基于sift算法的模糊图像识别方法及装置的制造方法
【技术领域】
[0001] 本发明涉及模糊图像识别技术领域，尤其涉及一种基于SIFT算法的模糊图像识 别方法。
【背景技术】
[0002] 模糊图像广泛地存在于现实世界中，给人们的生活带来了很多不便，因此，对于模 糊图像的研宄非常具有现实意义。模糊图像的相关处理技术经过多年的发展，已经取得了 一些很好的应用。从图像技术的角度来看，有关模糊图像处理的方法主要分为三大类：
[0003] 1?图像增强
[0004]作为数字图像技术的基本研宄内容之一，图像增强一般是通过一定的技术手段增 强那些能够满足某些特定需要的信息，同时，可能会抑制或削弱其他的信息。对于一幅给定 的图像，需要根据其应用环境，人为的增强与应用相关的特征，削弱不相关的特征，以此来 使得增强后图像能够更好的满足应用需求。图像增强很少考虑图像的降质过程，主要是为 了改善图像的视觉效果，一般不是无损的。
[0005] 2?图像复原
[0006] 图像复原是一类非常重要图像处理技术，与图像增强技术有相似之处，它们都是 为了在某种程度上改善给定图像的质量，同时它们之间也存在着重大的不同。图像复原一 般需要根据图像退化的原因，有针对性的对其进行重建，使得处理后的图像最大程度的与 原来的图像保持一致。图像复原的目的是为了提升退化图像的品质，同时，间接地改善原来 退化图像的视觉效果，而图像增强是根据人们的主观视觉要求来对图像进行处理，很少考 虑图像的降质过程，一般不是无损的。
[0007] 3.图像超分辨率重构
[0008]图像的超分辨率重构是一种信号处理的技术，该技术能够有效地提升图像的分辨 率，同时间接地提高了图像质量。图像的超分辨率重构主要通过对超出图像采集系统极限 频率的高频信号进行估算，从而使得图像的分辨率得以提升。最初，超分辨率重构技术仅适 用于单幅图像的处理，由于所能够利用的图像信息有限，当时的重构效果并不十分理想。序 列图像超分辨率重构技术解决了上述问题，该技术能够对多幅低分辨率的图像进行处理， 因此，能够充分地利用多幅低分辨率图像的信息，通过该技术所获得的重构图像的复原效 果要远远的好于利用单幅图像进行重构的效果。
[0009]尽管有关模糊图像处理的技术有了很好的发展，但是，现实生活中图像模糊的成 因往往较为复杂，目前还没有成熟的方法能够有效的处理各种模糊图像。模糊图像技术的 发展受到多种因素的制约，一般可以分为如下几个方面：
[0010] 1?算法参数的复杂性
[0011] 在模糊图像处理的相关算法中，都包含了大量的参数，这些参数的选取直接决定 了最终的处理效果，而且，这些参数的选择取决于实际的模糊图像，当前的算法还无法智能 地选择相关的最优参数。
[0012] 2.算法的高度针对性
[0013] 现实生活中的模糊图像的模糊成因往往非常复杂，而当前有关模糊图像处理的算 法大都只能够处理某一类因素所导致的模糊图像，当这些算法处理其他图像时，很可能会 导致图像更进一步的模糊。以"去雾算法"为例，对于那些有雾的图像，"去雾算法"能够取 得很好的处理效果，但是当这些算法作用于正常图像的时候，反而会使得图像效果下降。
[0014] 3.算法流程的经验性
[0015] 在现实世界中，图像会很复杂，通常都需要处理多种情况，这样就需要选择一系列 的算法来进行处理。对于一个具体的模糊图像，很难智能地选择相应的系列算法。在实际 应用中，模糊图像的处理很大程度上要依赖于人的经验。
[0016] 有鉴于上述的缺陷，本设计人，积极加以研宄创新，以期创设一种基于SIFT算法 的模糊图像识别方法，使其更具有产业上的利用价值。
【发明内容】
[0017] 为解决上述技术问题，本发明的目的是提供一种既回避了对模糊图像的复原和重 建，又显著提高了SIFT算法匹配待识别图像和数据库图像的效率的基于SIFT算法的模糊 图像识别方法及装置。
[0018] 本发明的基于SIFT算法的模糊图像识别方法，所述方法包括：
[0019] 对清晰的图像分别进行高斯平滑，灰度运算和运动模糊，生成模糊空间；
[0020] 基于SIFT算法对模糊空间的所有图像进行特征提取和描述；
[0021] 对待识别模糊图像利用SIFT算法提取所述待识别模糊图像的特征点；
[0022] 将待识别图像的特征点分别和清晰图像所生成的模糊空间中的每一幅图像的特 征点进行匹配；
[0023] 基于预定的测评标准来对所有的匹配进行评估，筛选出匹配效果最好的作为最终 识别结果。
[0024] 进一步地，所述方法具体包括：
[0025] 2. 1图像预处理，根据待识别图像模糊的特点分析对待识别图像进行相关处理；
[0026] 2. 2模糊空间构建，模糊空间中的图像集至少包括三类模糊图像，每类模糊图像 分别构成一个模糊子空间，所述的子空间分别为：
[0027] 高斯模糊子空间，通过对清晰图像进行高斯平滑来生成高斯模糊子空间，用于识 别由数字噪声所导致的模糊图像；
[0028] 光照模糊子空间，通过对清晰图像进行相应的灰度运算来生成光照模糊子空间， 用于识别由光照因素所导致的模糊图像；
