史图像块分别在所述第k频段、第k+1频段的清晰度评价函数值;
根据所述图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,以及所述m-1个历史图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,确定所述图像块在所述第k频段与所述第k+1频段间的细节融合权重、波动性融合权重;
根据所述细节融合权重和所述波动性融合权重,确定所述图像块在第k频段与第k+1频段间的融合权重。
4.如权利要求3所述的方法,其特征在于,根据所述图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,以及所述m-1个历史图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,确定所述图像块在所述第k频段与所述第k+1频段间的细节融合权重,包括:
根据所述图像块在所述第k频段的清晰度评价函数值和所述m-1个历史图像块在所述第k频段的清晰度评价函数值,确定所述图像块在所述第k频段的细节评价函数值;
根据所述图像块在所述第k+1频段的清晰度评价函数值和所述m-1个历史图像块在所述第k+1频段的清晰度评价函数值,确定所述图像块在所述第k+1频段的细节评价函数值;
根据所述图像块在所述第k频段、所述第k+1频段的细节评价函数值的差值,所述差值与细节差异阈值满足的关系式,以及所述关系式对应的权重值,确定所述图像块在所述第k频段与所述第k+1频段间的细节融合权重。
5.如权利要求4所述的方法,其特征在于,
根据所述图像块在所述第k频段的清晰度评价函数值和所述m-1个历史图像块在所述第k频段的清晰度评价函数值,确定所述图像块在所述第k频段的细节评价函数值,包括:
将所述图像块在所述第k频段的清晰度评价函数值与所述m-1个历史图像块分别在所述第k频段的清晰度评价函数值进行叠加,得到所述图像块在所述第k频段的细节评价函数值。
6.如权利要求3所述的方法,其特征在于,根据所述图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,以及所述m-1个历史图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,确定所述图像块在所述第k频段与所述第k+1频段间的波动性融合权重,包括:
根据所述图像块在所述第k频段的清晰度评价函数值和所述m-1个历史图像块在所述第k频段的清晰度评价函数值,确定所述图像块在所述第k频段的波动性评价函数值;
根据所述图像块在所述第k+1频段的清晰度评价函数值和所述m-1个历史图像块在所述第k+1频段的清晰度评价函数值,确定所述图像块在所述第k+1频段的波动性评价函数值;
根据所述图像块在所述第k频段、所述第k+1频段的波动性评价函数值的差值,所述差值与波动性差异阈值满足的关系式,以及所述关系式对应的权重值,确定所述图像块在所述第k频段与所述第k+1频段间的波动性融合权重。
7.如权利要求6所述的方法,其特征在于,
根据所述图像块在所述第k频段的清晰度评价函数值和所述m-1个历史图像块在所述第k频段的清晰度评价函数值,确定所述图像块在所述第k频段的波动性评价函数值,包括:
将所述m-1个历史图像块中每个所述历史图像块在所述第k频段的清晰度评价函数值与所述图像块在第k频段的细节评价函数值的均值的差异进行叠加,得到所述图像块在所述第k频段的波动性评价函数值。
8.如权利要求1至7中任一项所述的方法,其特征在于,根据每一所述图像块在频段间融合的清晰度评价函数值和每一所述图像块的亮度权重值,确定所述当前帧图像的模糊度估计值,包括:
将每一所述图像块在频段间融合的清晰度评价函数值按照融合前的频段信息划分为高频清晰度评价函数值和低频清晰度评价函数值;
以所述n个所述图像块中每一所述图像块的所述高频清晰度评价函数值与所述亮度权重值的乘积为第一样本值集合;
以所述n个所述图像块中每一所述图像块的所述低频清晰度评价函数值与所述亮度权重值的乘积为第二样本值集合;
根据所述第一样本值集合和所述第二样本值集合计算全局模糊度的估计值,和/或,根据所述第一样本值集合和所述第二样本值集合计算全局模糊度方差的估计值。
9.如权利要求8所述的方法,其特征在于,根据每一所述图像块在频段间融合的清晰度评价函数值和每一所述图像块的亮度权重值,确定所述当前帧图像的模糊度估计值,还包括:
将所述n个所述图像块化划分成多个局部区域,每个所述局部区域包括多个所述图像块;
针对每个所述局部区域:
以所述局部区域中每一所述图像块的所述高频清晰度评价函数值与所述亮度权重值的乘积为第三样本值集合;
以所述局部区域中每一所述图像块的所述低频清晰度评价函数值与所述亮度权重值的乘积为第四样本值集合;
根据所述第三样本值集合和所述第四样本值集合,计算所述局部区域的模糊度方差的估计值。
