导读:本文包含了模糊检测论文开题报告文献综述及选题提纲参考文献，主要关键词:局部模糊检测,图像块再模糊,相关性系数,模糊特征
模糊检测论文文献综述
窦思冬[1]（2018）在《图像局部模糊检测与分割方法研究》一文中研究指出人们常常用相机记录生活中的相关信息,获得大量的图像资源。由于人为因素和环境因素的制约,获取到的图像常常出现模糊现象,而图像模糊会弱化视觉效果,导致信息传递能力下降。图像模糊会干扰人眼的辨别能力,检测和分割出局部模糊图像的模糊区域,能够应用在图像复原、物体识别和图像融合等方面。本文研究局部模糊图像的形成机制,比较失焦模糊和运动模糊的机理,分析模糊图像和清晰图像的区别,指出局部模糊图像检测的理论可行性和应用价值。当前图像模糊检测方法的不足:纹理平滑区域和颜色一致区域难以正确分类,部分模糊检测方法仅仅针对运动模糊或失焦模糊中的一种。针对部分模糊检测方法的不足,在前人基础上提出一种图像块再模糊和相关系数相结合的局部模糊图像检测算法。用估计出来的模糊核对图像块进行再模糊,根据模糊次数初步判定图像块模糊度。为了更好的反映模糊特性,利用改进的协方差矩阵相似性和奇异值分解方法计算图像块之间相关系数,通过设置固定阈值,完成模糊图像块的标记。在局部运动模糊和失焦模糊图像上的实验结果表明,该方法有可行性,能够准确地判断图像块模糊度,并检测出部分纹理平滑区域。针对单一模糊特征检测模糊区域的不稳定性,当前模糊检测方法难以精确地对局部模糊图像进行分割。本文提出一种基于像元的局部模糊图像分割方法。把梯度直方图跨度、局部二值模式和峰度相结合,以像素点为中心构建图像块,提取图像块叁种特征,其值作为像素点模糊度,然后利用模糊图进行像元的构造,最后按照给定像素点模糊度进行模糊C均值聚类,完成像元分类。最终实验结果表明,我们的方法适用于局部运动模糊和失焦模糊图像,相比于真实的局部模糊效果图,能较为精确地分割出模糊区域,能够有效的区分部分纹理平滑区域,具有一定的抗噪性能,多方面描述模糊特性,在混合模糊图像检测中也有一定效果,最终获得的模糊图平滑且连续。(本文来源于《江苏大学》期刊2018-04-01）
王雪玮,梁晓,郑津津,周洪军[2]（2017）在《自然图像的无参考模糊检测与局部模糊区域分割》一文中研究指出针对自然图像的模糊强度检测和局部模糊区域分割,提出一种无参考无训练的检测分割算法.首先对待测图像进行再模糊;然后对再模糊图像和待测图像逐点进行小邻域离散余弦变换,得到待测图像的模糊强度分布;最后结合K-Means聚类算法和形态学运算对图像的局部模糊区域进行分割提取.实验结果表明,采用文中算法得到的模糊强度分布图能够有效地检测和分割图像的清晰区域与模糊区域;与同类算法相比,对于不同模糊形式和不同复杂度的图像,该算法在查准率、查全率和F值等图像分割性能指标上表现较为优异,与人眼主观分割结果具有较高一致性,且该算法无需进行数据训练,具有较高的时间效率.(本文来源于《计算机辅助设计与图形学学报》期刊2017年11期）
王小莹[3]（2017）在《图像局部模糊检测的SVM方法研究》一文中研究指出图像在信息的表达与传递中有着关键的作用,人们最常用来记录图像信息的工具就是相机。当相机拍摄图像时不可避免会存在图像失真的情况,比如模糊、色偏等。而图像退化后会大大地降低图像信息表达的精准度。本文首先分析了运动模糊与失焦模糊两种局部模糊的形成机制。然后对比两种局部模糊图像的退化机理,寻找两者的特点与区别。从研究运动模糊与失焦模糊图像的形成机理中,也可同时发现模糊与清晰图像间的差别。由于局部模糊图像的模糊核不易精准地计算,所以本文未采用估计图像模糊核的方法来区分模糊的类型。而是提出了四项模糊特征用于区分模糊与清晰,并判断图像的模糊类型。提取多个模糊特征作为分类的特征数据,是为了更好地从各方面表示图像的信息。在图像库中,对所有的图像块采用SVM进行学习与训练,建立图像类型的预测模型。利用两次SVM分类器可将图像分类为清晰图像、运动模糊图像与失焦模糊图像叁类。最后,利用上述建立的SVM分类模型,对局部模糊图像以每个像素为中心分块进行检测,判断其是否为模糊,完成图像局部模糊区域的检测。由于图像检测存在误判现象,所以最终检测得到的二值化效果图中会出现小空洞或不连接等现象。最后,采用数学形态学算法对最终的试验效果进行完善。图像局部模糊分类试验结果证明了本文提出的模糊特征能够较为准确地判断图像块是否为模糊图像,并且能够辨别图像块的局部模糊类型。这也说明了将该SVM分类模型应用于图像局部模糊区域检测有一定的可行性与可靠性。在局部模糊检测试验中,最终的检测效果图证明了本文提出的图像局部模糊检测的SVM方法具有较高的准确率。对比于理想状态下的局部模糊检测效果图,该局部模糊检测算法能够较为准确的检测到一幅局部模糊图像中具体的模糊区域。(本文来源于《武汉大学》期刊2017-05-01）
