[发明专利]基于SIFT算法的模糊图像识别方法及装置

说明书

技术领域

本发明涉及模糊图像识别技术领域，尤其涉及一种基于SIFT算法的模糊图像识别方法。

背景技术

模糊图像广泛地存在于现实世界中，给人们的生活带来了很多不便，因此，对于模糊图像的研究非常具有现实意义。模糊图像的相关处理技术经过多年的发展，已经取得了一些很好的应用。从图像技术的角度来看，有关模糊图像处理的方法主要分为三大类：

1.图像增强

作为数字图像技术的基本研究内容之一，图像增强一般是通过一定的技术手段增强那些能够满足某些特定需要的信息，同时，可能会抑制或削弱其他的信息。对于一幅给定的图像，需要根据其应用环境，人为的增强与应用相关的特征，削弱不相关的特征，以此来使得增强后图像能够更好的满足应用需求。图像增强很少考虑图像的降质过程，主要是为了改善图像的视觉效果，一般不是无损的。

2.图像复原

图像复原是一类非常重要图像处理技术，与图像增强技术有相似之处，它们都是为了在某种程度上改善给定图像的质量，同时它们之间也存在着重大的不同。图像复原一般需要根据图像退化的原因，有针对性的对其进行重建，使得处理后的图像最大程度的与原来的图像保持一致。图像复原的目的是为了提升退化图像的品质，同时，间接地改善原来退化图像的视觉效果，而图像增强是根据人们的主观视觉要求来对图像进行处理，很少考虑图像的降质过程，一般不是无损的。

3.图像超分辨率重构

图像的超分辨率重构是一种信号处理的技术，该技术能够有效地提升图像的分辨率，同时间接地提高了图像质量。图像的超分辨率重构主要通过对超出图像采集系统极限频率的高频信号进行估算，从而使得图像的分辨率得以提升。最初，超分辨率重构技术仅适用于单幅图像的处理，由于所能够利用的图像信息有限，当时的重构效果并不十分理想。序列图像超分辨率重构技术解决了上述问题，该技术能够对多幅低分辨率的图像进行处理，因此，能够充分地利用多幅低分辨率图像的信息，通过该技术所获得的重构图像的复原效果要远远的好于利用单幅图像进行重构的效果。

尽管有关模糊图像处理的技术有了很好的发展，但是，现实生活中图像模糊的成因往往较为复杂，目前还没有成熟的方法能够有效的处理各种模糊图像。模糊图像技术的发展受到多种因素的制约，一般可以分为如下几个方面：

1.算法参数的复杂性

在模糊图像处理的相关算法中，都包含了大量的参数，这些参数的选取直接决定了最终的处理效果，而且，这些参数的选择取决于实际的模糊图像，当前的算法还无法智能地选择相关的最优参数。

2.算法的高度针对性

现实生活中的模糊图像的模糊成因往往非常复杂，而当前有关模糊图像处理的算法大都只能够处理某一类因素所导致的模糊图像，当这些算法处理其他图像时，很可能会导致图像更进一步的模糊。以“去雾算法”为例，对于那些有雾的图像，“去雾算法”能够取得很好的处理效果，但是当这些算法作用于正常图像的时候，反而会使得图像效果下降。

3.算法流程的经验性

在现实世界中，图像会很复杂，通常都需要处理多种情况，这样就需要选择一系列的算法来进行处理。对于一个具体的模糊图像，很难智能地选择相应的系列算法。在实际应用中，模糊图像的处理很大程度上要依赖于人的经验。

有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种基于SIFT算法的模糊图像识别方法，使其更具有产业上的利用价值。

发明内容

为解决上述技术问题，本发明的目的是提供一种既回避了对模糊图像的复原和重建，又显著提高了SIFT算法匹配待识别图像和数据库图像的效率的基于SIFT算法的模糊图像识别方法及装置。

本发明的基于SIFT算法的模糊图像识别方法，所述方法包括：

对清晰的图像分别进行高斯平滑，灰度运算和运动模糊，生成模糊空间；

基于SIFT算法对模糊空间的所有图像进行特征提取和描述；

对待识别模糊图像利用SIFT算法提取所述待识别模糊图像的特征点；

将待识别图像的特征点分别和清晰图像所生成的模糊空间中的每一幅图像的特征点进行匹配；

基于预定的测评标准来对所有的匹配进行评估，筛选出匹配效果最好的作为最终识别结果。

进一步地，所述方法具体包括：

2.1 图像预处理，根据待识别图像模糊的特点分析对待识别图像进行相关处理；

2.2 模糊空间构建，模糊空间中的图像集至少包括三类模糊图像，每类模糊图像分别构成一个模糊子空间，所述的子空间分别为：