10.如权利要求9所述的方法,其特征在于,所述方法还包括:在所述模糊度估计值满足设定的图像模糊度判决条件时,确定所述当前帧图像模糊,并启动虚焦报警信息;
其中,所述图像模糊度判决条件包括以下条件的一种或者至少一种:
所述全局模糊度的估计值小于第一阈值,且所述全局模糊度方差的估计值小于第三阈值;或者,
所述全局模糊度的估计值小于所述第一阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第三阈值;或者,
所述全局模糊度的估计值大于第二阈值,且所述全局模糊度方差的估计值小于所述第三阈值;或者,
所述全局模糊度的估计值大于所述第二阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第三阈值;或者,
所述全局模糊度的估计值小于等于所述第一阈值且大于等于所述第二阈值,且所述全局模糊度方差的估计值小于所述第三阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第三阈值;
所述全局模糊度的估计值小于第四阈值;或者,
所述全局模糊度方差的估计值小于所述第四阈值;或者,
至少90%的所述局部区域的模糊度方差的估计值小于所述第四阈值;或者,
至少80%的所述局部区域的模糊度方差的估计值小于所述第三阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第四阈值;
其中,所述第一阈值大于所述第二阈值,所述第二阈值大于所述第三阈值,所述第三阈值大于所述第四阈值。
11.一种图像模糊度检测装置,其特征在于,包括:
预处理单元,用于将当前帧图像切割成n个图像块;并针对任一所述图像块,获取所述图像块分别在P个频段的清晰度评价函数值以及每个所述图像块的亮度权重值,其中P为大于或等于3的正整数;
融合单元,用于根据所述图像块在所述p个频段中两两邻近的频段的清晰度评价函数值,确定所述图像块在频段间融合的清晰度评价函数值;
模糊度估算单元,用于根据每一所述图像块在频段间融合的清晰度评价函数值和每一所述图像块的亮度权重值,确定所述当前帧图像的模糊度估计值。
12.如权利要求11所述的装置,其特征在于,所述融合单元具体用于:
确定所述图像块在第k频段与第k+1频段间的融合权重;其中,所述第k频段与所述第k+1频段为任意两个邻近的频段,且2≤k+1≤P;
根据所述图像块分别在所述第k频段、所述第k+1频段的清晰度评价函数值,以及所述图像块在所述第k频段与所述第k+1频段间的融合权重,确定所述图像块在所述第k频段与所述第k+1频段间融合的清晰度评价函数值。
13.如权利要求12所述的装置,其特征在于,所述融合单元具体用于:
获取与所述当前帧图像组成连续的m帧图像的m-1帧历史图像;
针对每一个图像块,确定所述m-1帧历史图像中与所述图像块对应的m-1个历史图像块,获取所述m-1个历史图像块分别在所述第k频段、第k+1频段的清晰度评价函数值;
根据所述图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,以及所述m-1个历史图像块分别在所述第k频段、第k+1频段的清晰度评价函数值,确定所述图像块在所述第k频段与所述第k+1频段间的细节融合权重、波动性融合权重;
根据所述细节融合权重和所述波动性融合权重,确定所述图像块在第k频段与第k+1频段间的融合权重。
14.如权利要求13所述的装置,其特征在于,所述融合单元具体用于:
根据所述图像块在所述第k频段的清晰度评价函数值和所述m-1个历史图像块在所述第k频段的清晰度评价函数值,确定所述图像块在所述第k频段的细节评价函数值;
根据所述图像块在所述第k+1频段的清晰度评价函数值和所述m-1个历史图像块在所述第k+1频段的清晰度评价函数值,确定所述图像块在所述第k+1频段的细节评价函数值;
根据所述图像块在所述第k频段、所述第k+1频段的细节评价函数值的差值,所述差值与细节差异阈值满足的关系式,以及所述关系式对应的权重值,确定所述图像块在所述第k频段与所述第k+1频段间的细节融合权重。
15.如权利要求14所述的装置,其特征在于,所述融合单元具体用于:
将所述图像块在所述第k频段的清晰度评价函数值与所述m-1个历史图像块分别在所述第k频段的清晰度评价函数值进行叠加,得到所述图像块在所述第k频段的细节评价函数值。
16.如权利要求13所述的装置,其特征在于,所述融合单元具体用于:
根据所述图像块在所述第k频段的清晰度评价函数值和所述m-1个历史图像块在所述第k频段的清晰度评价函数值,确定所述图像块在所述第k频段的波动性评价函数值;
根据所述图像块在所述第k+1频段的清晰度评价函数值和所述m-1个历史图像块在所述第k+1频段的清晰度评价函数值,确定所述图像块在所述第k+1频段的波动性评价函数值;
