本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于邊緣特征的無人機(jī)圖像模糊判斷方法及系統(tǒng)。

背景技術(shù)：

隨著社會與經(jīng)濟(jì)的發(fā)展，為了滿足越來越大的用電需求，輸電線路里程逐年在增加，這為線路的日常巡檢提出了巨大的挑戰(zhàn)。為了滿足巡檢的需要，提高巡檢效率，無人機(jī)作為一種新型的巡檢模式被引入到輸電線路運(yùn)維檢修工作中。無人機(jī)通過攜帶可見光圖像采集設(shè)備，對輸電線路狀態(tài)進(jìn)行信息采集。由于飛行高度的變化、相機(jī)鏡頭失焦、無人機(jī)受大氣湍流影響的抖動、環(huán)境電磁干擾形成的噪聲等均會造成無人機(jī)圖像質(zhì)量的下降。再者無人機(jī)正常飛行的高度從幾米到幾百米的低空范圍內(nèi)，對于場景中的不同目標(biāo)存在不同的景深，容易造成前景目標(biāo)拍攝清晰，背景目標(biāo)拍攝模糊，或得到相反情況。

不同機(jī)型無人機(jī)搭載不同的設(shè)備，采集到的圖像質(zhì)量參差不齊，因此，無人機(jī)圖像質(zhì)量檢測被引入到無人機(jī)性能的檢驗(yàn)檢測中。傳統(tǒng)的圖像檢測方式均以人工模式為主，通過主觀判斷對圖像進(jìn)行判斷(很好、較好、可接受、較差、很差，共5個(gè)等級)。人工判斷要求檢測人員具備一定的圖像專業(yè)知識以及專業(yè)技能，而且由于主觀因素的影響會造成評判結(jié)果有所不同，造成檢測結(jié)果無法重現(xiàn)。

目前，主要的圖像客觀判斷可以分為三個(gè)類別：全參考方法、半?yún)⒖挤椒ê蜔o參考方法，這三類方法的主要區(qū)別在于對原始圖像的依賴程度的不同，其中無參考方法具有更強(qiáng)的泛化能力，成為了幾年來研究的熱點(diǎn)。

專利CN101127926A通過基于多尺度幾何分析的方法實(shí)現(xiàn)了對圖像質(zhì)量的判斷，但是需要使用參考圖像作為參考依據(jù)進(jìn)行判斷。在實(shí)際應(yīng)用中，無人機(jī)拍攝的圖像種類繁多，無法提供標(biāo)準(zhǔn)的參考圖像，限制了此方法的應(yīng)用。

專利CN101930607A基于無參考方法利用小波分解、直方圖統(tǒng)計(jì)等技術(shù)，實(shí)現(xiàn)了對圖像質(zhì)量的評價(jià)。將圖像分解成多層圖像，對每層圖像進(jìn)行小波變換操作，處理耗時(shí)間較長。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為了解決上述問題，提供了一種基于邊緣特征的無人機(jī)圖像模糊判斷方法及系統(tǒng)，采用全局分析與局部分析融合的方法實(shí)現(xiàn)無人機(jī)圖像質(zhì)量的評定，首先，利用基于融合頻域銳化指數(shù)與空域邊緣線段分布密度及方位特征的全局分析方法，判斷圖像整體的清晰程度；其次，在圖像質(zhì)量整體可接受的情況下，搜索圖像中顯著的邊緣區(qū)域，通過分析不同顯著邊緣的平均寬度，判斷圖像局部細(xì)節(jié)模糊程度，從而完成對圖像模糊與清晰的判斷分析。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

基于邊緣特征的無人機(jī)圖像模糊判斷方法，包括以下步驟：

步驟(1)：空間域模糊分析：利用八方向Prewitt算法提取無人機(jī)拍攝的原始圖像的邊緣特征，對原始圖像進(jìn)行分塊處理，統(tǒng)計(jì)每個(gè)分塊中設(shè)定四個(gè)方向上的邊緣數(shù)目，根據(jù)每個(gè)分塊的邊緣線段數(shù)目判斷圖像是否為模糊圖像；進(jìn)入步驟(3)；

