一种基于方向极值的噪声图像的散焦图估计方法技术

本发明专利技术公开了一种基于方向极值的噪声图像的散焦图估计方法，先利用K-SVD算法对带噪声的散焦图像进行降噪处理，提取出图像中的边缘。然后在图像边缘点处，估计每个边缘点的模糊程度。计算完每个边缘点的模糊程度后，则得到了稀疏散焦图。再利用联合双边滤波去除稀疏的散焦图中的噪声。最后利用非均匀的插值方法对降噪后的稀疏散焦图进行插值得到一副完整的散焦图。本发明专利技术可以更加准确地估计出带有噪声的模糊图像的散焦图。

【技术实现步骤摘要】

本专利技术属于数字信号处理领域
技术介绍
图像的散焦模糊是由相机镜头有限的景深所造成的。散焦模糊反映出拍摄者所关注的是前景物体而并不是背景场景。对于观察者来说，观察者同样也会更加关注图像中聚焦的前景而忽略模糊的背景。在散焦模糊图像中，聚焦的部分通常是人眼视觉系统所更加关注的部分。能够使计算机有效地区分出所拍摄图像中的聚焦部分和散焦部分,不仅为提取场景中感兴趣区域提供了重要的线索,而且还能为后续的目标检测、识别以及场景分析等算法提供重要信息,从而提高算法的准确性和可靠性。对散焦模糊图像中各个像素点的模糊程度进行估计,并生成一幅记录每个像素点模糊程度的图像,这幅图像被称为散焦图。散焦图可以很好地反映出整幅图像中聚焦的部分和散焦的部分。由于现有方法主要是针对无噪声或者弱噪声的图像进行散焦图估计，当图像中存在较强的噪声时，现有算法将无法很好地辨别出图像中的聚焦部分和散焦部分，而人眼视觉系统即使在噪声情况下仍然能够识别出图像的聚焦部分和散焦部分。
技术实现思路
为了使计算机视觉系统能更好地模拟人眼视觉系统对感兴趣的区域(聚焦部分)的提取，本专利技术的专利技术目的在于提供一种基于方向极值的散焦图估计方法。该散焦图估计算法可以更加准确地估计出带有噪声的模糊图像的散焦图。本专利技术的专利技术目的通过以下技术方案实现：一种基于方向极值的噪声图像的散焦图估计方法，包含以下步骤：第一步，利用K-SVD算法对带噪声的散焦图像进行降噪，得到第一降噪图像，并对第一降噪图像进行边缘位置提取；第二步，定义一组具有方向性的高斯低通滤波器，并对高斯低通滤波器的滤波方向进行量化；第三步，选择其中一个滤波方向的高斯低通滤波器对带噪声的散焦图像进行降噪滤波，得到第二降噪图像；第四步，选择与步骤3不同方向的其它所有高斯低通滤波器分别估计第二降噪图像的边缘点处的模糊程度；第五步，对第四步中每个边缘点处估计得到的模糊程度取最小的值，并将最小的值对应的滤波方向作为在该高斯低通滤波器下的一个方向极值；第六步，重复第三步至第五步，直至高斯低通滤波器对噪声图像的各个方向都进行了降噪处理和边缘点处的模糊程度估计，并对每个边缘点所对应的所有方向极值取最小值，将此最小值设置为该边缘点的模糊程度，从而得到边缘处的稀疏散焦图；第七步，利用联合双边滤波器对稀疏散焦图进行降噪处理得到降噪稀疏散焦图；第八步，利用非均匀插值方法对降噪稀疏散焦图进行插值，从而得到完整的散焦图。附图说明图1为本专利技术的整体流程图；图2a为实施例中带噪图像的示意图；图2b为实施例中第一降噪图像的示意图；图2c为实施例中提取的边缘位置的示意图；图3为实施例中一组带方向的高斯低通滤波器的示意图；图4为实施例中稀疏散焦图的示意图；图5为实施例中得到的完整散焦图的示意图。具体实施方式下面结合附图对本专利技术作进一步的详细说明。如图1所示，本专利技术利用图像的高频分量处能够更准确地反映出图像的散焦和聚焦情况，所以先利用图像去噪算法对带噪声的散焦图像进行降噪处理，提取出图像中的边缘。然后在图像边缘点处，估计每个边缘点的模糊程度。在此阶段，由于去噪后的图像边缘会产生阶梯效应，即去噪后图像边缘的模糊程度则会发生改变，因此，利用去噪后图像估计边缘处的模糊程度会产生较大误差。由于边缘具有明确的方向性，而噪声则具有随机性的特点，因此采用一组具有方向性的滤波器对图像进行降噪处理，再估计边缘处的模糊程度。在此阶段，首先利用某一个方向滤波器对图像进行滤波，来降低图像中的噪声，再沿其他方向计算边缘点处的模糊程度，并选取该降噪滤波器方向上模糊程度最小值作为该边缘的方向极值，然后采用另一方向的滤波器对图像进行降噪，再计算得到沿该方向滤波后边缘处的方向极值，最后选取出该边缘点所有方向极值的最小值作为该边缘点的模糊程度。计算完每个边缘点的模糊程度后，则得到了稀疏散焦图。由于相邻边缘的模糊程度应该相似，再利用联合双边滤波去除稀疏的散焦图中的噪声。最后利用非均匀的插值方法对稀疏散焦图进行插值得到一副完整的散焦图。下面对本专利技术的各个实施步骤作详细说明。步骤1：利用稀疏表达中的K-SVD算法[1]对输入的带噪声的散焦图像B(如图2(a)所示)进行去噪处理，得到第一降噪图像(如图2(b)所示)，并利用Canny边缘提取算法计算第一降噪图像中边缘的位置E(x,y)(如图2(c)所示)。步骤2：如图3所示，定义一组具有方向性的高斯低通滤波器fθ,θ∈Φ＝{Δθ,2Δθ,3Δθ,....,180°本文档来自技高网...