根据所述图像块在所述第k频段、所述第k+1频段的波动性评价函数值的差值,所述差值与波动性差异阈值满足的关系式,以及所述关系式对应的权重值,确定所述图像块在所述第k频段与所述第k+1频段间的波动性融合权重。
17.如权利要求16所述的装置,其特征在于,所述融合单元具体用于:
将所述m-1个历史图像块中每个所述历史图像块在所述第k频段的清晰度评价函数值与所述图像块在第k频段的细节评价函数值的均值的差异进行叠加,得到所述图像块在所述第k频段的波动性评价函数值。
18.如权利要求11至17中任一项所述的装置,其特征在于,所述模糊度估算单元具体用于:
将每一所述图像块在频段间融合的清晰度评价函数值按照融合前的频段信息划分为高频清晰度评价函数值和低频清晰度评价函数值;
以所述n个所述图像块中每一所述图像块的所述高频清晰度评价函数值与所述亮度权重值的乘积为第一样本值集合;
以所述n个所述图像块中每一所述图像块的所述低频清晰度评价函数值与所述亮度权重值的乘积为第二样本值集合;
根据所述第一样本值集合和所述第二样本值集合计算全局模糊度的估计值,和/或,根据所述第一样本值集合和所述第二样本值集合计算全局模糊度方差的估计值。
19.如权利要求18所述的装置,其特征在于,,所述模糊度估算单元还用于:
将所述n个所述图像块化划分成多个局部区域,每个所述局部区域包括多个所述图像块;
针对每个所述局部区域:
以所述局部区域中每一所述图像块的所述高频清晰度评价函数值与所述亮度权重值的乘积为第三样本值集合;
以所述局部区域中每一所述图像块的所述低频清晰度评价函数值与所述亮度权重值的乘积为第四样本值集合;
根据所述第三样本值集合和所述第四样本值集合,计算所述局部区域的模糊度方差的估计值。
20.如权利要求19所述的装置,其特征在于,还包括模糊度判决单元和报警单元;
所述模糊度判决单元用于:在所述模糊度估计值满足设定的图像模糊度判决条件时,确定所述当前帧图像模糊;
所述报警单元,用于在所属模糊度判决单元确定所述当前帧图像模糊时,启动虚焦报警信息;
其中,所述图像模糊度判决条件包括以下条件的一种或者至少一种:
所述全局模糊度的估计值小于第一阈值,且所述全局模糊度方差的估计值小于第三阈值;或者,
所述全局模糊度的估计值小于所述第一阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第三阈值;或者,
所述全局模糊度的估计值大于第二阈值,且所述全局模糊度方差的估计值小于所述第三阈值;或者,
所述全局模糊度的估计值大于所述第二阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第三阈值;或者,
所述全局模糊度的估计值小于等于所述第一阈值且大于等于所述第二阈值,且所述全局模糊度方差的估计值小于所述第三阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第三阈值;
所述全局模糊度的估计值小于第四阈值;或者,
所述全局模糊度方差的估计值小于所述第四阈值;或者,
至少90%的所述局部区域的模糊度方差的估计值小于所述第四阈值;或者,
至少80%的所述局部区域的模糊度方差的估计值小于所述第三阈值,且至少50%的所述局部区域的模糊度方差的估计值小于所述第四阈值;
其中,所述第一阈值大于所述第二阈值,所述第二阈值大于所述第三阈值,所述第三阈值大于所述第四阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710314214.XA CN107240092B (zh) | 2017-05-05 | 2017-05-05 | 一种图像模糊度检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710314214.XA CN107240092B (zh) | 2017-05-05 | 2017-05-05 | 一种图像模糊度检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107240092A true CN107240092A (zh) | 2017-10-10 |
CN107240092B CN107240092B (zh) | 2020-02-14 |
Family
ID=59984250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710314214.XA Active CN107240092B (zh) | 2017-05-05 | 2017-05-05 | 一种图像模糊度检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107240092B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785323A (zh) * | 2019-01-25 | 2019-05-21 | 淮阴师范学院 | 一种基于中频滤波的图像聚焦测度实现方法 |