步驟(2)：頻域模糊分析：對原始圖像進(jìn)行傅里葉變換FFT，分析變換后功率譜的銳度指數(shù)，根據(jù)銳度指數(shù)判斷圖像是否為模糊圖像；進(jìn)入步驟(3)；

步驟(3)：根據(jù)步驟(1)和步驟(2)的結(jié)果，確定圖像清晰還是模糊；

步驟(4)：對步驟(3)判定為清晰的圖像進(jìn)行局部邊緣模糊度分析：根據(jù)檢測到的邊緣線段的位置信息計(jì)算邊緣的寬度，獲取局部模糊判斷指標(biāo)，從而進(jìn)一步確定圖像清晰還是模糊。

所述步驟(1)空間域模糊分析，包括：

步驟(11)：利用八方向Prewitt算子提取無人機(jī)拍攝的原始圖像的邊緣特征；

步驟(12)對提取到的邊緣利用OTUS算法進(jìn)行二值化處理，得到關(guān)于邊緣的二值化圖像。

步驟(13)：根據(jù)二值化圖像尺寸，將圖像均勻分塊，對每個(gè)分塊四個(gè)設(shè)定角度的線段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)；

步驟(14)：得到四個(gè)方向上邊緣數(shù)目統(tǒng)計(jì)后，對各個(gè)圖像塊進(jìn)行模糊判斷。

所述步驟(13)的對每個(gè)分塊四個(gè)設(shè)定角度的線段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)：

水平方向線段角度：-10°～10°，水平方向線段數(shù)目記為Hn；

垂直方向線段角度：大于85°或小于-85°，垂直方向線段數(shù)目記為Vn；

斜上方向線段角度：10°～85°，斜上方向線段數(shù)目記為SUn；

斜下方向線段角度：-85°～-10°，斜下方向線段數(shù)目記為SDn。

所述步驟(14)的步驟為：

步驟(141)：如果在每一分塊中，僅存一種方向線段，且線段數(shù)目不大于第一設(shè)定閾值，則該分塊判斷為模糊分塊；

步驟(142)：如果模糊分塊數(shù)目占總分塊數(shù)目的比例大于第二設(shè)定閾值，則原始圖像為模糊圖像。

所述步驟(2)頻域模糊分析，包括：

步驟(21)：對無人機(jī)拍攝的原始圖像進(jìn)行FFT變換，得到圖像的幅度功率譜，

步驟(22)：將圖像坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系下；

步驟(23)：累加所有極坐標(biāo)方向的頻譜能量，得到銳度指數(shù)a；

步驟(24)：判斷銳度指數(shù)a與第三設(shè)定閾值的大小，若大于第三設(shè)定閾值，則判定原始圖像為模糊圖像，若小于第三設(shè)定閾值，則判定原始圖像為清晰圖像。

