專利名稱：基于自適應(yīng)窗口選擇的視頻圖像去模糊方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別是涉及視頻圖像處理，可用于快速選擇目標(biāo)區(qū)域?qū)D像去模糊和分割。
背景技術(shù)：
運(yùn)動模糊是成像過程中一種普遍存在的現(xiàn)象，它是由在曝光時間內(nèi)相機(jī)和目標(biāo)產(chǎn)生相對運(yùn)動造成的。它的存在嚴(yán)重影響了獲取圖像的質(zhì)量，運(yùn)動模糊圖像復(fù)原由此成為了一個重要的研究課題，被廣泛運(yùn)用于天文研究、軍事探測、交通監(jiān)測、醫(yī)學(xué)檢測等重要領(lǐng)域。運(yùn)動模糊圖像可以建模為一個可以描述在曝光時間內(nèi)相機(jī)運(yùn)動軌跡的模糊核與圖像強(qiáng)度的卷積。移除相機(jī)抖動模糊實(shí)際上是圖像盲去卷積的一種形式，這個問題在圖像和信號處理領(lǐng)域已經(jīng)有了很長的歷史。圖像盲去卷積問題中由于原始清晰圖像和模糊核均未知，因此所有的實(shí)際解決方案都必須事先對模糊核或要恢復(fù)的清晰圖像做出假設(shè)?？v觀這個領(lǐng)域的大量文獻(xiàn)，已有的盲去卷積方法均以一個簡單的參數(shù)模型假設(shè)模糊核，但由相機(jī)抖動形成的模糊核不是單一的參數(shù)就可以表示的，它往往包含尖銳的邊緣，這些假設(shè)削弱了圖像重建后的高頻成分。Caron假設(shè)圖像頻率服從冪律分布，冪律是自然圖像數(shù)據(jù)的一種簡單形式，它不會保留圖像的局部結(jié)構(gòu)，之后Jalobeanu以及Neelamani把冪律和小波域約束結(jié)合起來取得了一定的效果但對模糊核復(fù)雜的圖像仍不適用。由此可見，傳統(tǒng)的信號處理解決方案往往只做一般的頻域冪律假設(shè)，這些算法僅可處理簡單模糊但對由相機(jī)抖動引起的復(fù)雜模糊效果不盡人意。Rob Fergus的方法是去除圖像未知抖動模糊的一項新技術(shù)。近幾年的自然圖像研究表明自然場景的圖像服從特殊的梯度分布。Fergus等人在Miskin和MacKay工作的基礎(chǔ)上，利用貝葉斯方法把不定因素考慮在內(nèi)，結(jié)合圖像的分布估計出對應(yīng)的模糊核。再用標(biāo)準(zhǔn)去卷積算法對圖像進(jìn)行重建。大量實(shí)驗(yàn)表明，Rob Fergus的去模糊算法具有很強(qiáng)的魯棒性。但Fergus的算法操作起來不太方便，人工選擇處理窗口增加了選擇的盲目性，一旦選擇出現(xiàn)偏差，去模糊的結(jié)果將會非常差，此時必須進(jìn)行新一次的嘗試，如此循環(huán)往復(fù)，直到選出合理的估計模糊核的窗口得到滿意的結(jié)果。盡管Fergus等人也提出了怎樣選擇有效的處理窗口，僅憑借視覺效果選擇邊緣結(jié)構(gòu)豐富的區(qū)域準(zhǔn)確性難以保證，而且手動選擇的窗口 一般工作量比較大，計算耗時較長，如果將該方法使用在視頻上，可想而知，該方法將會帶來巨大的計算瓶頸問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對上述Fergus處理方法的不足，提出了一種基于自適應(yīng)窗口選擇的視頻圖像去模糊方法，以提高窗口選擇的有效性和去模糊結(jié)果的準(zhǔn)確性。