[发明专利]基于自适应窗口选择的视频图像去模糊方法

说明书

技术领域

本发明属于图像处理技术领域，特别是涉及视频图像处理，可用于快速选择目标区域对图像去模糊和分割。

背景技术

运动模糊是成像过程中一种普遍存在的现象，它是由在曝光时间内相机和目标产生相对运动造成的。它的存在严重影响了获取图像的质量，运动模糊图像复原由此成为了一个重要的研究课题，被广泛运用于天文研究、军事探测、交通监测、医学检测等重要领域。

运动模糊图像可以建模为一个可以描述在曝光时间内相机运动轨迹的模糊核与图像强度的卷积。移除相机抖动模糊实际上是图像盲去卷积的一种形式，这个问题在图像和信号处理领域已经有了很长的历史。图像盲去卷积问题中由于原始清晰图像和模糊核均未知，因此所有的实际解决方案都必须事先对模糊核或要恢复的清晰图像做出假设。纵观这个领域的大量文献，已有的盲去卷积方法均以一个简单的参数模型假设模糊核，但由相机抖动形成的模糊核不是单一的参数就可以表示的，它往往包含尖锐的边缘，这些假设削弱了图像重建后的高频成分。Caron假设图像频率服从幂律分布，幂律是自然图像数据的一种简单形式，它不会保留图像的局部结构，之后Jalobeanu以及Neelamani把幂律和小波域约束结合起来取得了一定的效果但对模糊核复杂的图像仍不适用。由此可见，传统的信号处理解决方案往往只做一般的频域幂律假设，这些算法仅可处理简单模糊但对由相机抖动引起的复杂模糊效果不尽人意。

Rob Fergus的方法是去除图像未知抖动模糊的一项新技术。近几年的自然图像研究表明：自然场景的图像服从特殊的梯度分布。Fergus等人在Miskin和MacKay工作的基础上，利用贝叶斯方法把不定因素考虑在内，结合图像的分布估计出对应的模糊核。再用标准去卷积算法对图像进行重建。大量实验表明，Rob Fergus的去模糊算法具有很强的鲁棒性。但Fergus的算法操作起来不太方便，人工选择处理窗口增加了选择的盲目性，一旦选择出现偏差，去模糊的结果将会非常差，此时必须进行新一次的尝试，如此循环往复，直到选出合理的估计模糊核的窗口得到满意的结果。尽管Fergus等人也提出了怎样选择有效的处理窗口，仅凭借视觉效果选择边缘结构丰富的区域准确性难以保证，而且手动选择的窗口一般工作量比较大，计算耗时较长，如果将该方法使用在视频上，可想而知，该方法将会带来巨大的计算瓶颈问题。

发明内容

本发明的目的在于针对上述Fergus处理方法的不足，提出了一种基于自适应窗口选择的视频图像去模糊方法，以提高窗口选择的有效性和去模糊结果的准确性。

为实现上述目的，本发明包括如下步骤：

(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。

本发明与Fergus的处理方法相比具有以下优点：

1、本发明采用遗传算法对估计模糊核的窗口进行自适应选择，避免了手动选择时需要进行的多次尝试，提高了窗口选择的有效性；

2、本发明选择大小为50×50的窗口，很大程度上减小了估计模糊核的运算量，从而减少了运行时间；

3、本发明选择的窗口具有很好的适应性，通过视频序列中任意一帧图像选择出的窗口能较好地推广到其它帧图像中。

附图说明

图1是本发明的流程图；

图2是本发明所使用的视频basketball序列中的第39帧图像；

图3是用本发明对图2进行自适应选窗后得到的窗口；

图4是用本发明对图2自适应选窗后进行去模糊的结果图；