所述步驟(3)的步驟為：

如果根據(jù)頻域判定圖像清晰，則判定圖像清晰；

如果根據(jù)頻域判斷圖像模糊，則結(jié)合空域分析進(jìn)行判斷；如果空間域分析為模糊則圖像判定為模糊，如果空間域分析圖像為清晰則判定為清晰。

所述步驟(4)局部邊緣模糊度分析，包括：

步驟(41)：將步驟(1)檢測出的邊緣特征進(jìn)行水平方向和垂直方向分組，并將邊緣線段切割成設(shè)定長度的小線段；

步驟(42)：計(jì)算垂直方向邊緣的極值點(diǎn)；

步驟(43)：計(jì)算水平方向邊緣的極值點(diǎn)；

步驟(44)：計(jì)算邊緣寬度；

步驟(45)：通過直方圖加權(quán)策略消除背景干擾，計(jì)算邊緣平均寬度。

步驟(46)：根據(jù)步驟(45)的邊緣平均寬度計(jì)算模糊判斷指標(biāo)，根據(jù)判斷指標(biāo)來判斷原始圖像為清晰圖像或模糊圖像。

所述步驟(41)中邊緣特征的水平方向：-45°～45°，邊緣特征的垂直方向：角度小于-45°或者大于45°。

所述步驟(42)的步驟為：

將邊緣上的每一點(diǎn)位置映射到灰度圖中，找到該點(diǎn)水平位置最接近該點(diǎn)的左灰度極值點(diǎn)和右灰度極值點(diǎn)；

當(dāng)邊緣的左端灰度值大于右端灰度值時(shí)，得到左極大值點(diǎn)和右極小值點(diǎn)；

當(dāng)邊緣的左端灰度值小于右端灰度值時(shí)，得到左極小值點(diǎn)和右極大值點(diǎn)。

所述步驟(43)的步驟為：

將邊緣上的每一點(diǎn)位置映射到灰度圖中，找到該點(diǎn)垂直位置最接近該點(diǎn)的上灰度極值點(diǎn)和下灰度極值點(diǎn)。

當(dāng)邊緣的上端灰度值大于下端灰度值時(shí)，得到上極大值點(diǎn)和下極小值點(diǎn)；

當(dāng)邊緣的上端灰度值小于下端灰度值時(shí)，得到上極小值點(diǎn)和下極大值點(diǎn)。

所述步驟(44)的步驟為：

通過提取邊緣像素位置，利用直線擬合方法計(jì)算出邊緣的方向角Φ(X)，根據(jù)方向角計(jì)算邊緣的寬度

其中：w_up(X)和w_down(X)是邊緣像素的中心點(diǎn)X到其對應(yīng)的上(左)極值點(diǎn)及下(右)極值點(diǎn)的距離。

所述步驟(45)的步驟為：

首先，在邊緣線段上隨機(jī)抽樣，并獲得相應(yīng)的寬度值；

其次，統(tǒng)計(jì)寬度變化直方圖，根據(jù)直方圖對邊緣寬度進(jìn)行量化處理，量化得到若干個(gè)分塊，進(jìn)而得到每個(gè)寬度的量化概率圖；

最后，根據(jù)得到的量化概率圖去除概率最低的10％和最高的10％，然后用量化概率圖對邊緣進(jìn)行加權(quán)平均從而得到邊緣的平均寬度w_AVG。

所述步驟(45)的若干個(gè)分塊可以是30個(gè)。

所述步驟(46)的步驟為：

最小可覺模糊指邊緣周圍最小的感知模糊強(qiáng)度，邊緣寬度w_JNB建模為：

其中，w_JNB表示在最小可覺模糊時(shí)的邊緣寬度，其值取決于局部對比度C，局部對比度C根據(jù)每條邊緣穿過的分塊區(qū)域計(jì)算；

根據(jù)每條邊緣計(jì)算得到的在最小可覺模糊時(shí)的邊緣寬度w_JNB，得到模糊邊緣寬度的平均值進(jìn)而得到圖像質(zhì)量局部模糊判斷指標(biāo)B：

當(dāng)圖像質(zhì)量局部模糊判斷指標(biāo)B大于第四設(shè)定閾值時(shí)，原始圖像被判定為模糊圖像，否則為清晰圖像。

所述八方向Prewitt算子：

{1,1,1,1,-2，1，-1，-1，-1，

1,1,1,1,-2，-1，1，-1，-1，

1,1,-1,1,-2，-1，1，1，-1，

1,-1,-1,1,-2，-1，1，1，1，

-1,-1,-1,1,-2，1，1，1，1，

-1,-1,1,-1,-2，1，1，1，1，

-1,1,1,-1,-2，1，-1，1，1，

1,1,1,-1,-2，1，-1，-1，1，

}。

所述步驟(21)的公式：

其中，I(u,v)表示經(jīng)過FFT變換后的圖像，S(u,v)表示圖像經(jīng)過FFT變換后的功率譜。圖像的大小為N*N，u表示圖像的橫坐標(biāo)，v表示圖像的縱坐標(biāo)。