為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟(I)輸入視頻序列X中的任意一幀視頻圖像I,視頻圖像I的大小為NXM，用遺傳算法在視頻圖像I上自適應(yīng)選擇用于估計運(yùn)動模糊核的窗口的位置坐標(biāo)(i，j)，得到選擇的窗口為[i, i+50, j, j+50]；(2)依據(jù)步驟(I)選擇的窗口位置在視頻圖像I上劃線標(biāo)出初始窗口 Ptl，然后將初始窗口 Ptl進(jìn)行灰度轉(zhuǎn)化，并按公式P (i，j) =Pc)(i，j)1/Y進(jìn)行逆Y修正，得到修正后的窗口P，其中PQ(i，j)為初始窗口 P。的灰度圖像在(i，j)處的像素值，P(i, j)為修正后的窗口 P在(i，j)處的像素值；(3)設(shè)定初始的模糊核Ktl和迭代次數(shù)scale，在每一個尺度用可變貝葉斯方法對修正后的窗口 P估計相關(guān)后驗(yàn)概率的收斂值，并進(jìn)行多尺度迭代計算，迭代終止，得到合適的運(yùn)動模糊核K ；(4)利用運(yùn)動模糊核K,對視頻圖像I用Richardson-Lucy算法進(jìn)行去卷積運(yùn)算，得到清晰圖像L。本發(fā)明與Fergus的處理方法相比具有以下優(yōu)點(diǎn)1、本發(fā)明采用遺傳算法對估計模糊核的窗口進(jìn)行自適應(yīng)選擇，避免了手動選擇時需要進(jìn)行的多次嘗試，提高了窗口選擇的有效性；2、本發(fā)明選擇大小為50X50的窗口，很大程度上減小了估計模糊核的運(yùn)算量，從而減少了運(yùn)行時間；3、本發(fā)明選擇的窗口具有很好的適應(yīng)性，通過視頻序列中任意一幀圖像選擇出的窗口能較好地推廣到其它幀圖像中。


圖1是本發(fā)明的流程
圖2是本發(fā)明所使用的視頻basketball序列中的第39幀圖像；圖3是用本發(fā)明對圖2進(jìn)行自適應(yīng)選窗后得到的窗口 ；圖4是用本發(fā)明對圖2自適應(yīng)選窗后進(jìn)行去模糊的結(jié)果圖；圖5是視頻basketball序列中的第40巾貞圖像；圖6是將圖2所選的窗口位置應(yīng)用于圖5后對圖5進(jìn)行去模糊的結(jié)果圖。
具體實(shí)施例方式參照圖1，本發(fā)明基于自適應(yīng)窗口選擇的視頻圖像去模糊方法，包括如下步驟步驟1:輸入視頻序列X中的任意一幀視頻圖像I，用遺傳算法在視頻圖像I上自適應(yīng)選擇用于估計運(yùn)動模糊核的窗口的位置坐標(biāo)(i，j)，選擇的窗口為[i，i+50, j, j+50]。這里我們?nèi)∫曨lbasketball中的第39幀，大小為352X 288，如圖2所示。用遺傳算法對圖像I自適應(yīng)選擇用于估計運(yùn)動模糊核的窗口的位置坐標(biāo)，按如下步驟來進(jìn)行Ia)隨機(jī)產(chǎn)生種群規(guī)模為50的初始種群S = (S1, ... Si, ...，S5J ；
,￥-1 M-1Ib)確定目標(biāo)函數(shù)為五= ΣΣ|Μθ)|，其中 g(i，J·) = I(i，j)_I(i，J·' )，I(i，j)
/=O /=O
為視頻圖像I在點(diǎn)(i，j)處的像素值，α’，j’)為以點(diǎn)(i，j)為圓心，微元長度Ar為半徑的圓弧上的任意一點(diǎn)，ia’，j’)為視頻圖像 在點(diǎn)a’，j’)處的像素值，若方向微分的方向角為 a，a e [-90°，90° ]，則 = ceil (i+Δ rsin α )，
