CN108133475B - 一种局部聚焦模糊图像的检测方法 - Google Patents
一种局部聚焦模糊图像的检测方法 Download PDFInfo
- Publication number
- CN108133475B CN108133475B CN201711405385.XA CN201711405385A CN108133475B CN 108133475 B CN108133475 B CN 108133475B CN 201711405385 A CN201711405385 A CN 201711405385A CN 108133475 B CN108133475 B CN 108133475B
- Authority
- CN
- China
- Prior art keywords
- sub
- image
- image block
- pixels
- components
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明属于图像检测技术领域,公开了一种局部聚焦模糊图像的检测方法,利用图像模糊过程中彩色信息的变化,把握对图像细节的检测,根据聚焦模糊图像再次模糊前后不同区域RGB彩色空间相关性及各分量值的变化值差异,实现不同区域的检测,降低了模糊图像检测的复杂度,耗时更短,检测更准确。
Description
技术领域
本发明属于图像检测技术领域,尤其涉及一种局部聚焦模糊图像的检测方法。
背景技术
在目前的生活当中,图像应用在各个层面,在图像获取过程中由于各种外在因素的影响,会使图像质量或多或少发生退化,因而造成模糊,使图像应用极为不便,聚焦模糊就是其中之一。为了能更好的利用聚焦模糊图像,便需要对聚焦模糊图像的不同区域进行精确的分割,其分割技术就显得尤为重要。
目前已有的聚焦模糊图像检测技术中,多使用图像梯度、功率谱斜度、奇异值分解或局部彩色饱和度等等,对图像的RGB彩色信息及其相关性利用程度均不高。
现有方法虽然已经可以实现聚焦模糊的区域检测,但是往往都忽略了图像模糊过程中彩色信息的变化,导致在检测过程中会丢失较多图像细节,引起检测误差。
发明内容
针对上述问题,本发明的目的在于提供一种局部聚焦模糊图像的检测方法,能够充分利用图像彩色之间的相关性,使检测结果更精确。
为达到上述目的,本发明采用如下技术方案予以实现。
一种局部聚焦模糊图像的检测方法,所述检测方法包括:
步骤1,获取局部聚焦模糊图像作为待检测图像,确定所述待检测图像中所有像素R分量的和、所述待检测图像中所有像素G分量的和、所述待检测图像中所有像素B分量的和;
步骤2,将所述待检测图像分割为大小相同的多个子图像块,确定每个子图像块中所有像素R分量的和、所述每个子图像块中所有像素G分量的和、所述每个子图像块中所有像素B分量的和;
步骤3,确定每个子图像块中所有像素R分量的和占所述待检测图像中所有像素R分量的和的比例,作为第一比例;确定每个子图像块中所有像素G分量的和占所述待检测图像中所有像素G分量的和的比例,作为第二比例;确定每个子图像块中所有像素B分量的和占所述待检测图像中所有像素B分量的和的比例,作为第三比例;从而得到所述第一比例、所述第二比例和所述第三比例的均值,记为每个子图像块的第一参数;
步骤4,确定每个子图像块中R分量与G分量的相关系数,记为第一相关系数;确定每个子图像块中R分量与B分量的相关系数,记为第二相关系数;确定每个子图像块中G分量与B分量的相关系数,记为第三相关系数;从而得到所述第一相关系数、所述第二相关系数和所述第三相关系数的均值,记为每个子图像块的第二参数;
步骤5,将所述待检测图像进行高斯模糊得到高斯模糊后的图像,将所述高斯模糊后的图像分割为大小相同的多个子模糊图像块,其中,所述高斯模糊后的图像与所述待检测图像的大小相同,每个子模糊图像块与所述每个子图像块的大小相同;
步骤6,确定每个子模糊图像块的第一参数和每个子模糊图像块的第二参数;所述每个子模糊图像块的第一参数的得到过程与所述每个子图像块的第一参数的得到过程对应相同,所述每个子模糊图像块的第二参数的得到过程与所述每个子图像块的第二参数的得到过程对应相同;
步骤7,所述待检测图像包含Q个子图像块,且所述高斯模糊后的图像包含Q个子模糊图像块;确定第q个子图像块的第一参数与第q个子模糊图像块的第一参数的差值,记为ΔC1;确定第q个子图像块的第二参数与第q个子模糊图像块的第二参数的差值,记为ΔC2;其中,第q个子图像块在待检测图像中的位置与第q个子模糊图像块在高斯模糊后的图像中的位置相对应,且1≤q≤Q;