所述步驟(22)的公式：

u＝f cosθ；

v＝f sinθ。

所述步驟(23)的步驟為：

其中，A表示幅度尺度系數(shù)，a為銳度指數(shù)；S(f)所有極坐標(biāo)方向的頻譜能量之和。

基于邊緣特征的無人機(jī)圖像模糊判斷系統(tǒng)，包括：

空間域模糊分析模塊：利用八方向Prewitt算法提取無人機(jī)拍攝的原始圖像的邊緣特征，對原始圖像進(jìn)行分塊處理，統(tǒng)計(jì)每個(gè)分塊中設(shè)定四個(gè)方向上的邊緣數(shù)目，根據(jù)每個(gè)分塊的邊緣線段數(shù)目判斷圖像是否為模糊圖像；

頻域模糊分析模塊：對原始圖像進(jìn)行傅里葉變換FFT，分析變換后功率譜的銳度指數(shù)，根據(jù)銳度指數(shù)判斷圖像是否為模糊圖像；

圖像模糊一級判斷模塊：根據(jù)空間域模糊分析模塊和頻域模糊分析模塊的結(jié)果，確定圖像清晰還是模糊；

圖像模糊二級判斷模塊：對圖像模糊一級判斷模塊判定為清晰的圖像進(jìn)行局部邊緣模糊度分析：根據(jù)檢測到的邊緣線段的位置信息計(jì)算邊緣的寬度，獲取局部模糊判斷指標(biāo)，從而進(jìn)一步確定圖像清晰還是模糊。

所述空間域模糊分析模塊，包括：

特征提取單元：利用八方向Prewitt算子提取無人機(jī)拍攝的原始圖像的邊緣特征；

二值化處理單元：對提取到的邊緣利用OTUS算法進(jìn)行二值化處理，得到關(guān)于邊緣的二值化圖像。

圖像分塊單元：根據(jù)二值化圖像尺寸，將圖像均勻分塊，對每個(gè)分塊四個(gè)設(shè)定角度的線段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)；

圖像模糊第一判斷單元：得到四個(gè)方向上邊緣數(shù)目統(tǒng)計(jì)后，對各個(gè)圖像塊進(jìn)行模糊判斷。

所述圖像分塊單元的對每個(gè)分塊四個(gè)設(shè)定角度的線段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)：

水平方向線段角度：-10°～10°，水平方向線段數(shù)目記為Hn；

垂直方向線段角度：大于85°或小于-85°，垂直方向線段數(shù)目記為Vn；

斜上方向線段角度：10°～85°，斜上方向線段數(shù)目記為SUn；

斜下方向線段角度：-85°～-10°，斜下方向線段數(shù)目記為SDn。

所述圖像模糊第一判斷單元，：

模糊分塊判斷子單元：如果在每一分塊中，僅存一種方向線段，且線段數(shù)目不大于第一設(shè)定閾值，則該分塊判斷為模糊分塊；

模糊圖像第一判斷子單元：如果模糊分塊數(shù)目占總分塊數(shù)目的比例大于第二設(shè)定閾值，則原始圖像為模糊圖像。

所述頻域模糊分析模塊，包括：

FFT變換單元：對無人機(jī)拍攝的原始圖像進(jìn)行FFT變換，得到圖像的幅度功率譜，

坐標(biāo)系轉(zhuǎn)換單元：將圖像坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系下；

頻譜能量累加單元：累加所有極坐標(biāo)方向的頻譜能量，得到銳度指數(shù)a；

模糊圖像第二判斷單元：判斷銳度指數(shù)a與第三設(shè)定閾值的大小，若大于第三設(shè)定閾值，則判定原始圖像為模糊圖像，若小于第三設(shè)定閾值，則判定原始圖像為清晰圖像。

