例性的，并不能限制本 公开。
【附图说明】
[0065]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施 例，并与说明书一起用于解释本发明的原理。
[0066]图1是根据一示例性实施例示出的一种图像分析方法的流程图；
[0067] 图2是根据一示例性实施例示出的另一种图像分析方法的流程图；
[0068] 图3是根据一示例性实施例示出的又一种图像分析方法的流程图；
[0069] 图4是根据一示例性实施例示出的一种图像分析装置框图；
[0070] 图5是根据一示例性实施例示出的清晰度估计模块的框图；
[0071 ]图6是根据一示例性实施例示出的过滤模块的框图；
[0072]图7是根据一示例性实施例示出的另一种图像分析装置的框图；
[0073]图8是根据一示例性实施例示出的又一种图像分析装置的框图；
[0074]图9是根据一示例性实施例示出的一种用于图像分析的装置的框图；
[0075]图10是根据一示例性实施例示出的一种用于图像分析的装置的框图。
[0076] 通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图 并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术 人员说明本公开的概念。
【具体实施方式】
[0077] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例 中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0078] 图1是根据一示例性实施例示出的一种图像分析方法的流程图，该方法可以应用 于终端设备或服务器中，如图1所示，图像分析方法可以包括以下步骤：
[0079]在步骤S110中，获取待分析图片。
[0080] 待分析图片可以是终端设备内存储的图片，也可以是从服务器中获取的图片。
[0081] 在步骤S120中，对待分析图片进行清晰度估计，得到清晰度估计图像。
[0082] 在本公开的一个实施例中，可以根据基向量字典获得清晰度图像;其中，基向量字 典通过对大量的模糊样本图片训练学习得到，任意一张图片中的任意图像区域都可以分解 成包含若干个基向量的组合。而且，清晰度高的图像区域所需的基向量的个数高于清晰度 低的图像区域所需的基向量个数，即清晰度越高的图像区域所需要的基向量的个数越多。 因此，根据图像区域所需要的基向量可以估计图像的清晰度。
[0083] 将待分析图片在基向量字典内的各个基向量上进行投影，得到投影矩阵，其中，投 影矩阵中为〇的元素表示图像在该元素对应的基向量上没有投影，投影矩阵中不为〇的元素 表明图像在该元素对应的基向量上有投影。统计投影矩阵中不为〇的元素数量，即当前图像 所需的基向量个数。利用图像对应的基向量生成清晰度估计图像。
[0084] 在本公开的另一个实施例中，可以利用时域内图像的差分图像简单评价图像的清 晰度。差分图像是将一幅图像中某个区域内的像素值相减得到。
[0085] 在步骤S130中，逐一过滤掉所述清晰度估计图像中的各个不清晰区域，得到所述 清晰度估计图像中的清晰区域。
[0086] 过滤掉待分析图片对应的清晰度估计图像中的不清晰区域，具体的，如果清晰度 估计图像中的图像区域所需的基向量数量大于预设阈值，则确定该图像区域是清晰区域； 如果图像区域所需的基向量数量小于或等于预设阈值，则确定该图像区域是不清晰区域。
[0087] 将清晰度估计图像中的不清晰区域逐一过滤掉之后，剩余的图像区域即清晰区 域。
[0088] 在步骤S140中，确定所述清晰区域的图像为所述待分析图片的前景图像，所述待 分析图片中除所述前景图像之外的其它图像为所述待分析图片的背景图像。
[0089] 图像中感兴趣的目标通常比较清晰，因此，识别出的清晰区域的图像即前景图像； 待分析图片中除前景图像之外的其它图像为背景图像。
[0090] 本实施例提供的图像分析方法，利用图片中前景图像与背景图像的清晰度区别， 分析出图像中的前景图像。前景图像的清晰度通常大于背景图像的清晰度。查询基向量字 典，对待分析图片进行清晰度估计，得到与待分析图片对应的清晰度估计图像;然后，逐一 过滤清晰度估计图像中的不清晰区域，最终清晰度估计图像中剩余的图像是清晰度较高的 区域，即清晰区域。确定清晰区域的图像为待分析图片的前景图像，待分析图片中的其它区 域即背景图像。该方法采用另一种思路确定图像中的前景图像和背景图像，利用图像的清 晰度确定前景图像和背景图像，图像中的前景图像的清晰度高于背景图像的清晰度，因此 利用此种方法获得的前景图像准确率较高。
[0091] 图2是根据一示例性实施例示出的另一种图像分析方法的流程图，本实施进一步 详细说明图像分析的具体过程。如图2所示，该图像分析方法可以包括以下步骤：
[0092]在步骤S210中，获取模糊样本图片。
[0093]收集大量的模糊图片作为模糊样本图片。
[0094]在步骤S220中，对所述模糊样本图片进行训练学习，得到基向量字典;所述基向量 字典包含分解图像所需的全部基向量。
[0095] 根据公式1对模糊样本图片进行训练：
[0096] min |r-DA"i; s,1 \ X |, < A (公式 1)
[0097] 其中，Y表示模糊样本图片;D是基向量字典;X是组成Y所需的基向量投影矩阵；|X 〇表示X矩阵中不为0的元素的数量;k为稀疏度，例如，k值可以设定为5;#以|(^1^是约束条 件，表示X矩阵中不为0的元素的数量小于或等于k;公式1是求解当满足st |X|〇 < k时，使得 最小的D，具体的，可以利用下面的公式2求解。
[0099]公式2中，λ是约束因子项，t是当前迭代次数，T是迭代终止时的次数。
[0100]公式2中，D和X均为未知数，D是一个列大于行的扁矩阵，可以按照最大期望算法 (即，EM算法)求解:首先，随机初始化D的值，作为基向量字典中包含的基向量，同时，X矩阵 内的元素初始时全部为0;然后，针对此时的函数值与X的梯度，利用梯度下降法不断迭代优 化，求解使得公式2最小的X。
[0101] 然后，将求解得到的X代入公式2中，针对此时的函数值与D的梯度，利用梯度下降 法不断迭代优化，求解使得公式2最小D。
[0102] 在步骤S230中，获取待分析图片。
[0103] 在步骤S240中，将所述待分析图片划分成预设大小的图像区域。
[0104] 可以根据待分析图片的像素大小、实际需求、准确率要求等因素，设定图像区域的 预设大小。例如，预设大小可以是8*8大小的像素块。
[0105] 在步骤S250中，对于每个图像区域，在所述基向量字典所包含的各个基向量的方 向上进行投影，得到当前图像区域对应的投影矩阵。
[0106] 对于待分析图片中的每一个图像区域，在基向量字典D的各个基向量上进行投影， 得到投影矩阵X。
[0107] 然后，可以利用公式2计算该图像区域的清晰度：
[0109] 其中，t取值可以为0.07、0.001、0.001，Y是待投影的图像，D是训练学习得到的基 向量字典，X是Y在D上投影得到的投影矩阵，|X|i表示投影矩阵中不为0的元素的总和，该数 量表明待投影图像所需的基向量的系数和。
[0110] 公式3是求解当|Γ-时，使得矩阵X中不为0的元素总和最小的X。
[0111] 在本公开的另一个实施例中，可以用公式1和公式2求解。
[0112] 在步骤S260中，确定所述每个图像区域对应的不为0的基向量，得到所述每个图像 区域的投影基向量。
[0113] 将投影矩阵中不为0的元素对应的基向量称为投影向量；当然，也可以不定义此名 1·^] 〇
[0114] 在步骤S270中，根据所述待分析图片对