步骤8,设置所述待检测图像中清晰子图像块的第一参数变化阈值T1和清晰子图像块的第二参数变化阈值T2;
若ΔC1>T1且ΔC2>T2,则判定所述待检测图像中第q个子图像块为清晰子图像块;若ΔC1<T1且ΔC2<T2,则判定所述待检测图像中第q个子图像块为模糊子图像块;
步骤9,令q的值依次取1至Q,得到所述待检测图像中每个子图像块为清晰子图像块或者模糊子图像块的检测结果。
本发明技术方案的特点和进一步的改进为:
(1)步骤4中,每个子图像块中R分量与G分量的相关系数rRG表示为:
其中,M表示每个子图像块中像素的行数,N表示每个子图像块中像素的列数,Xij表示每个子图像块中第行第列像素的R分量,Yij表示每个子图像块中第行第列像素的G分量,表示每个子图像块所有像素R分量的均值,表示每个子图像块所有像素G分量的均值。
(2)步骤5中,将所述待检测图像进行高斯模糊得到高斯模糊后的图像,具体为:
g(x,y)=f(x,y)*h(x,y)
其中,f(x,y)表示待检测图像的二维函数,g(x,y)表示高斯模糊后的图像的二维函数,h(x,y)表示模糊核函数,x表示自变量,y表示函数值;设所述模糊核函数为高斯函数时,且σ表示高斯核函数的方差。
(3)步骤6中,确定每个子模糊图像块的第一参数和每个子模糊图像块的第二参数,具体包括:
(6a)确定所述高斯模糊后的图像中所有像素R分量的和、所述高斯模糊后的图像中所有像素G分量的和、所述高斯模糊后的图像中所有像素B分量的和;
(6b)将所述高斯模糊后的图像分割为大小相同的多个子模糊图像块,确定每个子模糊图像块中所有像素R分量的和、所述每个子模糊图像块中所有像素G分量的和、所述每个子模糊图像块中所有像素B分量的和;
(6c)确定每个子模糊图像块中所有像素R分量的和占所述高斯模糊后的图像中所有像素R分量的和的比例,作为第一比例;确定每个子模糊图像块中所有像素G分量的和占所述高斯模糊后的图像中所有像素G分量的和的比例,作为第二比例;确定每个子模糊图像块中所有像素B分量的和占所述高斯模糊后的图像中所有像素B分量的和的比例,作为第三比例;从而得到所述第一比例、所述第二比例和所述第三比例的均值,记为每个子模糊图像块的第一参数;
(6d)确定每个子模糊图像块中R分量与G分量的相关系数,记为第一相关系数;确定每个子模糊图像块中R分量与B分量的相关系数,记为第二相关系数;确定每个子模糊图像块中G分量与B分量的相关系数,记为第三相关系数;从而得到所述第一相关系数、所述第二相关系数和所述第三相关系数的均值,记为每个子模糊图像块的第二参数。
(4)步骤8中,
若所述待检测图像中第q个子图像块不满足(1)和(2)中任意一个条件,(1)ΔC1>T1且ΔC2>T2,(2)ΔC1<T1且ΔC2<T2,则获取所述待检测图像中第q个子图像块周围相邻的多个子图像块;
若所述多个子图像块的判定结果中清晰子图像块的比例大于等于1/2,则确定第q个子图像块为清晰子图像块,否则确定第q个子图像块为模糊子图像块。
在已有模糊检测方法中常常会忽略图像的彩色信息,本发明方法利用图像模糊过程中彩色信息的变化,把握对图像细节的检测,根据聚焦模糊图像再次模糊前后不同区域RGB彩色空间相关性及各分量值的变化值差异,实现不同区域的检测,降低了模糊图像检测的复杂度,耗时更短,检测更准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的图像退化模型示意图;
图2为本发明实施例提供的一种局部聚焦模糊图像的检测方法的流程示意图;
图3为本发明实施例提供的一种局部聚焦模糊图像的检测方法的仿真结果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例根据模糊图像退化机理,图像在退化过程中实质上是对清晰图像做低通滤波的过程,即原始清晰图像与模糊核函数卷积的过程在退化过程中图像RGB彩色空间的相关性会发生变化,且RGB各分量的值也会随之发生变化,依据此变化对模糊图像再次模糊,对比模糊前后图像RGB彩色空间相关性及各分量值的变化实现不同区域的检测。
本发明技术方案的技术原理:
(1)图像RGB彩色空间的相关性
图像RGB彩色空间中的彩色分量之间存在强相关性,图像同一区域的各个彩色分量会同步发生变化。而图像模糊过程实质上是对图像进行低通滤波,滤波会引起图像RGB各个分量发生变化,会导致R、G、B三者之间的相关性发生变化。
