1、“.....如图窗口选取图。图中图片尺寸为，图中左图中的黑算法和中心窗口法，以及全图处理方法进行效果比较，场景使用图所示场景的张逐渐聚焦的连续聚焦图片序列如图所示。抗噪高清图像清晰度评价算法的研究论文原稿。斜条形窗口选择方法在图像处理中，由于场景复杂，当物体较大时，其在图像中将会占据定区域的像素，这就会导致传统窗口选择区域中不含细节或者细节较少。为了防止传统的圆形方形等集中块式窗口选择方法产生的以上问题，本研究使用条形分散式窗口方法，但由于图像物体般为水平或者垂直分布，故使用倾斜的条形区域尽可能分散窗口。为防止个窗口带来的误判图像清晰度评价函数与自动取窗对焦的目标视觉调焦算法微型电脑应用孙红利，冯旗，董峰图像清晰度评价算法研究传感器与微系统，项魁，高健自动对焦过程中图像清晰度评价算法研究组合机床与自动化加工技术，薛万勋，卞春江......”。

2、“.....结语本文首先提出种使用倾斜的条形区域作为检测窗口的条形窗口选择方法，该方法使用个倾斜条形窗口作为聚焦窗口使用，能在缩少数据的同时保留更多的细节成分。为进步缩小处理数据，本文提出均值加权缩小滤波方法，该方法通过对图片进行次循环两次计算进行滤波，在达到次滤波效果的同时缩小图像尺寸，之后对滤波图片进行计算归化邻近差值像素区间比例因子和清晰度评价值，利用归化邻近差值和像素区间比例因子构建清晰度评价因子实现对清晰度评价值得修正，从而实现较好方差不等的均匀分布的随机噪声来进行抗噪效果分析。限于篇幅，以下给出了效果最差的场景下归化评价函数比较图。其中加入的噪声方差分别为，使用等像素个数的中央区域窗口选择方法，且使用均值滤波后分别使用算法和快速变换算法与本文算法进行比较，如图所示。在场景下，效果最差......”。

3、“.....而对比算法在噪声大于时已经不具有良好的单峰性。但是本算法当噪声高于时，也会出现性能不好，这是由于图片噪声较多，已经导致图像细节成了，但如果直接使用算子进行检测，依旧会在波峰出现波动为了使图像具有更好的高灵敏性和全局单峰性，提出使用归化邻近差值作为清晰度评价因素之。归化邻近差值由于图像相邻像素差值可以反映图像的局部清晰度，如果图片局部差值过大，方面可能是由于图像变清晰导致，另方面也可能是由于噪点突然变多引起，考虑到噪点在正常使用中不会突然变化，故可以使用归化邻近差值记为来反映图片的清晰度。在实际场景中，图像较为清晰的时候，其值较大，而在图片模糊的时候其值较小，但在高度模糊时，由于亮度增加，数据分布上来说，由于滤波后像素值处于最小值附近和最大值附近的值减少，处于整个图片的平均值像素附近的值增加......”。

4、“.....像素区间比例因子通过以上均值加权滤波的方法将图片缩小且进行降噪处理后，像素值将会向平均值靠近，这时候对每个像素值进行区间统计，而区间统计时需要将的像素值划分为多个区间段进行统计，本研究使用利用整个图像的平均值将划分为个区间段，如下所示区间，区间，区间，区间，区间。其中，使用该方法进行像素区间分段，主要考虑在不同环境下，图片的整体检测算法计算机工程与应用，李忠海，金海洋，邢晓红整数阶滤波的分数阶算子的边缘检测算法计算机工程与应用，。滤波后的图像数据量比原图像小了倍，且由于使用均值滤波，使得图片变得稍微模糊了，而从数据上来看，均值加权滤波后的数据更趋近于整个图像的平均值，此平均值可以通过将所有像素值累加后除以像素个数得到，记为，在滤波后对计算结果累加即可得到......”。

5、“.....该方法使用个倾斜条形窗口作为聚焦窗口使用，能在缩少数据的同时保留更多的细节成分。为进步缩小处理数据，本文提出均值加权缩小滤波方法，该方法通过对图片进行次循环两次计算进行滤波，在达到次滤波效果的同时缩小图像尺寸，之后对滤波图片进行计算归化邻近差值像素区间比例因子和清晰度评价值，利用归化邻近差值和像素区间比例因子构建清晰度评价因子实现对清晰度评价值得修正，从而实现较好的抗噪性能。但依旧在些场景下效果不是很好，可以考虑使用较好的去噪算法对图像进行恢归化评价函数比较图。其中加入的噪声方差分别为，使用等像素个数的中央区域窗口选择方法，且使用均值滤波后分别使用算法和快速变换算法与本文算法进行比较，如图所示。在场景下，效果最差，本文算法在噪声方差小于时，归化评价函数具有较好的单峰性且由较高的灵敏性，而对比算法在噪声大于时已经不具有良好的单峰性。但是本算法当噪声高于时......”。

