实时视频图像的清晰度检测算法研究

240。从实时视频图像中提取背景图像后，本文分别采用Sobel算子、平方梯度法和快速检测法三种算法对图像的清晰度进行检测。

实验拍摄的视频图如图3所示。视频中杯子为移动的物体，杯子由视野的右侧移动到视野的左侧，背景物体基本保持不变。图3中的图片1和图片2分别是从实验视频中截取的图片，杯子的位置不断改变，图片3为清晰的实时视频图像的背景图像，其像素梯度值作为判断视频序列图像清晰度的参考阈值，如表1所示。图3中的图征4~9分别是从6段不同的实时视频图像中提取的背景图片。6段视频序列图像的清晰度逐渐减弱，其背景图像也越来越模糊。基于上述背景图，本文采用了三种算法：Sobel算子清晰度检测、平方梯度算法和快速检测法。其中Sobel算子清晰度检测如文中所述，平方梯度算法将微分值平方，计算公式为：

式中，图像大小为M×N，f(x，y)表示(x，y)处的灰度值[6]。快速检测法是先求图像的灰度均值，分别计算灰度值大于和小于图像灰度均值的像素点的均值H和L，然后利用评价因子F=(H-L)/(H+L)来检测实时视频图像的清晰度。

三种算法对实时视频图像的清晰度检测结果如表1所示。清晰度评价值经过归一化处理，便于算法准确度性能的比较。由表1可知，Sobel算子清晰度检测和平方梯度算法的清晰度评价值的变化趋势与幅度和肉眼观测到的事实基本相符，视频序列图像越模糊，清晰度评价值越小，即实时视频图像1、2、3的清晰度评价值在评价范围内，实时视频图像是清晰的，实时视频图像4、5、6的清晰度评价值在评价范围之外，实时视频图像是模糊的。快速检测算法对清晰度的敏感度低，视频很模糊时，评价值仍然较大，不能很好地衡量清晰度的变化幅度。表2比较了三种算法的时间性能，可知Sobel算子清晰度检测算法与快速算法计算时间较为接近，平方梯度算法计算时间最长。综上所述，平方梯度算法评价效果较好，但实时性较差；快速算子计算速率高，但对模糊的灵敏度低；Sobel算子的评价效果好，实时性也符合系统的要求。

为了对实时视频图像的清晰度进行实时检测，针对实时视频图像的特点，本文提出了采用背景提取和Sobel算子相结合的清晰度检测算法，该算法在帧图像清晰度检测时计算效率高，能够自动实时地完成实时视频图像的清晰度检测。但目前此算法仅适用于实时视频图像中背景基本不变或微小变化的场景。如果背景图像变化幅度较大，需要调整判断视频清晰度的评价范围作为新的评价标准，这也是后续工作的研究重点，以使该算法在更多的场景中应用。