R、G、B三者之间的相关性可用二维系数r描述:
其中,M表示图像块中像素的行数,N表示图像块中像素的列数,Xii表示图像块中第i行第j列像素的R分量,或者G分量,或者B分量,Yij表示图像块中第i行第j列像素的R分量,或者G分量,或者B分量,表示图像块所有像素R分量的均值,或者G分量的均值,或者B分量的均值,表示图像块所有像素R分量的均值,或者G分量的均值,或者B分量的均值,且相关系数满足0≤r≤1。
(2)模糊对图像RGB分量的影响
图像的退化模型如图1所示。
其中,f(x,y)表示原始清晰图像,n(x,y)表示噪声,H表示模糊核函数,g(x,y)表示经过模糊后的图像,即实际获取到的图像。
在没有噪声n(x,y)的情况下,且模糊化函数为高斯函数时,图像的模糊过程可表示为:
其中,*表示卷积,则对g(x,y)再次高斯模糊可表示为:
当σ>>σ0或σ0→0时,上式可化简为:
式(4)表明,如果对一副聚焦模糊图像利用方差较小的高斯函数进行再次模糊,其中模糊区域会发生较小程度的变化,而清晰区域则会发生较大程度的变化。将这种变化对应到图像的RGB彩色信息中,对于聚焦模糊图像来说,再次模糊后RGB分量的变化模糊区域会远小于清晰区域。
基于以上描述,对局部聚焦模糊图像进行再次高斯模糊,然后根据再次模糊前后同一区域中RGB相关性以及各分量的变化程度,分割出模糊区域和清晰区域。
本发明实施例提供一种局部聚焦模糊图像的检测方法,如图2所示,所述检测方法包括:
步骤1,获取局部聚焦模糊图像作为待检测图像,确定所述待检测图像中所有像素R分量的和、所述待检测图像中所有像素G分量的和、所述待检测图像中所有像素B分量的和。
步骤2,将所述待检测图像分割为大小相同的多个子图像块,确定每个子图像块中所有像素R分量的和、所述每个子图像块中所有像素G分量的和、所述每个子图像块中所有像素B分量的和。
步骤3,确定每个子图像块中所有像素R分量的和占所述待检测图像中所有像素R分量的和的比例,作为第一比例;确定每个子图像块中所有像素G分量的和占所述待检测图像中所有像素G分量的和的比例,作为第二比例;确定每个子图像块中所有像素B分量的和占所述待检测图像中所有像素B分量的和的比例,作为第三比例;从而得到所述第一比例、所述第二比例和所述第三比例的均值,记为每个子图像块的第一参数;
步骤4,确定每个子图像块中R分量与G分量的相关系数,记为第一相关系数;确定每个子图像块中R分量与B分量的相关系数,记为第二相关系数;确定每个子图像块中G分量与B分量的相关系数,记为第三相关系数;从而得到所述第一相关系数、所述第二相关系数和所述第三相关系数的均值,记为每个子图像块的第二参数。
步骤4中,每个子图像块中R分量与G分量的相关系数rRG表示为:
其中,M表示每个子图像块中像素的行数,N表示每个子图像块中像素的列数,Xij表示每个子图像块中第i行第j列像素的R分量,Yij表示每个子图像块中第i行第j列像素的G分量,表示每个子图像块所有像素R分量的均值,表示每个子图像块所有像素G分量的均值。
步骤5,将所述待检测图像进行高斯模糊得到高斯模糊后的图像,将所述高斯模糊后的图像分割为大小相同的多个子模糊图像块,其中,所述高斯模糊后的图像与所述待检测图像的大小相同,每个子模糊图像块与所述每个子图像块的大小相同。
步骤5中,将所述待检测图像进行高斯模糊得到高斯模糊后的图像,具体为:
g(x,y)=f(x,y)*h(x,y)
步骤6,确定每个子模糊图像块的第一参数和每个子模糊图像块的第二参数;所述每个子模糊图像块的第一参数的得到过程与所述每个子图像块的第一参数的得到过程对应相同,所述每个子模糊图像块的第二参数的得到过程与所述每个子图像块的第二参数的得到过程对应相同。
步骤6中,确定每个子模糊图像块的第一参数和每个子模糊图像块的第二参数,具体包括:
(6a)确定所述高斯模糊后的图像中所有像素R分量的和、所述高斯模糊后的图像中所有像素G分量的和、所述高斯模糊后的图像中所有像素B分量的和;
(6b)将所述高斯模糊后的图像分割为大小相同的多个子模糊图像块,确定每个子模糊图像块中所有像素R分量的和、所述每个子模糊图像块中所有像素G分量的和、所述每个子模糊图像块中所有像素B分量的和;
(6c)确定每个子模糊图像块中所有像素R分量的和占所述高斯模糊后的图像中所有像素R分量的和的比例,作为第一比例;确定每个子模糊图像块中所有像素G分量的和占所述高斯模糊后的图像中所有像素G分量的和的比例,作为第二比例;确定每个子模糊图像块中所有像素B分量的和占所述高斯模糊后的图像中所有像素B分量的和的比例,作为第三比例;从而得到所述第一比例、所述第二比例和所述第三比例的均值,记为每个子模糊图像块的第一参数;