CN109859194A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部边缘检测的图像聚焦测度实现方法 |
CN109886963A (zh) * | 2019-03-28 | 2019-06-14 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
CN110717862A (zh) * | 2018-07-11 | 2020-01-21 | 瑞昱半导体股份有限公司 | 基于动态范围压缩的对比增强方法及其电子装置 |
WO2020024112A1 (zh) * | 2018-07-31 | 2020-02-06 | 深圳市大疆创新科技有限公司 | 一种拍摄处理方法、设备及存储介质 |
CN111445433A (zh) * | 2019-10-14 | 2020-07-24 | 北京华宇信息技术有限公司 | 一种电子卷宗的空白页和模糊页的检测方法及装置 |
CN112017163A (zh) * | 2020-08-17 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 图像模糊度检测的方法、装置、电子设备及存储介质 |
CN114245023A (zh) * | 2022-02-24 | 2022-03-25 | 浙江华创视讯科技有限公司 | 一种聚焦处理方法及装置、摄像装置和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
CN102053339A (zh) * | 2010-11-23 | 2011-05-11 | 天津市亚安科技电子有限公司 | 自动聚焦方法 |
CN104732227A (zh) * | 2015-03-23 | 2015-06-24 | 中山大学 | 一种基于清晰度和亮度评估的车牌快速定位方法 |
CN105261013A (zh) * | 2015-09-25 | 2016-01-20 | 孙高磊 | 一种扫描图像质量综合评价方法及评价系统 |
CN105704454A (zh) * | 2016-02-29 | 2016-06-22 | 安徽超远信息技术有限公司 | 一种改善抓拍取证图像roi清晰度的方法 |
CN105931206A (zh) * | 2016-05-10 | 2016-09-07 | 深圳市和天创科技有限公司 | 一种颜色恒常的彩色图像清晰度增强方法 |
-
2017
- 2017-05-05 CN CN201710314214.XA patent/CN107240092B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
CN102053339A (zh) * | 2010-11-23 | 2011-05-11 | 天津市亚安科技电子有限公司 | 自动聚焦方法 |
CN104732227A (zh) * | 2015-03-23 | 2015-06-24 | 中山大学 | 一种基于清晰度和亮度评估的车牌快速定位方法 |
CN105261013A (zh) * | 2015-09-25 | 2016-01-20 | 孙高磊 | 一种扫描图像质量综合评价方法及评价系统 |
CN105704454A (zh) * | 2016-02-29 | 2016-06-22 | 安徽超远信息技术有限公司 | 一种改善抓拍取证图像roi清晰度的方法 |
CN105931206A (zh) * | 2016-05-10 | 2016-09-07 | 深圳市和天创科技有限公司 | 一种颜色恒常的彩色图像清晰度增强方法 |
Non-Patent Citations (1)
Title |
---|
刘飒等: ""基于相关因素的遥感影像辐射质量度量模型研究"", 《影像科学与光化学》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717862A (zh) * | 2018-07-11 | 2020-01-21 | 瑞昱半导体股份有限公司 | 基于动态范围压缩的对比增强方法及其电子装置 |
CN110717862B (zh) * | 2018-07-11 | 2022-07-19 | 瑞昱半导体股份有限公司 | 基于动态范围压缩的对比增强方法及其电子装置 |
WO2020024112A1 (zh) * | 2018-07-31 | 2020-02-06 | 深圳市大疆创新科技有限公司 | 一种拍摄处理方法、设备及存储介质 |