權(quán)利要求
1.一種基于自適應(yīng)窗口選擇的視頻圖像去模糊方法，包括如下步驟(1)輸入視頻序列X中的任意一幀視頻圖像I，視頻圖像I的大小為NXM，用遺傳算法在視頻圖像I上自適應(yīng)選擇用于估計運(yùn)動模糊核的窗口的位置坐標(biāo)(i，j)，得到選擇的窗口為[i, i+50, j, j+50]；(2)依據(jù)步驟(I)選擇的窗口位置在視頻圖像I上劃線標(biāo)出初始窗口Ptl，然后將初始窗口 Ptl進(jìn)行灰度轉(zhuǎn)化，并按公式P (i，j) = P0(i, j)1/Y進(jìn)行逆Y修正，得到修正后的窗口 P， 其中PciQ, j)為初始窗口 Ptl的灰度圖像在(i，j)處的像素值，P(i，j)為修正后的窗口 P在 (i, j)處的像素值；(3)設(shè)定初始的模糊核Ktl和迭代次數(shù)scale，在每一個尺度用可變貝葉斯方法對修正后的窗口 P估計相關(guān)后驗(yàn)概率的收斂值，并進(jìn)行多尺度迭代計算，迭代終止，得到合適的運(yùn)動模糊核K ；(4)利用運(yùn)動模糊核K,對視頻圖像I用Richardson-Lucy算法進(jìn)行去卷積運(yùn)算,得到清晰圖像L。
2.根據(jù)權(quán)利要求1所述的方法，其中步驟(I)所述的用遺傳算法對視頻圖像I自適應(yīng)選擇用于估計運(yùn)動模糊核的窗口的位置坐標(biāo)(i，j)，按如下步驟進(jìn)行Ia)隨機(jī)產(chǎn)生種群規(guī)模為50的初始種群S ； Ib)確定目標(biāo)函數(shù)為
3.根據(jù)權(quán)利要求1所述的方法，其中步驟(3)所述的設(shè)定初始的模糊核Ktl和迭代尺度 scale，在每一個尺度用可變貝葉斯方法對修正后的窗口 P估計相關(guān)后驗(yàn)概率的收斂值，并進(jìn)行多尺度迭代計算，迭代終止，得到合適的運(yùn)動模糊核K，按如下步驟進(jìn)行3a)初始化Ktl為一個3X3的水平線模糊核；3b)用可變貝葉斯方法按照以下公式計算得到運(yùn)動模糊核K和梯度的收斂值，公式表示如下
全文摘要
本發(fā)明公開了一種基于自適應(yīng)窗口選擇的視頻圖像去模糊方法，主要解決RobFergus去模糊方法在選擇用于估計運(yùn)動模糊核的窗口時存在的多重復(fù)性和不確定性問題。其實(shí)現(xiàn)過程是輸入一幀視頻圖像，對該視頻圖像用遺傳算法自適應(yīng)選擇用于估計運(yùn)動模糊核的初始窗口；對初始窗口進(jìn)行灰度轉(zhuǎn)化和逆γ修正；在修正后的窗口內(nèi)依次用可變貝葉斯方法和多尺度迭代法，估計出合適的運(yùn)動模糊核；利用已估計出的運(yùn)動模糊核，通過Richardson-Lucy去卷積算法對視頻圖像進(jìn)行去卷積運(yùn)算，得到清晰的視頻圖像。本發(fā)明具有自適應(yīng)選擇用于估計運(yùn)動模糊核的窗口的優(yōu)點(diǎn)，避免了手動選擇的繁瑣性和盲目性，提高了窗口選擇的有效性和處理結(jié)果的準(zhǔn)確性。
文檔編號G06T5/00GK103049891SQ20131003028
公開日2013年4月17日 申請日期2013年1月25日 優(yōu)先權(quán)日2013年1月25日
發(fā)明者緱水平, 焦李成, 王越越, 唐曉, 王爽, 楊淑媛, 侯彪, 馬文萍, 馬晶晶 申請人:西安電子科技大學(xué)