黄惠芬,王志红,常玉红[4]（2017）在《数学形态学在数字伪造模糊检测中的应用》一文中研究指出针对图像篡改中常用的模糊操作,研究使用平滑滤波保存边和数学形态法的新型模糊检测方案,充分利用2种方法的锐化功能和去噪功能,无需水印技术等任何嵌入信息就能指出可能的篡改并定位篡改位置,该方法不仅可以判断某个图像是否被虚化过,还能检测该图像的虚化程度。实验结果证实了该方案的有效性。(本文来源于《网络与信息安全学报》期刊2017年04期）
顾国华,田宗浩,吴海兵,田欣[5]（2016）在《基于亚像素模糊检测的Wiener对运动模糊图像复原方法》一文中研究指出在图像获取中由于目标运动、拍摄条件等原因,容易产生剧烈的运动模糊,难以辨认。针对运动模糊点扩散函数、信噪比不知的情况下,对传统Wiener进行了创新和实践,探讨了基于亚像素的模糊方向与深度检测和递推迭代的自适应Wiener滤波对运动图像的复原方法。该方法首先对图像进行任一方向的亚像素进行模糊运动方向计算并确认,而后解算模糊尺度。采用先验信噪比进行预设,并迭代推算得出最优值。实验表明,该方法在对拍摄的模糊图像处理能获得较理想的效果。(本文来源于《火力与指挥控制》期刊2016年10期）
赵森祥,李少波,陈斌,赵雪专[6]（2016）在《基于能量估计的局部运动模糊检测》一文中研究指出为了解决日常拍摄的图像或视频中普遍存在局部运动模糊导致信息丢失的问题,提出一种基于能量估计的局部运动模糊检测算法。该算法首先计算图像的Harris特征点,根据每个区域内的特征点分布筛选出备选区域;然后根据近单色区域梯度分布平滑的特点,通过计算备选区域的梯度分布并参照平均幅值阈值过滤掉大部分容易被误判的部分;最后根据运动模糊对图像能量衰减的特征对备选区域进行模糊方向估计,并计算模糊方向和与其垂直方向的能量,根据两个方向上能量的比值进一步去掉单色区域和散焦模糊区域。在图像库上的实验结果表明,所提算法能较好从存在近单色区域和散焦区域干扰的图像中检测出运动模糊区域,有效提高局部运动模糊检测的鲁棒性以及适应性。(本文来源于《计算机应用》期刊2016年10期）
王奎奎,玉振明[7]（2017）在《基于DCT零系数与局部结构张量的局部模糊检测》一文中研究指出针对当前相关图像模糊测量方法不能有效检测纹理平坦清晰区域的问题,提出一种新的图像局部模糊区域检测方法,将其应用于存在运动模糊的静态图像运动目标检测。对图像进行分块操作,计算离散余弦变换后的图像块中零系数的个数,数目较多的为模糊区域,较少的为清晰区域。对被判断为模糊区域的图像块,计算模糊区域中每一个像素点处的局部结构张量,对其进行奇异值分解,根据奇异值局部方向一致性度量准则,获得准确的模糊区域。实验结果表明,与现有的SVD,DCT等方法相比,该方法可以较准确地实现对局部模糊图像的模糊度量。(本文来源于《计算机工程》期刊2017年06期）
黄英豪[8]（2016）在《图像模糊检测及人脸模糊消除算法研究》一文中研究指出作为图像中的一类典型现象,模糊对于图像质量有着极大的影响。尤其是随着各类缺乏稳定装置的智能终端和手持设备的广泛普及,所拍摄图像和视频包含模糊部分变得越来越常见。考虑到图像清晰度对于视觉观赏效果及各种视觉应用的重要性,如何检测图像中的模糊区域,并对模糊图像进行去模糊操作,近年来吸引了越来越多计算机视觉领域的研究者的注意力。具体来说,模糊检测的目标是对于给定输入图像,尽可能精确地检测出其中所包含的模糊区域,从而方便后续算法进行处理;而图像去模糊的目的则在于从模糊输入图像中恢复出隐式的清晰图像来。经过仔细分析和实验探究,我们发现现有模糊检测算法存在的一个较大的缺陷是:不同算法分别着眼于设计更加具有判别的特征提取方案和更好的分类算法,而没能考虑到不同算法间性能的差异,以及得到结果之间的互补特性。而实验表明,同一模糊检测算法得到的检测结果间具有一致性,而不同模糊检测算法得到的结果则存在某种互补特性。针对该问题,我们提出了一种新的基于多方法融合的模糊检测算法框架,并尝试了叁种作用于不同图像尺度的融合算法:随机森林,条件随机场和回归树场。实验表明基于条件随机场和回归树场的融合方法可以取得优于选定的成分方法的检测效果。考虑到人脸图像在日常生活中的普遍性和重要性,本课题将第二个关注点放在人脸图像模糊消除的问题上。当前最好的人脸图像去模糊算法基于样本集匹配,需要构建一个较大的训练样本集。受到训练样本集有限表达能力的制约,这类算法无法很好地处理真实生活中在表情,形状和姿势方面都有着极大自由度的人脸图像,同时还需要消耗大量的运算时间。针对以上问题,我们提出了一种新的基于经典的0L梯度先验和人脸关键点检测的人脸图像去模糊算法。不同于现有基于样本集匹配的人脸图像去模糊算法,我们所提出的参数化算法直接从训练样本集中学习组合随机森林模型,然后使用该模型进行人脸显着性轮廓检测。在得到较为准确的人脸显着性轮廓之后,我们使用人脸特定的结构化特性来进行模糊核估计和非盲去模糊。在人工构造和真实数据集上的实验都验证了我们所提出算法的有效性。(本文来源于《哈尔滨工业大学》期刊2016-06-01）
