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技术

本发明专利技术公开了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，属于图像处理技术领域，主要针对图像频谱段信息曲线特性的提取和统计分析，并将其应用于模糊图像识别中。本发明专利技术的具体实现步骤为：对输入图像进行灰度化及二维离散傅立叶变换，同时将直流分量搬移到频谱中心；取兴趣区域与统计区域，并在统计区域内依次进行半径逐渐增大的圆形频谱区域外信息值的统计；为了方便观察曲线变化，将信息曲线进行横纵坐标的归一化；最终提取信息曲线的特性，即曲线下方的区域积分，并统计特性分布情况。本发明专利技术可用于对图像的模糊识别分类，其提取识别特征过程快速、简便，分类区分度高。

A method of image clearness and fuzzy discriminant feature extraction based on spectral segment information

The invention discloses an image spectrum information clear and fuzzy discriminant feature extraction based method, which belongs to the technical field of image processing, mainly for image spectrum information curve extraction and statistical analysis, and its application in fuzzy image recognition. The specific implementation steps of the invention are: gray scale and 2-D discrete Fu Liye transform to the input image, while the DC component is moved to the center of the region of interest and spectrum; the statistical area, and in the statistical area in the spectral region of circular radius increases gradually and international information value statistics; in order to facilitate the observation curve, the information curve of vertical and horizontal coordinates of the normalized characteristic information extraction curve; finally, the area under the curve integral, and the statistical characteristics of distribution. The invention can be used for the fuzzy identification and classification of images, and the process of extracting and identifying the features is rapid and simple, and the classification areas are high in indexing.

【技术实现步骤摘要】
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
本专利技术涉图像处理
，具体涉及通过对频谱段信息特性的提取进行统计和分析，从而达到对图像进行清晰与模糊识别的目的。
技术介绍
在获取图像过程中，人为原因、拍摄环境恶劣均会造成图像的模糊失真。不同程度的模糊将对图像分析造成或大或小的影响。因此，在对图像进行应用前，需区分图像清晰与否，避免模糊图像对后续处理结果的干扰。模糊检测识别方法大致分为三类：提取图像特征进行阈值设定、建立评价模型对图像进行评估、利用图像抠图方法(AlphaMatting等)定位模糊区域。基于DA的模糊图像识别方法“XieX,CaoZ,XiaoY,etal.Blurredimagerecognitionusingdomainadaptation[C].IEEEInternationalConferenceonImageProcessing.2015”，其虽提高了识别性能，但需先依据大量样本进行LMDR度量学习，过程繁杂。在提取图像特征进行识别的方法中，文献“王小莹,易尧华.基于SVM的模糊图像识别[J].包装工程,2016(13):179-183”利用了频率系数统计特征、峰度值、颜色饱和度三方面作为图像特征，但未能识别仅有灰度信息的图像，且特征建立过程繁杂。在上述模糊识别中，需提取图像众多特征或者构建复杂模型，而某些特殊图像并不能被识别。
技术实现思路
本专利技术的专利技术目的在于：针对现有模糊检测识别方法的缺陷，基于对图像频谱段信息的分析，提出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，可根据统计特性的分布情况对图像进行清晰与模糊图像分类。在图像应用前，对图像进行清晰与否的预处理判断，避免模糊图像对后续处理结果的干扰。本专利技术的基于频谱段信息的图像清晰与模糊判别特征提取方法，包括下列步骤：步骤1：待处理区域选取。依次读入待处理图像，对其进行灰度化处理；为后续方便统计频谱段信息，以图像宽度和高度中较短的边(记为a)为边长选取一个正方形区域A作为待处理区域；步骤2：频域转换。对区域A进行二维离散傅立叶变换，并将直流分量搬移到频谱中心，得到图像的频域幅度谱图；步骤3：频谱信息统计。由于图像为实信号，步骤2得到的频域幅度谱图是中心对称，且同一场景的图像在低频区域频谱接近，而在中高频区域频谱存在差异。因此，本专利技术以频谱中心为圆心，仅统计半径为r的半个圆域外的频谱信息总和sum(r)，其中半径r的取值范围为[0，a/2-1]。不同图像在中高频区域所含频谱值不同，为了表征圆域外每一频率点所含频谱值平均大小，将频谱信息总和平均化，即：sum(r)’＝sum(r)/[a2/2-πr2/2]；同时，为使得sum(r)’不随图像尺寸大小而不同，将sum(r)’归一化为：Ratio(r)＝sum(r)’/sum(0)’，其中sum(0)’表示r＝0时的sum(r)’值；然后，以r为横轴，Ratio(r)为纵轴，绘制待处理图像的频谱段信息曲线，同时，将横轴r的数值归一化为[0，1]。步骤4：频谱段信息曲线特征提取。用参数s表征频谱段信息曲线下方的区域面积，将参数s作为当前待处理图像的图像清晰与模糊判别的特征信息。因将横轴r的数值归一化为[0，1]，故s∈[0,1]。以s为横轴、出现次数为纵轴，统计同一场景下不同图像的参数s的分布情况，可得特性分布曲线图，即参数s的概率分布图，从参数s的概率分布图能直观看出清晰图与模糊图间的差异，进而更好的对两者进行区分。在将本专利技术用于图像清晰和模糊的分类判决时，可基于其特性分布曲线图设置门限阈值T，然后基于参数s与门限阈值T大小关系进行图像分类判决：当图像的参数s≥T时，则判决该图像为清晰图像，否则为模糊图像。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：基于对图像频谱图的分析，提出了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，该方法提取识别特征过程快速、简便，用于图像清晰与模糊的分类区分度高。附图说明图1是本专利技术用于图像分类的处理流程图；图2是具体实施方式中，对待处理的图像I的兴趣区域A和统计区域B的示意图；图3是具体实施方式中，频谱信息值的统计示意图，其中黑点为圆域内像素点的频谱值；图4是用于实施例的两幅场景示意图，图像大小均为1080×1080，其中，左图为清晰图，右图为模糊图；图5是实施例的频谱段信息曲线，其中，虚线为清晰图像的频谱信息统计曲线，实线为模糊图像的频谱信息统计曲线；图6是基于本专利技术的频谱信息曲线面积参数s的概率分布情况图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本专利技术作进一步地详细描述。将本专利技术的图像清晰与模糊判别特征提取方法用于清晰图像和模糊图像的图像分类识别处理，参见图1，其主要包括下述过程：(1)对输入的图像I进行灰度化处理，并在图像I中选取待处理区域A(图2所示的矩形阴影区域)；(2)对区域A进行二维离散傅立叶变换；(3)将直流分量搬移到频谱中心得到图像的频域幅度谱图；(4)为统计方便，在区域A内取右侧区域为统计区域B(图2所示的斜线矩形区域)，在区域B中进行频谱信息值的统计；为方便与其他图像进行比较，将频谱信息值进行归一化处理；(5)对频谱段信息曲线的特性(曲线下方的区域积分)进行提取，即得到图像清晰与模糊判别的特征信息；(6)依据频谱段信息曲线的特性分布情况，确定门限阈值T，再基于T得到图像识别类别结果：若当前输入图像I的参数s大于等于T，则判决图像I为清晰图像，否则为模糊图像。步骤(1)～(6)的其具体实现过程如下：步骤1：依次读入待识别的图像I，如图3所示，图像尺寸为1080×1080；对图像I进行灰度化处理，并在图像I中选择一个方形区域作为兴趣区域A，其中兴趣区域A的边长为a，而a为图像I的宽度和高度中较短的边，本实施方式中，a为1080，即直接选取图像I本身作为兴趣区域A。步骤2：对区域A进行二维离散傅立叶变换，得到一个大小为1080×1080的复数频谱矩阵FFT。步骤3：将直流分量搬移到频谱中心，并对步骤2得到的数频谱矩阵FFT取绝对值。步骤4：圆形频谱段外的信息统计：401：将兴趣区域A均分为左右两部分，并记右侧区域为统计区域B。402：在区域B内取半径为r的1/2圆域(如图2所示的位于区域B的半圆域)，统计r以1为步长，范围为[0,539]的半个圆形区域外的频谱信息值总和sum(r)。为方便计算，先统计圆域(半径为r)内的频谱段信息值sum_inner(r)，具体操作如下：参见图3，当r＝0时，频谱段信息值sum_inner(0)为直流分量值；当r＝1时，频谱段信息值sum_inner(1)＝sum_inner(0)+FFT(540,541)+FFT(541,540)+FFT(539,540)；当r＝2时，频谱段信息值sum_inner(2)＝sum_inner(1)+FFT(542,540)+FFT(538,540)+FFT(542,542)+FFT(539,541)+FFT(541,541)；同理可得，当r＝539时，频谱段信息值sum_inner(539)＝sum_inner(538)+FFT(1,540)+FFT(1079,540)+…+FFT(540,本文档来自技高网...

