图像模糊检测技术研究

方案是根据图像退化展示出来的具体特点而设计的。

图像模糊检测通常在空间域进行。一定的模糊度量用于表示模糊的存在及其程度。在文献[8]中，这种度量是基于边缘的提取及其传播。在小波域中，模糊程度还可以通过分析在不同分解图层的边缘类型和锐度来度量[4]。因为这种方法只检测模糊，不能判断图像的退化类型。

另一方面，模糊识别通常在变换域进行，最常使用的是傅立叶变换。文献[5]使用频率零的出现和位置来指示模糊类型。文献[6]使用变换域来进行同步检测和识别。一些傅立叶参数被投影到单位圆，用于训练神经网络。这种方法可以识别不同的模糊类型和它的参数[7]，检测精度比较高，但是必须预先设定网络输入数量和图像尺寸。也就是说，一旦网络被设计用于一定尺寸的图像，就无法用于其他尺寸的图像。此外，要使得训练结果达到收敛还需要耗费大量的时间。

2.1 使用小波变换的图像模糊检测

使用Harr小波变换进行模糊检测是直接方法。该方法不仅能通过边缘类型分析判断一幅图像是否模糊，而且还能根据边缘锐度分析给出图像的模糊程度[8]。这种方法利用Harr小波变换的能力优势，辨别不同类型的边缘，并从模糊中恢复边缘锐度。这对于失焦模糊和线性运动模糊都是非常有效的方法，其有效性不会受统一背景图像的影响。不同边缘通常分为三种类型：斜坡型、台阶型和屋顶型。Harr小波变换模糊检测方法通过分析边缘结构的类型来判断一幅图像是否模糊，通过分析边缘锐度来确定图像的模糊程度。

2.2 使用DCT的图像模糊检测

基于DCT的方法利用MPEG或JPEG压缩视频或图像的DCT信息进行图像模糊检测，计算负载很小。该方法是通过计算MPEG或JPEG压缩图像中非零DCT系数的统计直方图来检测模糊。对于MPEG压缩视频，这种方法适用于所有图像帧：I帧、P帧或B帧。

模糊检测的目的是提供图像模糊的百分比来表明整幅图像的质量。这个模糊指数显示由于摄像机运动或者失焦造成的整幅图像模糊。对于MPEG压缩的视频数据，模糊指数可以直接从MPEG视频数据流的DCT层得到[9]。要实现这一目标，必须明确：

（1）MPEG使用的DCT系数是用于数据压缩的，且与图像内容高度相关。这些系数反应了一个图像块中的频率分布。

（2）在MPEG数据流中，DCT系数直接用于I帧像素。相反，P帧和B帧系数描述再运动补偿之后的残留图像。

由此可见，选择一个独立于图像特殊内容和MPEG帧类型的模糊指数是非常重要的。

模糊是和边缘锐利相反的。DCT系数中的一些高值AC系数导致这种锐利。这种模糊测量方法是寻找图像中所缺少的这种锐利边缘，由此可以被认为是图像模糊。测量过程包括以下三个步骤：

Step 1.为了描述全局模糊程度，提出建立一个将整幅图像的DCT信息作为整体来考虑的测量值。任何类型的边缘都很可能与图像中的某一个8 x 8子块交叉一次。所有DCT块的全局性将知道普通边缘的锐度，也就是全局模糊程度。

Step 2.为了与图像内容尽可能的相互独立，系数不应该被直接考虑，因为这些数值和它们所描述的图像类型紧密相关。有人提出观察零系数的分布，模糊图像很可能使得它们的高频系数值为零，不论图像内容是什么。

Step 3.为了去除与图像尺寸的依赖关系，图像中的子块数量应该除去系数不为零的次数。这将限制直方图的值为1。尽管如此，P帧和B帧中的系数经常为零。为了使得所有类型的图像直方图均质化，非零系数的出现次数除去非零DC系数的出现次数。

通过这三步，就可以得到一个独立于图像内容和MPEG帧类型的测量值。

3 结语

该文首先介绍了4种图像质量退化模型，无模糊、线性运动模糊、失焦模糊和大气湍流模糊。然后，介绍了2种常用的模糊检测方法，小波变换和DCT。Harr小波方法根据图像中是否包含斜坡型边缘和台阶型边缘来判断一幅图像是否模糊。用模糊系数来描述模糊程度。模糊系数通过统计模糊图像中的台阶型边缘和屋顶型边缘的百分比来确定。这种方法有效且效率高。DCT方法直接用于JPEG或MPEG压缩图像。该方法对于任何图像类型都很有效。

参考文献

[1]R LIU， Z LI， and J JIA. Image partial blur detection and classification[C]//in Proc.IEEE CVPR，2008：1-8.

[2]R M CHONG，T TANNKA. Image extrema analysis and blur detection with identification[C] //in Proc.Int.IEEE Conf.Signal-Image Technol. Internet-Based Syst.，2008：320-326.

[3]A AKSAY，A TEMIZEL， and A E CETIN.Camera tamper detection using wavelet analysis for video surveillance[C]// in Proc.IEEE Conf.Adv.Video Signal Based Surveillance，2007：558-562.

[4]J D RUGNA and H KONIK. Automatic blur detection for metadata extraction in content-based retrieval context[J].In SPIE，2003，5304：285-294.

[5]A LEVIN.Blind motion deblurring using image statistics [C]//In NIPS，2006：841-848.

[6]J H ELDER and S W ZUCKER. Local scale control for edge detection and blur estimation [J]. PAMI，1998，20（7）：699-716.

[7]Yun-Chung CHUNG，Jung-Ming WANG，BAILEY RR，et al.A non-parametric blur measure based on edge analysis for image processing applications [C]//in 2004 IEEE Conf.on Cybernetics and Intelligent Systems，Singapore，vol.1，pp.356-360，Dec.2004.

[8]Hanghang TONG，Mingjing LI，Hongjiang ZHANG，et al.Blur detection for digital images using wavelet transform[C]//in 2004 IEEE Int.Conf.on Multimedia and Expo，Taipei，Taiwan，2004：17-20.

[9]I AIZENBERG，D PALIY，C MORAGA，et al.Blur identification using neural network for image restoration[J].Computational Intelligence，Theory and Applications，2006（17）：441-455.

推荐访问： 技术研究 图像 模糊 检测

---