基于多尺度空间分析的图像模糊测量方法分析-analysis of image blur measurement method based on multiscale spatial analysis.docx

摘要图像在安全、航天、机械、医学等行业上得到了广泛的应用，它扮演着越来越重要的角色。然而图像在处理过程中造成质量损耗，所以区分图像质量显得越来越重要。模糊是产生图像质量损耗的主要方法之一，利用图像模糊程度可以测度质量。当图像发生退化形成高斯模糊时，作为图像主要特征的边缘宽度增加，所以通过边缘宽度可以评价图像质量。针对边界定位不准导致模糊测度不准确这一问题，本文提出一种基于多尺度获取边缘宽度实现模糊测度的方法。本文主要内容如下：（1）建立一维高斯模糊边缘模型。通过研究一维高斯模糊的边缘形态建立一维高斯模糊边缘模型及其一阶导数曲线模型，提出以边缘的宽度表征高斯模糊程度。（2）研究高斯模糊测度理论。以一维边缘一阶导数模型为对象，构造多尺度高斯-拉普拉斯滤波器组，通过滤波的最大补偿响应重构一维边缘对象并获取此时对应的滤波器尺度。利用重构后的极大值点所对应的尺度获取一维边缘宽度实现高斯模糊测度。（3）研究图像的高斯模糊测度算法。针对高斯模糊图像的边缘梯度幅值构成的具有方向且剖面为高斯函数的梯度线条，构建多方向多尺度高斯-拉普拉斯滤波器组。通过每个像素点在其梯度方向上多尺度自适应滤波的最大补偿响应值，重构梯度线条的能量图及尺度图。结合重构能量图中的局部极大值中心线及其相应尺度图中尺度值统计图像边缘的平均宽度，以此表征图像的高斯模糊程度。（4）提出测度方法的评价指标。①所有模糊测度值用最小二乘法直线拟合的最小偏差平方值判定测度方法的稳定性；②相同场景的模糊测度值与实际模糊值形成曲线，先计算曲线的平均斜率，再归一化的平均斜率，最后统计斜率方差判定方法的稳定性。利用拟合最小偏差和平均斜率的方差两个指标评定测度方法的准确性。本文实现边缘宽度自适应检测，减小了人为因素的影响。通过对比实验表明，本文方法实现的高斯模糊测度具有较好的准确性，并且对不同图像具有较好的稳定性和较强的鲁棒性。关键词：高斯模糊测度；梯度线条；边缘宽度；多尺度滤波AbstractImageshavebeenwidelyusedinmanyindustries,suchassecurity,aerospace,machinery,medicineandsoon,soitplaysanincreasinglyimportantrole.However,imageswilllosesomeinformationduringtheprocess,whichresultsthelossofimagequality.Itismoreimportanttorecognizetheimagequality.Foroneofthewayofimagequalitylossisimageblur,throughthedegreeofimageblurcanevaluatetheimagequality.Edgeisoneofthemostcrucialfeaturesoftheimage.WhenaGaussianbluroccursintheimage,theedgewidthisincreasing,whichismainfeaturesoftheimage.Thewidthcanbeusedtoevaluatetheimagequality.Aimingattheimpreciseofblurmeasurefortheinaccuratelocatingproblem,thispaperproposesamethodthatusesamulti-scaletoobtainedgewidth.Thefollowisthemaincontentofthispaper.Firstisestablishingone-dimensionaledgemodelofGaussianblurry.WhilesearchingtheGaussianblur,thispapersetupaone-dimensionalGaussianblurrededgeandthefirstderivativeoftheGaussiancurvemodel.ItputforwardthewidthofedgerepresentthedegreeofGaussianblurs.Itdiscussesthemeasureofone-dimensionalGaussianblurry.Theone-dimensionalfirstderivativemodeloftheedgeastheobject,itstructuremulti-scaleGauss-Laplacefilterbank.Themaximumcompensationresponsesoffilteringreconstructedone-dimensionaled