基于支持向量机和小波分解的模糊图像分类方法技术

基于支持向量机和小波分解的模糊图像分类方法，首先通过采集样本，输入图片，对图片进行灰度处理，然后对图像进行小波分解，获取第二层的水平、垂直、对角三个方向信息，之后对图像进行傅里叶对数变换，得出三个方向的频谱信息，随即利用合适的阈值对频谱图像进行二值化，然后对频谱中的连通域进行边框标记处理，计算长宽比，以长宽比作为特征进行网络训练，最后，通过训练好的网络将待测图像分为正常图像、离焦模糊图像或运动模糊图像。本发明专利技术一种基于支持向量机和小波分解的模糊图像分类方法，该方法能够大大减少模糊图像分类的计算量，提高模糊图像分类的速度和准确率，为后续的模糊图像复原等提供技术支持。

【技术实现步骤摘要】
基于支持向量机和小波分解的模糊图像分类方法
本专利技术属于图像处理
，具体涉及一种基于支持向量机和小波分解的模糊图像分类方法。
技术介绍
模糊是常见的一种图像降质形式，它导致图像分析和解译的困难，降低图像的实际应用价值。导致图像模糊的原因有很多，大致可分为确定性因素和随机性因素两类。确定性因素包括成像系统调焦不当、目标物体相对运动等；随机性因素主要是图像在记录、传输过程中的污染，比如电子系统的高频性能不好造成图像高频分量的损失。在频域，当一幅图像的高频部分被削弱时图像看起来会显得模糊；在空域，图像的边界和细节部分不清晰时，图像看起来也会显得模糊[1]。根据模糊的对称性，图像模糊又可以分为各向同性模糊和方向性模糊[2]。前者的常见例子是离焦模糊，后者的典型代表是运动模糊。离焦模糊有的时候是没有坏处的，一些摄影师甚至采用离焦模糊的方式来营造特殊的摄像效果[3]。但运动模糊则一般都是我们所不希望出现的，比如相机和拍摄对象的相对运动引起的整体运动模糊、拍摄对象局部运动引起的局部运动模糊等。因此，为了更好地实现模糊图像分割、图像复原等后续工作，首先本文档来自技高网...

【技术保护点】
1.基于支持向量机和小波分解的模糊图像分类方法，其特征在于：首先通过采集样本，输入图片，对图片进行灰度处理，然后对图像进行小波分解，获取第二层的水平、垂直、对角三个方向信息，之后对图像进行傅里叶对数变换，得出三个方向的频谱信息，随即利用合适的阈值对频谱图像进行二值化，然后对频谱中的连通域进行边框标记处理，计算长宽比，以长宽比作为特征进行网络训练，最后，通过训练好的网络将待测图像分为正常图像、离焦模糊图像或运动模糊图像。/n

【技术特征摘要】
1.基于支持向量机和小波分解的模糊图像分类方法，其特征在于：首先通过采集样本，输入图片，对图片进行灰度处理，然后对图像进行小波分解，获取第二层的水平、垂直、对角三个方向信息，之后对图像进行傅里叶对数变换，得出三个方向的频谱信息，随即利用合适的阈值对频谱图像进行二值化，然后对频谱中的连通域进行边框标记处理，计算长宽比，以长宽比作为特征进行网络训练，最后，通过训练好的网络将待测图像分为正常图像、离焦模糊图像或运动模糊图像。


2.基于支持向量机和小波分解的模糊图像分类方法，其特征在于包括以下步骤：
步骤1：采集样本：随机生成大量不同的离焦模糊和运动模糊的图像，收集大量不同的模糊图像I，作为分类识别的样本；
步骤2：对模糊图像I进行灰度化，得到灰度化的图像I1；
步骤3：对灰度化的图像I1进行小波分解，得出小波分解的第二层的图像I2，算法原理是：将L2(R)空间的任意函数f(t)在小波基下展开，小波变换式为：



式中：为小波基共轭函数；
最终由小波变换分解得出水平、垂直、对角三个方向上的图像信息；
步骤4：对小波分解的第二层三个方向上的图像I2进行傅里叶对数变换，得出水平、垂直、对角三个方向上的图像频谱信息，得到图像I3；
步骤5：对三个方向的图像频谱信息选定合适的阈值T，进行二值化，将图像变为黑白的二值化图像I4；



步骤6：对三个方向的频谱信息二值化图像I4进行处理，将中间的频谱信息的连通...

【专利技术属性】
技术研发人员：曾曙光，左肖雄，蔡明轩，刘磊，罗志会，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北;42