(6d)确定每个子模糊图像块中R分量与G分量的相关系数,记为第一相关系数;确定每个子模糊图像块中R分量与B分量的相关系数,记为第二相关系数;确定每个子模糊图像块中G分量与B分量的相关系数,记为第三相关系数;从而得到所述第一相关系数、所述第二相关系数和所述第三相关系数的均值,记为每个子模糊图像块的第二参数。
步骤7,所述待检测图像包含Q个子图像块,且所述高斯模糊后的图像包含Q个子模糊图像块;确定第q个子图像块的第一参数与第q个子模糊图像块的第一参数的差值,记为ΔC1;确定第q个子图像块的第二参数与第q个子模糊图像块的第二参数的差值,记为ΔC2;其中,第q个子图像块在待检测图像中的位置与第q个子模糊图像块在高斯模糊后的图像中的位置相对应,且1≤q≤Q;
步骤8,设置所述待检测图像中清晰子图像块的第一参数变化阈值T1和清晰子图像块的第二参数变化阈值T2;若ΔC1>T1且ΔC2>T2,则判定所述待检测图像中第q个子图像块为清晰子图像块;若ΔC1<T1且ΔC2<T2,则判定所述待检测图像中第q个子图像块为模糊子图像块。
步骤8中,若所述待检测图像中第q个子图像块不满足(1)和(2)中任意一个条件,(1)ΔC1>T1且ΔC2>T2,(2)ΔC1<T1且ΔC2<T2,则获取所述待检测图像中第q个子图像块周围相邻的多个子图像块;若所述多个子图像块的判定结果中清晰子图像块的比例大于等于1/2,则确定第q个子图像块为清晰子图像块,否则确定第q个子图像块为模糊子图像块。
示例性的,对于第q个子图像块周围相邻的多个子图像块,当第q个子图像块为图像四个角的子图像块时,其周围相邻的子图像块有两个,当第q个子图像块为第一行子图像块或第一列子图像块(且不为四个角的子图像块)时,其周围相邻的子图像块有5个,当第q个子图像块为图像中的其他子图像块是,其周围相邻的子图像块有8个。
步骤9,令q的值依次取1至Q,得到所述待检测图像中每个子图像块为清晰子图像块或者模糊子图像块的检测结果。
仿真结果:基于以上描述,利用MATLAB进行两幅模糊图像的仿真,仿真结果如图3(a)和3(b)所示,其中,每组图中,第一幅图为原局部聚焦模糊图像,第二幅图为实际模糊区域和清晰区域,第三幅图为采用本发明方法检测出的模糊区域和清晰区域,黑色表示清晰区域,白色表示模糊区域。
本发明技术方案是一种可以实现局部聚焦模糊图像区域检测的方法,可以充分利用图像的RGB彩色信息,通过对模糊图像再次高斯模糊,比较前后的彩色差异,以及彩色之间的相关性实现不同区域的检测。基于以上,该方法较以往算法在同等条件下耗时更短,检测效果更加明显,弥补了已有算法对彩色信息利用的不足,使检测结果更为准确。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种局部聚焦模糊图像的检测方法,其特征在于,所述检测方法包括:
步骤1,获取局部聚焦模糊图像作为待检测图像,确定所述待检测图像中所有像素R分量的和、所述待检测图像中所有像素G分量的和、所述待检测图像中所有像素B分量的和;
步骤2,将所述待检测图像分割为大小相同的多个子图像块,确定每个子图像块中所有像素R分量的和、所述每个子图像块中所有像素G分量的和、所述每个子图像块中所有像素B分量的和;
步骤3,确定每个子图像块中所有像素R分量的和占所述待检测图像中所有像素R分量的和的比例,作为第一比例;确定每个子图像块中所有像素G分量的和占所述待检测图像中所有像素G分量的和的比例,作为第二比例;确定每个子图像块中所有像素B分量的和占所述待检测图像中所有像素B分量的和的比例,作为第三比例;从而得到所述第一比例、所述第二比例和所述第三比例的均值,记为每个子图像块的第一参数;
步骤4,确定每个子图像块中R分量与G分量的相关系数,记为第一相关系数;确定每个子图像块中R分量与B分量的相关系数,记为第二相关系数;确定每个子图像块中G分量与B分量的相关系数,记为第三相关系数;从而得到所述第一相关系数、所述第二相关系数和所述第三相关系数的均值,记为每个子图像块的第二参数;
步骤5,将所述待检测图像进行高斯模糊得到高斯模糊后的图像,将所述高斯模糊后的图像分割为大小相同的多个子模糊图像块,其中,所述高斯模糊后的图像与所述待检测图像的大小相同,每个子模糊图像块与所述每个子图像块的大小相同;
