基于BP神经网络的图像局部模糊测量
目的 目前模糊测量方法难以处理存在纹理平坦区域时的局部模糊测量.针对该问题,提出一种基于BP(back propagation)神经网络的图像局部模糊检测方法.方法 该方法采用所有奇异值以描述不同尺度信息随模糊变化情况,并与描述高频信息变化的DCT(discrete cosine transform)非零系数结合,实现奇异值向量和DCT非零系数个数联合的混合模糊测度,达到空频联合的模糊度描述.在此基础上,通过训练BP神经网络分类器,实现图像块模糊值预测.结果 单幅局部模糊图像实验中,较好区分纹理平坦区域和模糊区域的模糊程度;多幅局部模糊图像的统计实验中,召回率-准确率(RP)评估曲线显示在相同召回率下准确率较其他方法高.结论 该方法可以较准确地实现局部模糊图像(特别是存在纹理平坦区域的局部模糊图像)的模糊测量.
BP神经网络、模糊测量、奇异值、DCT系数
20
TP391(计算技术、计算机技术)
国家自然科学基金项目61003131,61301295,61370218;安徽省自然科学基金项目1408085MF113,1308085QF100;南京大学计算机软件新技术国家重点实验室开放课题KFKT2013B12
2015-02-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
20-28