图像清晰度检测方法VIP免费

－1545－0引言一幅数字图像的好坏与其清晰度和对比度直接相关，清晰度好的图像包含了较丰富的细节信息，便于对图像进行相关处理，如图像分割、图像理解和图像跟踪等。图像清晰度的检测方法既是衡量一幅数字图像质量好坏的重要环节，也是实现数字成像系统自动对焦的基础。目前，常见的图像清晰度评价函数主要包括图像直方图法、能量方差法、平方梯度能量法、熵函数法、频谱函数法、拉普拉斯能量法、高斯方差法、平方高斯梯度法及拉普拉斯-高斯法等[1,4]等多种函数。本文分析比较了这些函数在对模糊程度不同的图像进行评价时具有的不同特性，提出了一种基于图像中心距的图像清晰度检测方法，并在此基础上实现了一种基于五区域的图像清晰度评价方法。实验表明，该方法在计算性能、可靠性和稳定性方面都有较好表现。1评价函数根据NgKuangChern等人的工作[1]结果，可将常见的清晰度评价函数分为两大类：①以图像直方图法和能量方差法为代表的函数；②以拉普拉斯能量法和平方梯度能量法为代表的函数。一般来说，图像直方图法和能量方差法具有较好的运行效率，且曲线变化具有较好的全局性，有利于区分不同模糊程度的图像，然而对焦平面附近的图像的清晰度评价则存在量化等级不够等不足；而频谱函数法、拉普拉斯能量法和平方梯度能量法的运行效率和全局性都较差，但是拉普拉斯能量法和平方梯度能量法的曲线具有较好局部性，可以较准确地区分焦平面附近的图像清晰度。为此在NgKuangChern等人的工作[1]中提出了将能量方差法和平方梯度能量法相结合的评价方法，即在全局寻优时采用能量方差法来评价，而在局部寻优时则采用平方梯度能量法。然而该方法并没有从根本上解决评价精度和评价效率之间的矛盾，如何将两者进行有效的结合也是必须解决的问题。而在June-SokeLee等人的工作中则提出了采用两个不同滤波函数的方法来产生两个不同精度的评价结果来作为评价依据，但由于其着眼于借助相应的硬件机构来实现对图像清晰度的评价，因此在评价函数的选择以及评价效率方面都没有相关措施。收稿日期：2005-03-18。基金项目：江苏省研究生创新基金项目(xm04-35)。作者简介：李峰(1966－)，男，江苏镇江人，硕士研究生，研究方向为图像处理；陈志刚，副教授；储金宇，教授。图像清晰度检测方法李峰，陈志刚，储金宇(江苏大学,江苏镇江212013)摘要：针对目前清晰度检测方法中存在的速度慢、局部量化不明显和受光照亮度影响大等不足，在分析了几种常见图像清晰度评价函数特性的基础上，提出了一种基于图像中心距的清晰度评价模型。该模型通过引入图像中心距和高通滤波图像中心距的线性组合，在保持评价结果良好全局性的同时提高了其局部量化精度。在此基础上实现了一种基于五区域的图像清晰度评价方法。实践表明该方法具有较好的计算效率、可靠性和量化等级。关键词：数字图像;清晰度;图像中心距;评价方法中图法分类号：TP391文献标识码：A文章编号：1000-7024(2006)09-1545-02ApproachfordetectingimagesharpnessLIFeng,CHENZhi-gang,CHUJin-yu(JiangsuUniversity,Zhenjiang212013,China)Abstract：Therearesomedeficienciesinactualmethodsofdetectingimagesharpness,suchaslowspeed,unconspicuouslocalquan-tizationandgreatinfluenceofilluminationintensity.Inordertoovercomethesedeficiencies,afteranalyzedcharactersofseveralpopularfunctionsinimagesharpnessevaluation,anewimagesharpnessevaluationmodelwaspresentedwhichisbasedontheimageabsolutecentralmoment.Thelinearcombinationofimageabsolutecentralmomentandhighpassimageabsolutecentralmomentwasintroducedintothismodeltoincreasetheprecisionoflocalquantizationaswellaskeepnicerentirenessinevaluationresults.Onthisbasis,aesti-matingmethodofimagesharpnessbasedonfiveregionswasputforward.Experimentshowsthatthemethodismoreefficient,reliableandit'squantizationismorepreferable.Keywords：digitalimage;sharpness;imagecentralmoment;estimatingmethod2006年5月计算机工程与设计May2006第27卷第9期Vol.27No.9Compute...