步骤6,确定每个子模糊图像块的第一参数和每个子模糊图像块的第二参数;所述每个子模糊图像块的第一参数的得到过程与所述每个子图像块的第一参数的得到过程对应相同,所述每个子模糊图像块的第二参数的得到过程与所述每个子图像块的第二参数的得到过程对应相同;
步骤7,所述待检测图像包含Q个子图像块,且所述高斯模糊后的图像包含Q个子模糊图像块;确定第q个子图像块的第一参数与第q个子模糊图像块的第一参数的差值,记为△C1;确定第q个子图像块的第二参数与第q个子模糊图像块的第二参数的差值,记为△C2;其中,第q个子图像块在待检测图像中的位置与第q个子模糊图像块在高斯模糊后的图像中的位置相对应,且1≤q≤Q;
步骤8,设置所述待检测图像中清晰子图像块的第一参数变化阈值T1和清晰子图像块的第二参数变化阈值T2;
若△C1>T1且△C2>T2,则判定所述待检测图像中第q个子图像块为清晰子图像块;若△C1<T1且△C2<T2,则判定所述待检测图像中第q个子图像块为模糊子图像块;
步骤9,令q的值依次取1至Q,得到所述待检测图像中每个子图像块为清晰子图像块或者模糊子图像块的检测结果。
4.根据权利要求1所述的一种局部聚焦模糊图像的检测方法,其特征在于,步骤6中,确定每个子模糊图像块的第一参数和每个子模糊图像块的第二参数,具体包括:
(6a)确定所述高斯模糊后的图像中所有像素R分量的和、所述高斯模糊后的图像中所有像素G分量的和、所述高斯模糊后的图像中所有像素B分量的和;
(6b)将所述高斯模糊后的图像分割为大小相同的多个子模糊图像块,确定每个子模糊图像块中所有像素R分量的和、所述每个子模糊图像块中所有像素G分量的和、所述每个子模糊图像块中所有像素B分量的和;
(6c)确定每个子模糊图像块中所有像素R分量的和占所述高斯模糊后的图像中所有像素R分量的和的比例,作为第一比例;确定每个子模糊图像块中所有像素G分量的和占所述高斯模糊后的图像中所有像素G分量的和的比例,作为第二比例;确定每个子模糊图像块中所有像素B分量的和占所述高斯模糊后的图像中所有像素B分量的和的比例,作为第三比例;从而得到所述第一比例、所述第二比例和所述第三比例的均值,记为每个子模糊图像块的第一参数;
(6d)确定每个子模糊图像块中R分量与G分量的相关系数,记为第一相关系数;确定每个子模糊图像块中R分量与B分量的相关系数,记为第二相关系数;确定每个子模糊图像块中G分量与B分量的相关系数,记为第三相关系数;从而得到所述第一相关系数、所述第二相关系数和所述第三相关系数的均值,记为每个子模糊图像块的第二参数。
5.根据权利要求1所述的一种局部聚焦模糊图像的检测方法,其特征在于,步骤8中,
若所述待检测图像中第q个子图像块不满足(1)和(2)中任意一个条件,(1)△C1>T1且△C2>T2,(2)△C1<T1且△C2<T2,则获取所述待检测图像中第q个子图像块周围相邻的多个子图像块;
若所述多个子图像块的判定结果中清晰子图像块的比例大于等于1/2,则确定第q个子图像块为清晰子图像块,否则确定第q个子图像块为模糊子图像块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405385.XA CN108133475B (zh) | 2017-12-22 | 2017-12-22 | 一种局部聚焦模糊图像的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405385.XA CN108133475B (zh) | 2017-12-22 | 2017-12-22 | 一种局部聚焦模糊图像的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133475A CN108133475A (zh) | 2018-06-08 |
CN108133475B true CN108133475B (zh) | 2021-04-09 |
Family
ID=62391529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711405385.XA Active CN108133475B (zh) | 2017-12-22 | 2017-12-22 | 一种局部聚焦模糊图像的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133475B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1459079A (zh) * | 2001-02-05 | 2003-11-26 | 索尼公司 | 图像处理装置 |