[0029] 运动模糊子空间，通过对清晰图像进行相应的运动模糊来生成运动模糊子空间， 用于识别由相对运动所导致的模糊图像。
[0030] 2. 3SIFT特征提取与匹配，基于SIFT算法将待识别图像的特征点和模糊空间中 每一幅图像进行匹配；
[0031] 2. 4匹配点对滤纯，基于RANSAC算法对2. 3的匹配效果进行滤纯，提高匹配的准 确度；
[0032] 2. 5匹配结果筛选，根据预定的测评标准，从2. 4结果中筛选出匹配效果最好的 作为最终识别结果。
[0033] 进一步地，根据待识别图像模糊的特点分析对待识别图像进行相关处理具体方法 包括：
[0034] 判断导致待识别图像模糊的原因，
[0035] 若待识别图像为强噪声模糊图像，则预定方差阈值，若待识别图像的方差大于所 述方差阈值时，对待识别的图像进行平滑预处理；若待识别图像的方差小于或等于所述方 差阈值时，则不做处理；
[0036] 若待识别图像为尺寸过小的低分辨率图像，则使用插值方法来对所述的待识别图 像进行放大处理；
[0037] 若待识别图像为光照过暗的图像，则使用灰度运算来对所述的待识别图像进行增 亮处理。
[0038] 进一步地，所述的高斯模糊子空间的生成方法为：逐渐增大的二维高斯函数，得到 多个高斯模糊图像In、112……Iln，多个模糊图像一起构成清晰图像I的模糊空间中的高斯 模糊子空间，所述的高斯模糊图像的方程式为：
[0039] In=G(x,y, 〇 ^*1,
[0040] I12=G(x,y, 〇 2)*I,
[0041] ......
[0042] Iln=G(x，y, 〇n)*I
[0043] 其中，I为清晰图像；
[0044] Iln为经过平滑后的模糊图像，
[0045] G(x,y, 〇n)为高斯平滑函数，
[0046] 进一步地，所述的光照模糊子空间的生成方法为：对清晰图像进行直方图均衡化 运算，将直方图系数k2i的值从1开始逐渐增大，形成关于清晰图像的一系列亮度渐增的光 照模糊图像，将k2i的值从1开始逐渐减小为0时，就会形成关于清晰图像的一系列亮度渐 暗的光照模糊图像，将所述的光照模糊图像一起构成清晰图像I的模糊空间中的光照模糊 子空间，所述的光照模糊图像的方程式为：
[0047] I21=F(k21(I)),
[0048] I22=F(k22(I))，
[0049] ......
[0050] I2i=F(k2i(I))
[0051] I2n=F(k2JI)).
[0052] 其中，F(I)为对原清晰图像I进行直方图均衡化操作；
[0053] k2i为直方图均衡化运算系数，用来控制图像明暗程度；
[0054] 121为原清晰图像所产生的带有亮度变化的模糊图像。
[0055] 优选地，所述的预定的评测标准为：待识别图像的特征点和模糊空间中每一幅图 像进行匹配的匹配正确率R，所述匹配正确率的公式如下：
[0057] 其中，S为进行SIFT的最近邻匹配之后，我们会把每一组的匹配对数；
[0058] C为滤纯之后的匹配对数，即正确的匹配对数。
[0059] 特别地，通过距离比率的方式来进行特征匹配，对于特征点，若在另一图像中与其 最短的欧式距离设为屯，次短的欧式距离设为d2,则最近邻与次近邻的欧式距离比率为r= d/4，若，r<e则匹配成功，否则，匹配失败，其中，e为预先设定的阈值。
[0060] 本发明基于SIFT算法的模糊图像识别装置，所述装置包括：
[0061] 模糊空间生成模块，用于对清晰的图像分别进行高斯平滑，灰度运算和运动模糊， 生成模糊空间；
[0062] 第一提取模块，用于基于SIFT算法对模糊空间的所有图像进行特征提取和描述；
[0063] 第二提取模块，用于对待识别模糊图像利用SIFT算法提取所述待识别模糊图像 的特征点；
[0064] 匹配模块，用于将待识别图像的特征点分别和清晰图像所生成的模糊空间中的每 一幅图像的特征点进行匹配；
[0065] 结果输出模块，用于基于预定的测评标准来对所有的匹配进行评估，筛选出匹配 效果最好的作为最终识别结果。
[0066] 进一步地，还包括图像预处理单元，用于根据待识别图像模糊的特点分析对待识 别图像进行相关处理，
[0067] 若待识别图像为强噪声模糊图像，则预定方差阈值，若待识别图像的方差大于所 述方差阈值时，对待识别的图像进行平滑预处理；若待识别图像的方差小于或等于所述方 差阈值时，则不做处理；
[0068] 若待识别图像为尺寸过小的低分辨率图像，则使用插值方法来对所述的待识别图 像进行放大处理；
[0069] 若待识别图像为光照过暗的图像，则使用灰度运算来对所述的待识别图像进行增 亮处理。
[0070] 进一步地，所述模糊空间生成模块，至少包括
[0071] 高斯模糊子单元，通过对清晰图像进行高斯平滑来生成高斯模糊子空间，用于识 别由数字噪声所导致的模糊图像；
[0072] 光照模糊子单元，通过对清晰图像进行相应的灰度运算来生成光照模糊子空间， 用于识别由光照因素所导致的模糊图像；
[0073] 运动模糊子单元，通过对清晰图像进行相应的运动模糊来生成运动模糊子空间， 用于识别由相对运动所导致的模糊图像。
[0074] 借由上述方案，本发明至少具有以下优点