一种基于MSCN信息识别模糊图像的方法和装置、计算设备及存储介质制造方法及图纸

本发明专利技术提供了一种能够基于MSCN信息快速地识别模糊图像的方法和装置、计算设备及存储介质。所述方法包括以下步骤：对待识别图像进行预处理以得到MSCN图像；对所述MSCN图像的统计直方图中的‑0.5至0.5范围内的MSCN系数进行统计，以得到MSCN系数和；将所述MSCN系数和与预定值进行比较；如果所述MSCN系数和大于等于所述预定值，则判别所述待识别图像为模糊图像，否则判别所述待识别图像为清晰图像。本发明专利技术的方法和装置不仅识别速度快，而且准确率高，从而可以有效应用到手机终端。

【技术实现步骤摘要】
一种基于MSCN信息识别模糊图像的方法和装置、计算设备及存储介质
本专利技术涉及图像识别
，特别涉及一种基于MSCN信息识别模糊图像的方法和装置、计算设备及存储介质。
技术介绍
图像质量客观评价是指通过设计合理的算法使计算机自动精确地预测图像的感知质量。图像质量的评价结果可以为图像处理算法的参数优化、图像处理系统的性能评估和图像处理设备的质量检测提供重要的指标和依据，已成为图像处理领域的研究热点之一。其中，盲图像质量评价(BlindImageQualityAssessment，BIQA)是指在没有参考图像的情况下对任意输入图像的视觉质量进行精确预测。由于在绝大多数的实际应用场景中，测试图像对应的参考图像是无法或难以得到的，因此对于盲图像质量评价的研究至关重要。通过对现有文献的检索，目前无参考图像质量评价的代表性方法有两种。一种是AnishMittal等人在2012年IEEETransactionsonImageProcessing,vol.21(12),pp.4695-4708(2012年IEEE图像处理会刊第21卷12期，4695至4708页)上发表的“No-referenc本文档来自技高网...

【技术保护点】
1.一种基于均值减损对比归一化信息来识别模糊图像的方法，其特征在于，所述方法包括以下步骤：对待识别图像进行预处理以得到均值减损对比归一化图像；对所述均值减损对比归一化图像的统计直方图中的‑0.5至0.5范围内的均值减损对比归一化系数进行统计，以得到均值减损对比归一化系数和；将所述均值减损对比归一化系数和与预定值进行比较；如果所述均值减损对比归一化系数和大于等于所述预定值，则判别所述待识别图像为模糊图像，否则判别所述待识别图像为清晰图像。

【技术特征摘要】
1.一种基于均值减损对比归一化信息来识别模糊图像的方法，其特征在于，所述方法包括以下步骤：对待识别图像进行预处理以得到均值减损对比归一化图像；对所述均值减损对比归一化图像的统计直方图中的-0.5至0.5范围内的均值减损对比归一化系数进行统计，以得到均值减损对比归一化系数和；将所述均值减损对比归一化系数和与预定值进行比较；如果所述均值减损对比归一化系数和大于等于所述预定值，则判别所述待识别图像为模糊图像，否则判别所述待识别图像为清晰图像。2.根据权利要求1所述的方法，其特征在于，所述预处理采用如下公式：其中，I(i,j)是所述待识别图像；i,j是像素坐标，i∈1,2,...M,j∈1,2,...N，M和N分别为所述待识别图像的长宽；C＝1，为防止分母为零的常数；I'(i,j)为所述均值减损对比归一化图像；μ(i,j)和σ(i,j)通过下式来得到：其中，w＝{wk,l|k＝-K,...K,l＝-L,...L}是二维高斯窗口，K＝L＝3，μ(i,j)是在窗口内的局部均值，σ(i,j)是窗口内的局部方差。3.根据权利要求1所述的方法，其特征在于，所述预定值为0.9。4.一种基于梯度幅值和方向值稀疏特征信息以及均值减损对比归一化信息来识别模糊图像的方法，其特征在于，所述方法包括以下步骤：计算待识别图像的梯度幅值；将梯度幅值归一化为0～1；以第一间隔gap0对归一化后的梯度幅值进行量化，即，量化后的梯度幅度范围是0～1/gap0；统计量化后的梯度幅度的直方图中的0～rate*1/gap0范围内的非空点数N0，其中，rate为比率常数；计算所述待识别图像在0～360度范围内的梯度方向值；将梯度方向值归一化为0～1；以第二间隔gap1对归一化后的梯度方向值进行量化，即，量化后的梯度方向值范围是0～1/gap1；统计量化后的梯度方向值的直方图中的所有的非空点数N1；对所述待识别图像进行预处理以得到均值减损对比归一化图像；对所述均值减损对比归一化图像的统计直方图中的-0.5至0.5范围内的均值减损对比归一化系数进行统计，以得到均值减损对比归一化系数和N2；基于非空点数N0和N1以及均值减损对比归一化系数和N2来判别所述待识别图像为模糊图像还是为清晰图像。5.根据权利要求4所述的方法，其特征在于，所述基于非空点数N0和N1以及均值减损对比归一化系数和N2来判别所述待识别图像为模糊图像还是为清晰图像的步骤包括：计算下式：rate0*|N0-center0|/(|N0-center0|+|N0-center0’|)+rate1*|N1-center1|/(|N1-center1|+|N1-center1’|)+(1-rate0-rate1)*|N2-center2|/(|N2-center2|+|N2-center2’|)，其中，rate0和rate1是交叉验证参数，center0和center0’分别为对训练集中的所有模糊样本计算而得到的非空点数N0和N1的均值，center1和center1’分别为对训练集中的所有清晰样本计算而得到的非空点数N0和N1的均值，center2为对训练集中的所有模糊样本计算而得到的均值减损对比归一化系数和N2的均值，center2’为对训练集中的所有清晰样本计算而得到的均值减损对比归一化系数和N2的均值；将计算出的上式与预定值进行比较；如果计算出的上式小于所述预定值，则判别所述待识别图像为模糊图像，否则判别所述待识别图像为清晰图像。6.根据权利要求4所述的方法，其特征在于，所述预处理采用如下公式：其中，I(i,j)是所述待识别图像；i,j是像素坐标，i∈1,2,...M,j∈1,2,...N，M和N分别为所述待识别图像的长宽；C＝1，为防止分母为零的常数；I'(i,j)为所述均值减损对比归一化图像；μ(i,j)和σ(i,j)通过下式来得到：其中，w＝{wk,l|k＝-K,...K,l＝-L,...L}是二维高斯窗口，K＝L＝3，μ(i,j)是在窗口内的局部均值，σ(i,j)是窗口内的局部方差。7.根据权利要求5所述的方法，其特征在于，所述预定值为0.5。8.根据权利要求4所述的方法，其特征在于，所述归一化为最大最小归一化。9.根据权利要求4所述的方法，其特征在于，所述第一间隔gap0为0.001，所述比率常数rate为0.01，并且，所述第二间隔gap1为0.00025。10.一种用于基于均值减损对比归一化信息来识别模糊图像的装置，其特征在于，所述装置包括：预处理模块，用于对待识别图像进行预处理以得到均值减损对比归一化图像；均值减损对比归一化系数统计模块，用于对所述均值减损对比归一化图像的统计直方图中的-0.5至0.5范围内的均值减损对比归一化系数进行统计，以得到均值减损对比归一化系数和；比...

【专利技术属性】
技术研发人员：王言伟，李杰，
申请(专利权)人：北京中安未来科技有限公司，
类型：发明
国别省市：北京,11