CN101853500A (zh) * | 2010-05-13 | 2010-10-06 | 西北工业大学 | 一种彩色多聚焦图像融合方法 |
US20120218433A1 (en) * | 2011-02-28 | 2012-08-30 | Canon Kabushiki Kaisha | Image processing apparatus, image processing program, image processing method, and image-pickup apparatus |
CN104598933A (zh) * | 2014-11-13 | 2015-05-06 | 上海交通大学 | 一种基于多特征融合的图像翻拍检测方法 |
CN106446764A (zh) * | 2016-07-19 | 2017-02-22 | 西安电子科技大学 | 基于改进的模糊颜色聚合向量的视频目标检测方法 |
CN106682684A (zh) * | 2016-11-23 | 2017-05-17 | 天津津航计算技术研究所 | 一种基于k均值聚类的目标识别方法 |
CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
-
2017
- 2017-12-22 CN CN201711405385.XA patent/CN108133475B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1459079A (zh) * | 2001-02-05 | 2003-11-26 | 索尼公司 | 图像处理装置 |
CN101853500A (zh) * | 2010-05-13 | 2010-10-06 | 西北工业大学 | 一种彩色多聚焦图像融合方法 |
US20120218433A1 (en) * | 2011-02-28 | 2012-08-30 | Canon Kabushiki Kaisha | Image processing apparatus, image processing program, image processing method, and image-pickup apparatus |
CN104598933A (zh) * | 2014-11-13 | 2015-05-06 | 上海交通大学 | 一种基于多特征融合的图像翻拍检测方法 |
CN106446764A (zh) * | 2016-07-19 | 2017-02-22 | 西安电子科技大学 | 基于改进的模糊颜色聚合向量的视频目标检测方法 |
CN106682684A (zh) * | 2016-11-23 | 2017-05-17 | 天津津航计算技术研究所 | 一种基于k均值聚类的目标识别方法 |
CN107185854A (zh) * | 2017-05-17 | 2017-09-22 | 河北工业大学 | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 |
Non-Patent Citations (4)
Title |
---|
"Image blurred region detection based on RGB color space information and local standard deviation";Ku Pengsen et al.;《2017 IEEE 2nd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC)》;20171002;第2177-2181页 * |
"Image Partial Blur Detection and Classification";Renting Liu et al.;《2008 IEEE Conference on Computer Vision and Pattern Recognition》;20081231;第1-8页 * |
"基于RGB色彩空间自然场景统计的无参考图像质量评价";李俊峰;《自动化学报》;20150930;第41卷(第9期);第1601-1615页 * |