【技术保护点】
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，其特征在于，包括下列步骤：步骤1：待处理区域选取：对待处理图像进行灰度化处理后，在待处理图像中选取一个正方形区域作为兴趣区域A，兴趣区域A的边长为a，其中a为待处理图像的宽度和高度中较短的边；步骤2：对兴趣区域A进行二维离散傅立叶变换，并将直流分量搬移到频谱中心，得到图像的频域幅度谱图；步骤3：频谱信息统计：以频谱中心为圆心，统计半径为r的半个圆域外的频谱信息总和sum(r)，其中半径r的取值范围为[0，a/2‑1]，取值变化步长为1；再对频谱信息总和sum(r)平均化，得到sum(r)’，其中sum(r)’＝sum(r)/[a

【技术特征摘要】
1.一种基于频谱段信息的图像清晰与模糊判别特征提取方法，其特征在于，包括下列步骤：步骤1：待处理区域选取：对待处理图像进行灰度化处理后，在待处理图像中选取一个正方形区域作为兴趣区域A，兴趣区域A的边长为a，其中a为待处理图像的宽度和高度中较短的边；步骤2：对兴趣区域A进行二维离散傅立叶变换，并将直流分量搬移到频谱中心，得到图像的频域幅度谱图；步骤3：频谱信息统计：以频谱中心为圆心，统计半径为r的半个圆域外的频谱信息总和sum(r)，其中半径r的取值范围为[0，a/2-1]，取值变化步长为1；再对频谱信息总和sum(r)平均化，得到sum(r)’，其中sum(r)’＝sum(r)/[a2/2-πr2/2]；将sum(r)’归...

【专利技术属性】
技术研发人员：傅志中，王琦艺，孙翊皓，徐凯，徐进，周宁，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51