[发明专利]一种基于位置信息的鬼影消除方法

说明书

本发明公开了一种基于目标位置信息的鬼影消除方法，先采用目标检测方法得到运动物体的位置信息，再采用改进了的Criminisi算法对剔除了动态目标后的图像自动完成修补。最后，进行图像拼接，并且将提取到的目标以三维实体的形式增强显示到对应的位置。本发明解决了现有无人机在对不同时刻拍摄的场景图像进行拼接处理时，因含有动态物体产生的鬼影现象问题，为后续快速精确地获取目标区域图像并全面直观地展现目标区域大范围实态场景打下基础。

技术领域

本发明涉及一种基于位置信息的鬼影消除方法。

背景技术

在现有的绝大多数无人机感知系统中，图像传感器都是不可或缺的重要环境信息来源。图像信息不仅蕴含丰富的目标信息，而且具有便于直观解释的特点，是地面站操作员理解和适应环境的重要依据。但是，无人机在对不同时刻拍摄的场景图像进行拼接处理时，当运动物体处于相邻图像的重合部分时，由于物体运动带来的错位，会导致最终拼接图中会有运动物体的“鬼影”现象产生，影响最终拼接效果，如图1所示。目前在视频拼接过程中，当场景中有动态物体时，采用前后背景分离，先将背景拼接起来，然后再将前景插入，该方法不适合背景较为复杂的情况。也有人采用渐入渐出融合算法，提高了拼接效率，但没有解决含有动态物体产生的鬼影现象。

发明内容

有鉴于此，本发明的第一方面的目的是提供一种基于位置信息的鬼影消除方法。能够消除“鬼影”现象，避免影响拼接效果。

本发明的第一方面的目的是通过以下技术方案实现的：

本发明的一种基于位置信息的鬼影消除方法，包括以下步骤：

采用YOLO目标检测算法对移动目标进行检测-提取，得到图像中运动目标的位置信息；

采用图像修复算法对目标位置区域图像修复；

采用SIFT算法进行图像拼接，并且将提取到的目标以三维实体的形式增强显示到对应的位置。

特别地，所述YOLO目标检测算法是将一幅图像分为S×S个格子，根据目标的中心落在某一格子上的位置，就由该格子负责检测这个目标；每个格子会预测B个框，每个框都包含位置信息和目标的置信度；输入是一张图像，输出是一个S×S×[B×5+C]的tensor。

特别地，所述图像修复算法采用改进的Criminisi图像修复算法，修复步骤包括：

步骤S21:根据特征检测得到需要修复的图像区域，初始化修复边界；

步骤S22：根据块结构稀疏度的大小选择样本块ψ_p的大小，计算样本块的优先权值，选择优先权值最大的样本块作为当前待修复块；

步骤S23：根据新的匹配准则，在矩形区域内搜索最优匹配块；

步骤S24：把最优匹配块复制到当前待修复块，并且更新置信度信息；

步骤S25：判断修复是否完成，如果未完成则回到步骤S22，如果完成则结束修复。

特别地，改进的Criminisi图像修复算法的算法选择基于块结构稀疏度的数据项S(p)，并重新定义优先权P(p)如下：

P(p)＝αC_s(p)×βD(p)，α+β＝1；

其中，Cs(p)和D(p)分别代表置信项与块结构稀疏度数据项的系数权重；