【技术保护点】
一种基于方向极值的噪声图像的散焦图估计方法，包含以下步骤：第一步，利用K‑SVD算法对带噪声的散焦图像进行降噪，得到第一降噪图像，并对第一降噪图像进行边缘位置提取；第二步，定义一组具有方向性的高斯低通滤波器，并对高斯低通滤波器的滤波方向进行量化；第三步，选择其中一个滤波方向的高斯低通滤波器对带噪声的散焦图像进行降噪滤波，得到第二降噪图像；第四步，选择与第三步不同滤波方向的其它所有高斯低通滤波器分别估计第二降噪图像的边缘点处的模糊程度；第五步，对第四步中每个边缘点处估计得到的模糊程度取最小的值，并将最小的值对应的滤波方向作为在该高斯低通滤波器下的一个方向极值；第六步，重复第三步至第五步，直至高斯低通滤波器对噪声图像的各个方向都进行了降噪处理和边缘点处的模糊程度估计，并对每个边缘点所对应的所有方向极值取最小值，将此最小值设置为该边缘点的模糊程度，从而得到边缘处的稀疏散焦图；第七步，利用联合双边滤波器对稀疏散焦图进行降噪处理得到降噪稀疏散焦图；第八步，利用非均匀插值方法对降噪稀疏散焦图进行插值，从而得到完整的散焦图。

【技术特征摘要】
1.一种基于方向极值的噪声图像的散焦图估计方法，包含以下步骤：
第一步，利用K-SVD算法对带噪声的散焦图像进行降噪，得到第一降噪图
像，并对第一降噪图像进行边缘位置提取；
第二步，定义一组具有方向性的高斯低通滤波器，并对高斯低通滤波器的
滤波方向进行量化；
第三步，选择其中一个滤波方向的高斯低通滤波器对带噪声的散焦图像进
行降噪滤波，得到第二降噪图像；
第四步，选择与第三步不同滤波方向的其它所有高斯低通滤波器分别估计
第二降噪图像的边缘点处的模糊程度；
第五步，对第四步中每个边缘...

【专利技术属性】
技术研发人员：李兵飞，熊智勇，詹志娟，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：上海;31