CN109785323A (zh) * | 2019-01-25 | 2019-05-21 | 淮阴师范学院 | 一种基于中频滤波的图像聚焦测度实现方法 |
CN109859194A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部边缘检测的图像聚焦测度实现方法 |
CN109785323B (zh) * | 2019-01-25 | 2024-01-30 | 淮阴师范学院 | 一种基于中频滤波的图像聚焦测度实现方法 |
CN109886963A (zh) * | 2019-03-28 | 2019-06-14 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
CN109886963B (zh) * | 2019-03-28 | 2021-08-24 | 北京奇艺世纪科技有限公司 | 一种图像处理方法及系统 |
CN111445433A (zh) * | 2019-10-14 | 2020-07-24 | 北京华宇信息技术有限公司 | 一种电子卷宗的空白页和模糊页的检测方法及装置 |
CN111445433B (zh) * | 2019-10-14 | 2021-07-06 | 北京华宇信息技术有限公司 | 一种电子卷宗的空白页和模糊页的检测方法及装置 |
CN112017163A (zh) * | 2020-08-17 | 2020-12-01 | 中移(杭州)信息技术有限公司 | 图像模糊度检测的方法、装置、电子设备及存储介质 |
CN114245023A (zh) * | 2022-02-24 | 2022-03-25 | 浙江华创视讯科技有限公司 | 一种聚焦处理方法及装置、摄像装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107240092B (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107240092A (zh) | 一种图像模糊度检测方法及装置 | |
CN104123544B (zh) | 基于视频分析的异常行为检测方法及系统 | |
US9104914B1 (en) | Object detection with false positive filtering | |
CN107948465B (zh) | 一种检测摄像头被干扰的方法和装置 | |
US8712149B2 (en) | Apparatus and method for foreground detection | |
CN106780392A (zh) | 一种图像融合方法及装置 | |
CN102348128A (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
US8659676B2 (en) | Image analysis device and method thereof | |
CN110287791B (zh) | 一种用于人脸图片的筛选方法和系统 | |
CN106778645A (zh) | 一种图像处理方法及装置 | |
CN104394377B (zh) | 一种监控图像的模糊异常的识别方法及装置 | |
CN106878670A (zh) | 一种视频处理方法及装置 | |
CN110781853B (zh) | 人群异常检测方法以及相关装置 | |
CN113012383B (zh) | 火灾检测报警方法、相关系统、相关设备及存储介质 | |
CN111539265A (zh) | 一种电梯轿厢内异常行为检测方法 | |
CN109724993A (zh) | 图像识别设备的污损程度的检测方法、装置和存储介质 | |
CN105405130A (zh) | 基于聚类的证照图像高光检测方法及装置 | |
CN109286758A (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN114357243A (zh) | 一种海量实时视频流多级分析及监控系统 | |
CN116186770A (zh) | 图像脱敏方法、装置、电子设备及存储介质 | |
CN103049748A (zh) | 行为监测方法及装置 | |
CN109905670A (zh) | 一种多级平台监控系统 | |
CN104809438B (zh) | 一种检测电子眼的方法和设备 | |
CN115984973A (zh) | 一种用于防偷窥屏幕的人体异常行为监测方法 | |
CN115620259A (zh) | 一种基于交通非现场执法场景下的车道线检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |