论文部分内容阅读
图像在实际获取的过程中,由于天气、个人的拍摄水平、相机的因素、光照以及相机与被拍摄物体之间发生相对运动等原因导致图像模糊。有效地提取出局部模糊图像的模糊区域,可以用于图像复原或者图像融合等。本文也主要针对图像局部模糊测量与分割进行相关研究,具体研究工作如下：(1)基于BP神经网络的图像局部模糊测量现有的模糊测量方法主要存在以下不足：1)容易将纹理平坦的清晰区域误检成模糊区域：2)部分模糊测量方法只适用全局或者只适合测量运动模糊或者散焦模糊中一种。针对上面提到的不足,本文在前人的研究基础上提出了一种基于BP神经网络的局部模糊测量方法,该方法采用所有奇异值组成的奇异值向量以描述图像模糊后不同尺度信息变化情况,并与描述高频信息变化的DCT(discrete cosine transform)非零系数相结合,实现奇异值向量和DCT非零系数个数相联合的混合模糊测度,达到了分别在空域和频域对模糊进行描述,并进一步引入能够更好的反映模糊感知特性的BP (back propagation)神经网络和具有较强泛化能力的SVM (support vector machine)作为分类器,以实现高效、准确的模糊测量。单幅局部模糊图像对比实验结果以及多幅局部模糊图像准确率-召回率(PR)统计实验结果表明,该方法可以有效地区分纹理平坦的清晰区域和模糊区域,而且本文选择的模糊特征值具有较强鲁棒性。(2)基于语义的模糊区域分割现有的模糊测量方法难以较为准确地分割出局部模糊图像的模糊区域。针对该问题,本文从大多数局部模糊图像的模糊区域具有成片且具有特定语义的特点出发,结合图像语义分割是按照图像特定语义进行图像分割的特点,提出了一种基于语义的模糊区域分割方法。该方法包含三个步骤：1)使用双边滤波器对本文方法的模糊测量结果进行滤波处理,双边滤波器可以有效去除本文方法模糊测量结果的噪声,而且可以很好保留模糊区域的边界,进而可以提高模糊区域分割的准确率；2)使用基于深度神经网络的语义分割方法对待分割局部模糊图像进行语义分割,该语义分割方法能够较好的分割出图像中的特定语义物体；3)根据前两步的结果,计算二者重合度,如果测量出的模糊区域主要集中在某一语义物体上,则认为该语义物体为模糊区域,否则按照给定的阈值进行分割。实验结果表明：该方法能够有效地提取出模糊区域。