所述圖像模糊一級判斷模塊：

如果根據(jù)頻域判定圖像清晰，則判定圖像清晰；

如果根據(jù)頻域判斷圖像模糊，則結(jié)合空域分析進(jìn)行判斷；如果空間域分析為模糊則圖像判定為模糊，如果空間域分析圖像為清晰則判定為清晰。

所述圖像模糊二級判斷模塊，包括：

特征分組單元：將檢測出的邊緣特征進(jìn)行水平方向和垂直方向分組，并將邊緣線段切割成設(shè)定長度的小線段；

垂直方向邊緣的極值點(diǎn)計(jì)算單元：計(jì)算垂直方向邊緣的極值點(diǎn)；

水平方向邊緣的極值點(diǎn)計(jì)算單元：計(jì)算水平方向邊緣的極值點(diǎn)；

邊緣寬度計(jì)算單元：計(jì)算邊緣寬度；

邊緣平均寬度計(jì)算單元：通過直方圖加權(quán)策略消除背景干擾，計(jì)算邊緣平均寬度。

模糊圖像第三判斷單元：根據(jù)邊緣平均寬度計(jì)算單元的邊緣平均寬度計(jì)算模糊判斷指標(biāo)，根據(jù)判斷指標(biāo)來判斷原始圖像為清晰圖像或模糊圖像。

本發(fā)明的有益效果：

1無參考圖像質(zhì)量判斷方法不需要原始圖像信息作為參考，符合無人機(jī)圖像質(zhì)量判斷的實(shí)際需求。

2規(guī)范化、標(biāo)準(zhǔn)化圖像質(zhì)量檢測流程并提高檢測準(zhǔn)確度和檢測的工作效率。

3基于圖像整體分析和局部細(xì)節(jié)相結(jié)合的圖像質(zhì)量判斷方法，可以有效的對無人機(jī)圖像進(jìn)行判斷。利用此方法可以避免人工判斷帶來的主觀誤差，也為無人機(jī)檢驗(yàn)檢測提供了科學(xué)化、流程化的檢測手段，提高了檢測效率與準(zhǔn)確度，在無人機(jī)圖像質(zhì)量檢測方面有關(guān)闊的應(yīng)用前景。

附圖說明

圖1為邊緣平均寬度計(jì)算；

圖2為高斯模糊-邊緣寬度W關(guān)系；

圖3為高斯模糊-銳度指數(shù)A關(guān)系；

圖4為本發(fā)明的方法流程圖；

圖5為本發(fā)明的系統(tǒng)功能模塊圖；

圖6為本發(fā)明的空間域模糊分析模塊圖；

圖7為本發(fā)明的頻域模糊分析模塊圖；

圖8為本發(fā)明的圖像模糊二級判斷模塊圖。

具體實(shí)施方式

下面結(jié)合附圖與實(shí)施例對本發(fā)明作進(jìn)一步說明。

如圖4所示，基于邊緣特征的無人機(jī)圖像模糊度判斷方法，包括以下步驟：

步驟(1)：空間域模糊分析。利用八方向Prewitt算法提取圖像邊緣特征并分析各方向線段數(shù)目，判斷圖像是否模糊；

步驟(2)：頻域模糊分析。對圖像進(jìn)行FFT(快速傅里葉變換)，分析變換后功率譜的銳度指數(shù)，判斷圖像是否模糊；

步驟(3)：根據(jù)步驟(1)和步驟(2)的結(jié)果，確定圖像最終的模糊度；

步驟(4)：局部邊緣模糊度分析。根據(jù)檢測到的邊緣線段的位置信息計(jì)算邊緣的寬度，與邊緣所在局部區(qū)域進(jìn)行對比，獲取局部對比度，從而確定圖像的清晰度。