"融合多颜色空间分量的自适应彩色图像分割";刘俊 等;《计算机工程与应用》;20141231;第185-189、251页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108133475A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Normalised gamma transformation‐based contrast‐limited adaptive histogram equalisation with colour correction for sand–dust image enhancement | |
Ju et al. | Single image dehazing via an improved atmospheric scattering model | |
CN109325954B (zh) | 图像分割方法、装置及电子设备 | |
CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
CN108510451B (zh) | 一种基于双层卷积神经网络的重建车牌的方法 | |
US8031963B2 (en) | Noise filter | |
JP7362297B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN103426182A (zh) | 基于视觉注意机制的电子稳像方法 | |
JP2014515587A (ja) | デジタル画像装置用の画像処理パイプラインの学習 | |
CN113822830B (zh) | 基于深度感知增强的多曝光图像融合方法 | |
US11526963B2 (en) | Image processing apparatus, image processing method, and storage medium | |
Steffens et al. | Cnn based image restoration: Adjusting ill-exposed srgb images in post-processing | |
CN111985314B (zh) | 一种基于ViBe与改进LBP的烟雾检测方法 | |
Singh et al. | Weighted least squares based detail enhanced exposure fusion | |
Tao et al. | Background modelling based on generative unet | |
Saleem et al. | A non-reference evaluation of underwater image enhancement methods using a new underwater image dataset | |
CN105279742B (zh) | 一种快速的基于分块噪声能量估计的图像去噪方法 | |
CN113947643A (zh) | Rgb图像重建为高光谱图像的方法、装置、设备及存储介质 | |
CN106415596B (zh) | 基于分割的图像变换 | |
CN112614078A (zh) | 一种图像降噪方法和存储介质 | |
CN108133475B (zh) | 一种局部聚焦模糊图像的检测方法 | |
Zhou et al. | An improved algorithm using weighted guided coefficient and union self‐adaptive image enhancement for single image haze removal | |
Pal et al. | Visibility enhancement of fog degraded images using adaptive defogging function | |
Yuan et al. | Evaluating the robustness of image matting algorithm | |
Wang et al. | Single image dehazing algorithm based on pyramid mutil-scale transposed convolutional network |
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 |