[发明专利]基于自适应窗口选择的视频图像去模糊方法

权利要求书

1.一种基于自适应窗口选择的视频图像去模糊方法，包括如下步骤：

(1)输入视频序列X中的任意一帧视频图像I，视频图像I的大小为N×M，用遗传算法在视频图像I上自适应选择用于估计运动模糊核的窗口的位置坐标(i,j)，得到选择的窗口为[i,i+50,j,j+50]；

(2)依据步骤(1)选择的窗口位置在视频图像I上划线标出初始窗口P₀，然后将初始窗口P₀进行灰度转化，并按公式P(i,j)＝P₀(i,j)^1/γ进行逆γ修正，得到修正后的窗口P，其中P₀(i,j)为初始窗口P₀的灰度图像在(i,j)处的像素值，P(i,j)为修正后的窗口P在(i,j)处的像素值；

(3)设定初始的模糊核K₀和迭代次数scale，在每一个尺度用可变贝叶斯方法对修正后的窗口P估计相关后验概率的收敛值，并进行多尺度迭代计算，迭代终止，得到合适的运动模糊核K；

(4)利用运动模糊核K，对视频图像I用Richardson-Lucy算法进行去卷积运算，得到清晰图像L。

2.根据权利要求1所述的方法，其中步骤(1)所述的用遗传算法对视频图像I自适应选择用于估计运动模糊核的窗口的位置坐标(i，j)，按如下步骤进行：

1a)随机产生种群规模为50的初始种群S；

1b)确定目标函数为：其中g(i,j)＝I(i,j)-I(i',j'),I(i,j)为视频图像I在点(i,j)处的像素值，(i',j')为以点(i,j)为圆心，微元长度Δr为半径的圆弧上的任意一点，I(i',j')为视频图像I在点(i',j')处的像素值，若方向微分的方向角为α，α∈[-90°,90°]，则

i'＝ceil(i+Δrsinα),

j'＝ceil(j+Δrcosα).

在[-90°,90°]范围内，α取步长为10°，求出该范围内使为最小的(i,j)；

1c)采用轮盘赌方法从种群S中选出50个个体，种群S中的每个个体可重复选取；

1d)设定交叉概率Pc，对满足交叉条件的个体采用单点交叉的方式进行交叉，不满足交叉条件的个体按照步骤1e）进行操作，所述的交叉条件，是指对种群S中的每个个体都随机生成一个0-1之间的随机数，若该随机数小于交叉概率，则对应的个体满足交叉条件，否则不满足交叉条件；

1e)设定变异概率Pm，对满足变异条件的个体按位点变异的方式进行变异，不满足变异条件的个体保持不变，所述的变异条件，是指对种群S中的每个个体都随机生成一个0-1之间的随机数，如果该随机数小于变异概率，则对应的个体满足变异条件，否则不满足变异条件；

1f)设定终止进化代数T，重复步骤1c)-1e)，迭代终止后得到窗口的位置坐标(i,j)。

3.根据权利要求1所述的方法，其中步骤(3)所述的设定初始的模糊核K₀和迭代尺度scale，在每一个尺度用可变贝叶斯方法对修正后的窗口P估计相关后验概率的收敛值，并进行多尺度迭代计算，迭代终止，得到合适的运动模糊核K，按如下步骤进行：

3a)初始化K₀为一个3×3的水平线模糊核；

3b)用可变贝叶斯方法按照以下公式计算得到运动模糊核K和梯度的收敛值，公式表示如下：

p(K,▿Lp|▿P)∝p(▿P|K,▿Lp)p(▿Lp)p(K)]]>

=ΠiN(▿P(i)|(K⊗▿Lp(i)),σ2)ΠiΣc=1cπcN(▿Lp(i)|0,vc)ΠjπdE(Kj|λd)]]>

其中，和分别是L_p和P的梯度，L_p是修正后的窗口P内隐藏的清晰图像，的先验概率服从零均值高斯分布，其方差为v_c，权重为π_c，运动模糊核K的先验概率p(K)服从指数分布，其比例系数为λ_d，权重为π_d，i指修正后的窗口P中的单个像素，j指运动模糊核K中的单个像素，N和E分别表示高斯分布和指数分布；

3c)对步骤3b)得到的运动模糊核K和梯度的收敛值进行倍上采样，作为下一个尺度级计算的运动模糊核和梯度值；

3d)设定迭代次数scale的值，重复步骤3b)-3c)，迭代终止后得到运动模糊核K。