步驟(5)：在無人機(jī)實(shí)際拍攝的圖像上進(jìn)行算法驗(yàn)證測試。

所述步驟(1)空間域模糊分析，主要包括：

步驟(11)：利用八方向Prewitt算子提取邊緣，并利用OTSU算法對邊緣進(jìn)行二值化處理。

{1,1,1,1,-2，1，-1，-1，-1，

1,1,1,1,-2，-1，1，-1，-1，

1,1,-1,1,-2，-1，1，1，-1，

1,-1,-1,1,-2，-1，1，1，1，

-1,-1,-1,1,-2，1，1，1，1，

-1,-1,1,-1,-2，1，1，1，1，

-1,1,1,-1,-2，1，-1，1，1，

1,1,1,-1,-2，1，-1，-1，1，

}

步驟(12)：對二值化邊緣進(jìn)行四個(gè)角度的統(tǒng)計(jì)處理。水平方向線段角度：-10°～10°，水平方向線段數(shù)目記為Hn；垂直方向線段角度：大于85°或小于-85°，垂直方向線段數(shù)目記為Vn；斜上方向線段角度：10°～85°，斜上方向線段數(shù)目記為SUn；斜下方向線段角度：-85°～-10°，斜下方向線段數(shù)目記為SDn；

步驟(13)：對原始圖像進(jìn)行分塊處理，統(tǒng)計(jì)每個(gè)分塊中的個(gè)方向線段數(shù)目。如果在每一分塊中，僅存一種方向線段，且線段數(shù)目不大于2，則該分塊判斷為模糊分塊；如果模糊分塊數(shù)目大于總分塊數(shù)目的90％，則該幅圖像為模糊圖像。

所述步驟(2)頻域模糊分析，主要包括：

步驟(21)：對圖像進(jìn)行FFT變換，轉(zhuǎn)化為其幅度功率譜，公式如下所示：

其中，I(u,v)表示經(jīng)過FFT變換后的圖像。

步驟(22)：為了便于后續(xù)計(jì)算，將圖像坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系下：

u＝f cosθ,v＝f sinθ

步驟(23)：累加所有極坐標(biāo)方向的頻譜能量到S(f)：

其中，A表示幅度尺度系數(shù)，a為頻率指數(shù)(銳度指數(shù))。

模糊圖像可以看成是清晰圖像經(jīng)過低通濾波處理后使得高頻分量衰減得到的，其高頻信號較少，低頻信號較多。這種現(xiàn)象在功率譜上表現(xiàn)為：曲線衰減較快，圖像的高頻分量減少，即a值較大。對于清晰圖像，由于沒有經(jīng)過濾波等模糊平滑操作，高頻分量較多，功率譜衰減減慢，因此a值較小。

圖像模糊主要是細(xì)節(jié)信息的丟失，在空域上的表現(xiàn)是邊緣寬度的增加，所以用邊緣寬度來檢測圖像的模糊度是最直接的方法。

所述步驟(4)局部邊緣模糊度分析，包括：

步驟(41)：將檢測出的邊緣特征進(jìn)行分組，并將線段切割成固定長度的小線段，如圖1所示。統(tǒng)計(jì)邊緣的水平：-45°～45°和垂直方向：角度小于-45°或者大于45°的邊緣數(shù)目；

步驟(42)：計(jì)算邊緣的寬度。以垂直方向邊緣為例，將邊緣上的某一點(diǎn)位置映射到原圖中，找到該點(diǎn)水平位置最接近該點(diǎn)的左右灰度極值點(diǎn)。當(dāng)邊緣的左端灰度值大于右端灰度值時(shí)，得到左極大值點(diǎn)和右極小值點(diǎn)；當(dāng)邊緣灰度值小于右端時(shí)，得到左極小值點(diǎn)和右極大值點(diǎn)，從而得到邊緣的寬度；

步驟(43)：同理，根據(jù)上述步驟(42)的操作，計(jì)算水平方向邊緣的寬度；

步驟(44)：修正邊緣寬度。由于提取到的邊緣不完全水平或垂直，通過提取邊緣像素位置，利用直線擬合手段計(jì)算出邊緣的方向角Φ(X)，根據(jù)方向角計(jì)算邊緣的寬度

