[发明专利]一种基于局部纹理特征的图像质量判断算法

说明书

本发明公开了一种基于局部纹理特征的图像质量判断算法包括以下步骤：输入待检测的图像并将其缩放至指定大小；将缩放后的图像由RGB彩色空间转换至灰度空间；在图像中选取一个3x3的滑动窗口，该滑动窗口从图像左上角开始以步长为1向右滑动，每滑动一次，将滑动窗口中的像素值与固定的3x3矩阵逐元素相乘并将最终结果相加保存至另一矩阵A，最后计算矩阵A的方差，根据方差设置模糊检测阈值t1；提供的基于局部纹理特征的图像质量判断算法，通过级联的模糊检测方法，有效的提升了图像模糊检测的性能，采用基于图像边缘的模糊检测方法，该方法与现有边缘模糊检测的技术相比，检测速度更快，准确率更高。

技术领域

本发明涉及计算机数字图像处理相关技术领域，具体为一种基于局部纹理特征的图像质量判断算法。

背景技术

相机在拍摄物体时，由于物体的高速运动、光线、摄像头硬件成像等产生模糊的图像在所难免。在人脸识别任务中，如果不对这些模糊的人脸图像加以限制，将影响人脸识别的通过率以及用户的体验感。通过检索、调研相关图像模糊判断的现有方法发现，现有的方法只能将部分模糊的图像进行检测过滤，且算法的鲁棒性较差，应用场景较为单一，大部分算法只能对运动模糊检测良好，对光线、摄像头硬件成像等产生的图像模糊检测效果较差。

发明内容

本发明的目的在于提供一种基于局部纹理特征的图像质量判断算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于局部纹理特征的图像质量判断算法包括以下步骤：

步骤一：输入待检测的图像并将其缩放至指定大小；

步骤二：将缩放后的图像由RGB彩色空间转换至灰度空间；

步骤三：在图像中选取一个3x3的滑动窗口，该滑动窗口从图像左上角开始以步长为1向右滑动，每滑动一次，将滑动窗口中的像素值与固定的3x3矩阵逐元素相乘并将最终结果相加保存至另一矩阵A，最后计算矩阵A的方差，根据方差设置模糊检测阈值t1；

步骤四：对图像像素值组成的矩阵进行奇异值分解，计算前10个奇异值之和占所有奇异值之和的百分比，根据奇异值百分比设置模糊阈值t2；

步骤五：分别对图像进行1x9的横向均值滤波与9x1的纵向均值滤波，然后对横向滤波后的图像计算横向梯度，对纵向滤波后的图像计算纵向梯度，最后分别计算其方差，对横向和纵向两个方差取最大值，作为最终的模糊值，根据该值设置模糊检测阈值t3；

步骤六：设置模糊阈值级联判断，当步骤三计算得到的数值小于模糊阈值t1时判定为模糊，否则根据步骤四进行计算数值，若该数值大于t2则判定为模糊，否则根据步骤五进行计算，如果计算的数值小于t3则判定为模糊，否则判定图像为清晰图像；

步骤七：根据步骤六返回模糊检测的最终结果。

与现有技术相比，本发明的有益效果是：提供的基于局部纹理特征的图像质量判断算法，通过级联的模糊检测方法，有效的提升了图像模糊检测的性能，首先针对于物体运动造成的图像模糊场景，采用基于图像边缘的模糊检测方法，该方法与现有边缘模糊检测的技术相比，检测速度更快，准确率更高；

其次，针对光线明暗对图像造成的模糊采用基于像素矩阵的奇异值分解的方法，最后针对摄像头焦距等原因造成的图像模糊场景，采用二次模糊检测的方法，从水平和垂直两个维度对图像进行检测，然后在根据两个方向的检测结果给出最终模型的综合模糊程度值，将以上三种方法进行级联组合，形成了最终的图像模糊检测方法。

附图说明

图1为本发明的图像模糊检测算法流程图；

图2为模糊图像与清晰图像前10奇异值之和占所有特征值之和的百分比。

具体实施方式