6、“.....这是由于图片噪声较多，已经导致图像细节成分严重丢失，对于夜晚或者红外模式下的图片噪声效果比较接近噪声方差介于志的均匀高斯噪声好的高灵敏性和全局单峰性，提出使用归化邻近差值作为清晰度评价因素之。归化邻近差值由于图像相邻像素差值可以反映图像的局部清晰度，如果图片局部差值过大，方面可能是由于图像变清晰导致，另方面也可能是由于噪点突然变多引起，考虑到噪点在正常使用中不会突然变化，故可以使用归化邻近差值记为来反映图片的清晰度。在实际场景中，图像较为清晰的时候，其值较大，而在图片模糊的时候其值较小，但在高度模糊时，由于亮度增加，其值会反常上升的异常状态，故可以采用将归化邻近差值与像素区间比例因子相乘得到个清晰抗噪高清图像清晰度评价算法的研究论文原稿展，高清图像已经越来越多的被人们所接受。在视频监控行业中，高清分辨率已经得到快速的应用......”。

7、“.....降低计算时间的方法主要通过采用高性能专用处理器简化清晰度评价函数以及选择合适的清晰度评价窗口。滤波后的图像数据量比原图像小了倍，且由于使用均值滤波，使得图片变得稍微模糊了，而从数据上来看，均值加权滤波后的数据更趋近于整个图像的平均值，此平均值可以通过将所有像素值累加后除以像素个数得到，记为，在滤波后对计算结果累加即可得到。，孙红利，冯旗，董峰图像清晰度评价算法研究传感器与微系统，项魁，高健自动对焦过程中图像清晰度评价算法研究组合机床与自动化加工技术，薛万勋，卞春江，陈红珍基于点锐度和平方梯度的图像清晰度评价方法电子设计工程，易莉，郭贝贝，马磊改进的模糊推理规则图像边的平均值像素附近的值增加，故可以使用像素区间比例因子来反映图像清晰度。像素区间比例因子通过以上均值加权滤波的方法将图片缩小且进行降噪处理后，像素值将会向平均值靠近......”。

8、“.....而区间统计时需要将的像素值划分为多个区间段进行统计，本研究使用利用整个图像的平均值将划分为个区间段，如下所示区间，区间，区间，区间，区间。其中，使用该方法进行像素区间分段，主要考虑在不同环境下，图片的整体亮度不样，使用平均像素来进行自适应分区能减少由于画面整体偏亮或者整体偏暗导致在后再计算其算子清晰度，但要求其去噪运行时间要足够的短，否则将会造成整个清晰度计算时间变长，这将是本研究未来的个研究方向。参考文献田文利基于图像清晰度评价函数与自动取窗对焦的目标视觉调焦算法微型电脑应用能够满足实际场景需要。当噪声超过后已经严重影响到图片的局部细节成分，故必须使用去噪算法才能获得较好的清晰度评价效果，但由于由于目前去噪算法处理图片尺寸较小，不能满足窗口要求，故而采用本文所提出的均值加权滤波进行降噪处理。由不同处理算法运行时间可知，本算法平均每张运行时间小于秒......”。

9、“.....而使用均值滤波的快速算法平均每张运行时间约为秒，在速度上本文所提算法较快。结语本文首先提出种使用倾斜的条形区域作为检测窗口的条形窗口选择评价因子，记为，利用此评价因子对算子检测结果进行修正，即算法流程说明基于以上算法的说明，本研究提出使用修正的算子梯度函數作为清晰度评价函数，为缩小数据量本研究采用斜条形窗口来增加窗口中所含的细节成分，整个算法流程图，如图所示。实验与分析在平台上进行编程实现本文算法，实验选取由自研高清网络摄像机在白天种场景下不含噪声的图像序列，通过在图像中添加均值为，方差不等的均匀分布的随机噪声来进行抗噪效果分析。限于篇幅，以下给出了效果最差的场景上统计值发生异常，若，则令。对不同区间统计结果分别记为，其中为第个区间的统计值，为第个区间的统计值。则像素区间比例因子的计算方法如下其中，为像素区间比例因子......”。