其中：w_up(X)和w_down(X)是邊緣像素的中心點(diǎn)X，其上下最大或最小極值點(diǎn)I_max(X)與I_min(X)之間的距離。

步驟(45)：計(jì)算邊緣平均寬度。邊緣受背景的影響，會變得模糊，為了消除背景的影響引入直方圖加權(quán)策略。首先在邊緣上隨機(jī)抽樣，并獲得相應(yīng)的寬度值。其次，統(tǒng)計(jì)寬度變化直方圖，進(jìn)而得到不同寬度的概率圖，根據(jù)得到的概率圖，進(jìn)而計(jì)算得到邊緣的平均寬度w_AVG。

步驟(46)：模糊判斷指標(biāo)?；谌祟悓Σ煌：兄拿舾行圆町?，提出“最小可覺模糊(JNB)概念”，定義邊緣周圍最小的感知模糊強(qiáng)度。高的局部對比度比絕對亮度更符合人眼感知視覺系統(tǒng)。w_JNB表示在“最小可覺模糊”時(shí)的邊緣寬度，其值取決于局部對比度C。在各種局部對比對下，寬度w_JNB可以建模為：

其中，局部對比度C根據(jù)每條邊緣穿過的分塊區(qū)域計(jì)算。定位到分塊的邊緣點(diǎn)，以邊緣點(diǎn)為中心取n*n的局部區(qū)域，統(tǒng)計(jì)局部區(qū)域內(nèi)像素點(diǎn)與中心點(diǎn)像素的差值，這個(gè)差值就是局部對比度C。n根據(jù)實(shí)際情況定義。

根據(jù)每條邊緣計(jì)算得到的w_JNB得到模糊邊緣寬度的平均值進(jìn)而得到圖像質(zhì)量局部模糊判斷指標(biāo)：

當(dāng)圖像模糊增加時(shí)，邊緣擴(kuò)散增加，導(dǎo)致邊緣寬度增大，進(jìn)而使得比值B增大。

利用無人機(jī)拍攝的圖像，進(jìn)行了算法的有效性測試。利用無人機(jī)在距離目標(biāo)2m、4m、5m位置進(jìn)行拍攝，然后對三張圖像進(jìn)行9個(gè)等級(0.5、1.0、1.5、2.0、2.5、3.0、3.5、4.0、4.5、5.0)，共有30張圖像進(jìn)行測試。圖2證明隨著模糊參數(shù)的增加，圖像模糊度指標(biāo)(邊緣寬度W)也隨之增大，圖像質(zhì)量越差。圖3證明隨著模糊參數(shù)的增加，圖像銳度指數(shù)A也隨之增大，圖像質(zhì)量越差。證明了基于邊緣寬度判斷指標(biāo)W和基于FFT的銳化指數(shù)A能夠有效的判斷出圖像的模糊度。

如圖5所示，基于邊緣特征的無人機(jī)圖像模糊判斷系統(tǒng)，包括：

空間域模糊分析模塊：利用八方向Prewitt算法提取無人機(jī)拍攝的原始圖像的邊緣特征，對原始圖像進(jìn)行分塊處理，統(tǒng)計(jì)每個(gè)分塊中設(shè)定四個(gè)方向上的邊緣數(shù)目，根據(jù)每個(gè)分塊的邊緣線段數(shù)目判斷圖像是否為模糊圖像；

頻域模糊分析模塊：對原始圖像進(jìn)行傅里葉變換FFT，分析變換后功率譜的銳度指數(shù)，根據(jù)銳度指數(shù)判斷圖像是否為模糊圖像；

圖像模糊一級判斷模塊：根據(jù)空間域模糊分析模塊和頻域模糊分析模塊的結(jié)果，確定圖像清晰還是模糊；

圖像模糊二級判斷模塊：對圖像模糊一級判斷模塊判定為清晰的圖像進(jìn)行局部邊緣模糊度分析：根據(jù)檢測到的邊緣線段的位置信息計(jì)算邊緣的寬度，獲取局部模糊判斷指標(biāo)，從而進(jìn)一步確定圖像清晰還是模糊。

