单幅图像模糊区域可分离性研究

摘要

无处不在的图像模糊提出了一个实际应用中非常重要的问题:什么有效的特征能够将图像中的模糊区域和清晰区域进行区分。特别是当图像中的模糊是空间变化的（局部模糊的）时候，想要将图像中的模糊区域和清晰区分进行区分就变得更具挑战性。寻找具有可分性的关于模糊的特征在模糊检测领域可以作为一个突破口。在本文，我们从图像的梯度研究出发，提取出关于模糊的特征表示，具体来说，本文提出了一种新的基于特定核的特征向量，该特征向量包涵了模糊核的信息和图像块的信息，具体来说，该特征是经过滤波处理后的模糊核梯度的方差和滤波处理后图像块梯度方差的乘积。不同于以往的基于图像恢复的一些方法，本文中构建的特征具备了很强的区分能力，并且能够适用于多种类型的模糊。本文所提出的特征来源于一个模糊分类的算法，并且其区分性可以很充分地解释说明。为了使这种基于特定核的特征能够在实际应用中发挥作用，我们建立了一个模糊核的集合，其中包含运动模糊核和失焦模糊核。将本文所提出的特征与SVM分类器结合起来进行模糊检测，可以达到很好的效果，对比实验结果显示该算法优于当前具有领先水平的模糊检测方法。最后在公共数据库上的实验结果可以说明所提出方法的有效性。

目录

声明

摘要

第一章 绪论

1．1 模糊图像的形成

1．2 图像模糊检测研究现状

1．3 本论文的研究工作与创新

1．4 本论文的组织结构

第二章 基于高斯混合模型的模糊检测算法

2．1 短时傅里叶变换

2．1．1 δ函数

2．1．2 连续Gabor变换

2．1．3 时间-频率窗口函数

2．2 子带分解

2．3 频率分解

2．4 基于高斯混合模型的运动模糊检测

2．4．1 模糊核的构造

2．4．2 高斯形式下的贝叶斯概率模型

2．4．3 混合高斯模型下的贝叶斯概率模型

2．4．4 模糊核的选择

2．5 GrabCut算法

2．5．1 GrabCut算法用于模糊分割

2．5．2 GrabCut算法原理分析

2．6 实验结果

2．7 本章小结

第三章 多种特征结合贝叶斯分类器的模糊检测方法

3．1 算法简介

3．2 关于模糊的特征

3．2．1 图像的梯度分布

3．2．2 傅里叶频域内的频谱

3．2．3 局部滤波

3．2．4 最终的特征构建和分析

3．3 多尺度模糊检测方法

3．4 实验结果

3．5 本章小结

第四章 基于核相关特征的模糊区域检测算法

4．1 基于核相关特征的模糊区域检测算法

4．1．1 构建基于特定核的特征

4．1．2 基于特定核特征的鉴别力

4．1．3 构建候选模糊核集合

4．2 实验流程和实验方法

4．2．1 测试数据集

4．2．2 训练数据

4．3 实验结果

4．4 本章小结

第五章 对比实验分析

5．1 在数据集1上的实验分析

5．2 在数据集2上的实验分析

5．3 在数据集3上的实验分析

5．4 本章小结

第六章 总结与展望

6．1 论文总结

6．2 展望

参考文献

发表论文和参加科研情况说明

致谢