郑文洁,刘秉瀚[9]（2016）在《局部模糊检测优化算法》一文中研究指出目前基于特征的局部模糊检测算法为了优化特征响应需要在多尺度下重复计算局部模糊特征,且邻接关系复杂,导致计算量大,时间效率低.针对上述时间问题,本文提出一种利用单层垂直上下文的局部模糊检测优化算法.首先提取图像块重尾分布、峰度、功率谱、线性滤波等模糊特征,然后使用贝叶斯法学习模型,计算后验概率作为初步估计模糊响应,最后本文提出将邻近像素点的模糊响应信息作为上下文更新像素点自身响应信息,增加上下文支撑域的尺寸以更充分的考虑周围信息,使用一个相互垂直的一维上下文以减小计算量,从而构造新的能量函数进行全局优化,通过最小化能量函数得到最终的模糊响应.实验表明,本文算法能有效检测图像的局部模糊,并提高检测的时间效率.(本文来源于《计算机系统应用》期刊2016年04期）
刘伟,董恩清,宋洋[10]（2016）在《无线传感器网络节点叁维定位的翻转模糊检测》一文中研究指出为了解决基于测距的无线传感器网络节点叁维定位中可能会发生翻转模糊的问题,本文提出并证明了节点叁维定位的翻转模糊检测问题,可以等价为判断是否存在一个平面和所有参考节点的测距误差球都相交的问题(Existence of Intersecting Plane,EIP).为了求解EIP问题,本文进一步提出了公切面法(Common Tangent Plane,CTP)和正交投影法(Orthogonal Projection,OP)两种求解方法.CTP方法采用的是边界检测原理,OP方法则将EIP问题转化为一个角度计算问题,并用坐标变换的方式来求解.经过理论分析和大量的仿真证明,CTP方法虽然具有较好的检测效果,但是计算复杂度太大;而OP方法在几乎获得与CTP方法相同的检测结果的情况下,能够大大降低求解EIP问题的计算复杂度.(本文来源于《电子学报》期刊2016年02期）
模糊检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对自然图像的模糊强度检测和局部模糊区域分割,提出一种无参考无训练的检测分割算法.首先对待测图像进行再模糊;然后对再模糊图像和待测图像逐点进行小邻域离散余弦变换,得到待测图像的模糊强度分布;最后结合K-Means聚类算法和形态学运算对图像的局部模糊区域进行分割提取.实验结果表明,采用文中算法得到的模糊强度分布图能够有效地检测和分割图像的清晰区域与模糊区域;与同类算法相比,对于不同模糊形式和不同复杂度的图像,该算法在查准率、查全率和F值等图像分割性能指标上表现较为优异,与人眼主观分割结果具有较高一致性,且该算法无需进行数据训练,具有较高的时间效率.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊检测论文参考文献
[1].窦思冬.图像局部模糊检测与分割方法研究[D].江苏大学.2018
[2].王雪玮,梁晓,郑津津,周洪军.自然图像的无参考模糊检测与局部模糊区域分割[J].计算机辅助设计与图形学学报.2017
[3].王小莹.图像局部模糊检测的SVM方法研究[D].武汉大学.2017
[4].黄惠芬,王志红,常玉红.数学形态学在数字伪造模糊检测中的应用[J].网络与信息安全学报.2017
[5].顾国华,田宗浩,吴海兵,田欣.基于亚像素模糊检测的Wiener对运动模糊图像复原方法[J].火力与指挥控制.2016
[6].赵森祥,李少波,陈斌,赵雪专.基于能量估计的局部运动模糊检测[J].计算机应用.2016
[7].王奎奎,玉振明.基于DCT零系数与局部结构张量的局部模糊检测[J].计算机工程.2017
[8].黄英豪.图像模糊检测及人脸模糊消除算法研究[D].哈尔滨工业大学.2016
[9].郑文洁,刘秉瀚.局部模糊检测优化算法[J].计算机系统应用.2016
[10].刘伟,董恩清,宋洋.无线传感器网络节点叁维定位的翻转模糊检测[J].电子学报.2016