1.基于分层模型的局部运动模糊区域自动检测提取方法，其特征在于，包括以下步骤：步骤1：输入一幅大小为M×N的模糊图像f(x,y)，用滑动窗口的方式对图像分块并利用频率域模糊度衡量算法对模糊图像按块计算出其对应的模糊区域映射图m(x,y)；

步骤2：利用Otsu算法对步骤1的映射图m(x,y)计算二值化阈值，然后根据阈值对映射图m(x,y)进行二值化处理，得到初步模糊检测图像d1(x,y)；

步骤3：对初步模糊检测图像d1(x,y)进行二值图像去噪操作，得到更加精确的模糊区域初步检测图d2(x,y)；

步骤4：分别采用腐蚀、膨胀算法对步骤3得到的检测图d2(x,y)中的模糊区域、清晰区域进行处理，得到对应的前景映射图fg(x,y)、背景映射图bg(x,y)；

步骤5：利用步骤4得到的前景映射图fg(x,y)、背景映射图bg(x,y)对模糊图像f(x,y)进行标记，得到模糊图像f(x,y)所对应的trimap三分图t(x,y)；

步骤6：利用步骤5得到的trimap三分图t(x,y)以及模糊图像f(x,y)，调用k近邻抠图算法实现模糊区域的精确检测，得到模糊图像f(x,y)所对应的alpha图a(x,y)；

步骤7：利用步骤6得到的alpha图a(x,y)提取出模糊图像f(x,y)所对应的模糊区域以及清晰区域。

2.根据权利要求1所述的基于分层模型的局部运动模糊区域自动检测提取方法，其特征在于，所述步骤1中的具体过程如下：步骤1.1：把按照滑动窗口方式对图像f(x,y)进行分块得到的大小为k×k的图像块记为图像I(x,y)，利用如下公式对图像I(x,y)做傅里叶变换得到F：其中，(x,y)表示空间变量，(u,v)表示频率域变量；

步骤1.2：利用如下公式把F的原点移到图像中心(u0,v0)得到Fc：步骤1.3：假设Fc(u,v)＝a+bj，利用如下公式计算AF＝|Fc|，其中AF为图像I的中心傅里叶变换的模：

步骤1.4：统计AF中像素值大于0的像素个数，记为th；

步骤1.5：由如下公式计算图像模糊度FM：图像模糊度

式中，th表示AF中像素值大于0的像素个数，k表示图像块的行、列数。

3.根据权利要求1所述的基于分层模型的局部运动模糊区域自动检测提取方法，其特征在于，所述步骤2中二值化处理过程如下：对于图像I(x,y)将前景与背景的分割阈值设为t；将属于前景的像素点的个数占整个图像总像素数的比例设为w0，其像素均值设为u0；将属于背景的像素点的个数占整个图像总像素数的比例设为w1，其像素均值设为u1；将整幅图像的像素均值记为u；

则按照公式迭代求解二值化阈值topt：

2 2

topt＝max(w0(t)×(u0(t)‑u) +w1(t)×(u1(t)‑u))。

4.根据权利要求1所述的基于分层模型的局部运动模糊区域自动检测提取方法，其特征在于，所述步骤6中模糊图像f(x,y)所对应的alpha图a(x,y)的具体过程如下：步骤6.1：计算特征向量，给定像素i的特征向量定义如公式所示：X(i)＝(cos(h),sin(h),s,v,x,y)其中，h,s,v分别是HSV颜色空间的坐标值，(x,y)是像素i的空间坐标；

步骤6.2：按照如下公式计算内核函数：其中，C是权值调节系数，保证k(i,j)∈[0,1],||X(i)‑X(j)||是1范数，即两向量差的绝对值之和；

步骤6.3：按照如下公式求解拉普拉斯矩阵：L＝D‑A

其中，A＝[k(i,j)]表示相似矩阵，D表示对角矩阵；

步骤6.4：按照如下公式求解trimap图中的未知α值：‑1

α＝(L+λV) (λv)其中，L表示步骤6.3中得到拉普拉斯矩阵，V为一个二值化矩阵表示trimap图中标记出的前景，v为一个二值化矩阵表示trimap图中标记出的背景；

步骤6.5：按照求解出的α值对trimap图中的未知α值区域进行标记，得到alpha图。