圖像模糊檢測及人臉模糊消除算法研究.pdf

1、作為圖像中的一類典型現(xiàn)象，模糊對于圖像質(zhì)量有著極大的影響。尤其是隨著各類缺乏穩(wěn)定裝置的智能終端和手持設(shè)備的廣泛普及，所拍攝圖像和視頻包含模糊部分變得越來越常見?？紤]到圖像清晰度對于視覺觀賞效果及各種視覺應(yīng)用的重要性，如何檢測圖像中的模糊區(qū)域，并對模糊圖像進(jìn)行去模糊操作，近年來吸引了越來越多計算機(jī)視覺領(lǐng)域的研究者的注意力。具體來說，模糊檢測的目標(biāo)是對于給定輸入圖像，盡可能精確地檢測出其中所包含的模糊區(qū)域，從而方便后續(xù)算法進(jìn)行處理；而圖像去

2、模糊的目的則在于從模糊輸入圖像中恢復(fù)出隱式的清晰圖像來。
　　經(jīng)過仔細(xì)分析和實(shí)驗(yàn)探究，我們發(fā)現(xiàn)現(xiàn)有模糊檢測算法存在的一個較大的缺陷是：不同算法分別著眼于設(shè)計更加具有判別的特征提取方案和更好的分類算法，而沒能考慮到不同算法間性能的差異，以及得到結(jié)果之間的互補(bǔ)特性。而實(shí)驗(yàn)表明，同一模糊檢測算法得到的檢測結(jié)果間具有一致性，而不同模糊檢測算法得到的結(jié)果則存在某種互補(bǔ)特性。針對該問題，我們提出了一種新的基于多方法融合的模糊檢測算法框架，并嘗

3、試了三種作用于不同圖像尺度的融合算法：隨機(jī)森林，條件隨機(jī)場和回歸樹場。實(shí)驗(yàn)表明基于條件隨機(jī)場和回歸樹場的融合方法可以取得優(yōu)于選定的成分方法的檢測效果。
　　考慮到人臉圖像在日常生活中的普遍性和重要性，本課題將第二個關(guān)注點(diǎn)放在人臉圖像模糊消除的問題上。當(dāng)前最好的人臉圖像去模糊算法基于樣本集匹配，需要構(gòu)建一個較大的訓(xùn)練樣本集。受到訓(xùn)練樣本集有限表達(dá)能力的制約，這類算法無法很好地處理真實(shí)生活中在表情，形狀和姿勢方面都有著極大自由度的人臉