[发明专利]一种度量人脸图像模糊程度的方法

说明书

本发明公开了一种度量人脸图像模糊程度的方法，包括以下步骤：10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。本发明能够准确度量在变化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像，提高人脸识别的准确率。

技术领域

本发明涉及图像通信技术领域，特别是一种度量人脸图像模糊程度的方法。

背景技术

人脸识别技术已经逐渐深入大众生活中，人脸识别系统中依据人脸图像的模糊度进行选择、识别是其重要特点之一，当前国内外判断图像模糊程度的方法比较多，但是专门针对人脸图像进行模糊判断的方法较少，现有的图像模糊判断方法主要有基于边缘梯度信息的方法和基于频域信息的方法。

图像的模糊程度与其边缘锐度有关，图像的边缘锐度高，说明该图像清晰，图像的边缘锐度低，则说明图像比较模糊，因此图像的模糊检测可以通过检测图像的边缘锐度来进行。基于边缘梯度信息的度量方法流程如下：首先使用边缘检测算子查找出人脸图像的边缘像素点，然后设定一个边缘渐变阈值，在边缘像素点联通区域附近计算梯度小于渐变阈值的像素点数量，满足该条件的像素点数量越多，说明图像边缘渐变越缓慢，图像越模糊，反之，满足该条件的像素点越少，则说明图像越清晰。但是该方法依赖于图像的边缘信息，在视频应用场景中，由于人脸一直在运动，人脸区域的背景一直在变化，人脸区域的图像边缘信息也在变化，当多张人脸图片中包含的边缘信息变化比较大时，这些图片之间的人脸模糊度就没有可比性，此时，基于边缘梯度信息的图像模糊度检测方法也就失去了作用。

根据信号处理的原理，信号的高频信息越多，则说明信号的噪音越多、信号变化越频繁。从图像上看，图像的高频部分的信息越多，说明图像的边缘信息越多，锐度越高；反之，图像中高频部分的信息越少，说明图像锐度越低、越模糊。基于频域的图像模糊度检测方法就是根据上述原料，使用傅里叶变换算法将图像从空域转换到频域，再计算图像中高频能量占所有能量的比率，占比越高，则说明图像锐度越高，占比越低，则说明图像越模糊。如图2所示，图中包含两张人脸图像和这两张人脸图像的频谱能量图，频谱能量图中心位置的信号表示直流信号，四周的信号表示高频信号，从图中可以看到，越模糊的图像，高频信号越多。然而该方法主要依赖于图像的频域信息，因此碰到的问题也和基于边缘梯度信息的方法类似，当多张人脸图像中包含的边缘信息变化比较大时，相同清晰度的图像之间的高频信息变化也比较大，此时，基于频域信息的图像模糊度检测方法也失去了作用。

发明内容

本发明为解决上述问题，提供了一种度量人脸图像模糊程度的方法，以度量在变化场景中获取的人脸图像的模糊度，以便从抓拍到的视频流中筛选出最清晰的人脸图像，提高人脸识别的准确率。

为实现上述目的，本发明采用的技术方案为：

如图1所示本发明揭示的一种度量人脸图像模糊程度的方法，包括以下步骤：

10.模糊人脸图像获取：将原始人脸图像P进行高斯模糊运算，获得模糊人脸图像P’；

20.频谱信息获取：将原始人脸图像P和模糊人脸图像P’分别做傅里叶变换，得到P的频谱信息F以及P’的频谱信息F’；

30.能量谱和计算：根据频谱信息F以及频谱信息F’分别计算P的能量谱和H及P’的能量谱和H’；

40.高斯模糊影响因子计算：根据能量谱和H与能量谱和H’计算人脸图像的高斯模糊影响因子X，参照图3所示，高斯模糊影响因子X越大，则图形越清晰，反之则图像越模糊。