[发明专利]一种基于索博尔梯度和多帧融合的湍流修复方法和系统

说明书

本发明实施例提供一种基于索博尔梯度和多帧融合的湍流修复方法和系统，基于索博尔梯度和拉普拉斯算子进行湍流修复，通过索博尔梯度对图像进行去模糊操作，同时加入时域的拉普拉斯算子迭代修复湍流造成的边缘震荡现象，融合的过程主要是将多帧的湍流修复效果取各自的最好部分融合到一起，获得更稳定的湍流修复效果，也可以省略该过程，直接输出湍流修复的最后最后一帧图像以提高算法运行速度，计算过程简单，计算速度快的优点，可以保证对湍流视频进行实时修复。

技术领域

本发明实施例涉及成像处理技术领域，尤其涉及一种基于索博尔梯度和多帧融合的湍流修复方法和系统。

背景技术

在光线进入探测器前，大气介质会影响或干扰光的理想传播，使波阵面产生畸变，形成焦平面上像点强度分布扩散、峰值降低以及光束漂移等湍流效应。在红外成像系统中，当气温较高时，湍流现象极为明显。主要由于空气中不同湍流块的折射率不同，导致探测器接收到的红外线发生扭曲，主要表现为物体边缘扭曲变形、目标在图像中来回扭动等现象。该现象会对红外相机的探测、识别、跟踪造成极大的负面影响，目前主流的湍流修复算法时间复杂度高，计算过程复杂，很难对实时的视频进行湍流修复。

发明内容

本发明实施例提供一种基于索博尔梯度和多帧融合的湍流修复方法和系统，基于感知数据，对多传感器信息进行融合，并利用感知数据实现局部海图的生成及更新的过程。

第一方面，本发明实施例提供一种基于索博尔梯度和多帧融合的湍流修复方法，包括：

步骤S1、获取视频流中当前帧之前的FrameNum-1帧图像，其中，FrameNum为预设的图像融合所需图像的帧数；

步骤S2、对当前帧及当前帧之前的FrameNum-1帧图像进行湍流修复；

步骤S3、对湍流修复后的图像进行融合，获得融合后的单帧图像，并作为当前帧的湍流修复结果。

作为优选的，所述步S1具体包括：

步骤S11、确定视频流输入的当前帧的帧数T，并确定融合所需帧数为FrameNum；

步骤S12、若判断获知T＜FrameNum，则以当前帧作为输入，不进行湍流修复；

步骤S13、若判断获知T≥FrameNum，则取视频流中第T-FrameNum+1帧到第i帧图像。

作为优选的，所述步骤S2具体包括：

步骤S21、确定输入的图像序列为I_k，I_k中包含K张H×W的图像，其中，k∈{1,2,3,…,K}，H为图像高，W为图像宽，K等于FrameNum；

计算系数矩阵D，对系数矩阵D中的任一点的位置为i∈{1,2,3,…,H-1}，j∈{1,2,3,…,W-1}，系数矩阵中每一点D_(i,j)为：

D_(i,j)＝sin(π×i÷H)²+sin(π×j÷W)²；

步骤S22、遍历所有帧图像，求每一帧图像的离散傅里叶变换，得到傅里叶变换之后的图像序列，并计算图像序列中每一帧图像的索博尔梯度之和以作为迭代初始条件；

步骤S23、开始迭代，计算当前迭代次数下的度量值，并更新傅里叶变换结果；若判断到达迭代次数，则将最后一次更新的傅里叶变换结果进行傅里叶反变换，输出所有帧图像的傅里叶反变换结果作为湍流修复结果。

作为优选的，所述步骤S22具体包括：

遍历所述图像序列中的所有帧图像，求取每一帧图像的离散傅里叶变换，得到离散傅里叶变换后的图像序列；其中，离散傅里叶变换后的图像序列的实部为虚部为