如圖6所示，所述空間域模糊分析模塊，包括：

特征提取單元：利用八方向Prewitt算子提取無人機(jī)拍攝的原始圖像的邊緣特征；

二值化處理單元：對提取到的邊緣利用OTUS算法進(jìn)行二值化處理，得到關(guān)于邊緣的二值化圖像。

圖像分塊單元：根據(jù)二值化圖像尺寸，將圖像均勻分塊，對每個(gè)分塊四個(gè)設(shè)定角度的線段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)；

圖像模糊第一判斷單元：得到四個(gè)方向上邊緣數(shù)目統(tǒng)計(jì)后，對各個(gè)圖像塊進(jìn)行模糊判斷。

所述圖像分塊單元的對每個(gè)分塊四個(gè)設(shè)定角度的線段數(shù)據(jù)進(jìn)行統(tǒng)計(jì)：

水平方向線段角度：-10°～10°，水平方向線段數(shù)目記為Hn；

垂直方向線段角度：大于85°或小于-85°，垂直方向線段數(shù)目記為Vn；

斜上方向線段角度：10°～85°，斜上方向線段數(shù)目記為SUn；

斜下方向線段角度：-85°～-10°，斜下方向線段數(shù)目記為SDn。

所述圖像模糊第一判斷單元，：

模糊分塊判斷子單元：如果在每一分塊中，僅存一種方向線段，且線段數(shù)目不大于第一設(shè)定閾值，則該分塊判斷為模糊分塊；

模糊圖像第一判斷子單元：如果模糊分塊數(shù)目占總分塊數(shù)目的比例大于第二設(shè)定閾值，則原始圖像為模糊圖像。

如圖7所示，所述頻域模糊分析模塊，包括：

FFT變換單元：對無人機(jī)拍攝的原始圖像進(jìn)行FFT變換，得到圖像的幅度功率譜，

坐標(biāo)系轉(zhuǎn)換單元：將圖像坐標(biāo)系轉(zhuǎn)換到極坐標(biāo)系下；

頻譜能量累加單元：累加所有極坐標(biāo)方向的頻譜能量，得到銳度指數(shù)a；

模糊圖像第二判斷單元：判斷銳度指數(shù)a與第三設(shè)定閾值的大小，若大于第三設(shè)定閾值，則判定原始圖像為模糊圖像，若小于第三設(shè)定閾值，則判定原始圖像為清晰圖像。

所述圖像模糊一級判斷模塊：

如果根據(jù)頻域判定圖像清晰，則判定圖像清晰；

如果根據(jù)頻域判斷圖像模糊，則結(jié)合空域分析進(jìn)行判斷；如果空間域分析為模糊則圖像判定為模糊，如果空間域分析圖像為清晰則判定為清晰。

如圖8所示，所述圖像模糊二級判斷模塊，包括：

特征分組單元：將檢測出的邊緣特征進(jìn)行水平方向和垂直方向分組，并將邊緣線段切割成設(shè)定長度的小線段；

垂直方向邊緣的極值點(diǎn)計(jì)算單元：計(jì)算垂直方向邊緣的極值點(diǎn)；

水平方向邊緣的極值點(diǎn)計(jì)算單元：計(jì)算水平方向邊緣的極值點(diǎn)；

邊緣寬度計(jì)算單元：計(jì)算邊緣寬度；

邊緣平均寬度計(jì)算單元：通過直方圖加權(quán)策略消除背景干擾，計(jì)算邊緣平均寬度。

模糊圖像第三判斷單元：根據(jù)邊緣平均寬度計(jì)算單元的邊緣平均寬度計(jì)算模糊判斷指標(biāo)，根據(jù)判斷指標(biāo)來判斷原始圖像為清晰圖像或模糊圖像。

上述雖然結(jié)合附圖對本發(fā)明的具體實(shí)施方式進(jìn)行了描述，但并非對本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。