[发明专利]基于编码图像散粒特性的运动区域搜索方法

摘要

本发明公开了一种基于编码图像散粒特性的运动区域搜索方法。该方法针对像素曝光时间相同的编码成像方式，利用其观测图像中运动物体呈现出的散粒特性，通过高通滤波、像素相似性分析、图像8邻域梯度、区域灰度加权和区域分割等一系列过程，仅从单张观测图像中就能实现运动区域搜索与分割，可用于单张观测图像的运动目标搜索以及局部重建。

主权项

一种基于编码图像散粒特性的运动区域搜索方法，其特征在于，该方法包括以下步骤：(1)观测图像获取与高通滤波，具体是：(1.1)通过在曝光时间内按照所有像素曝光时间相等的原则对各像素进行编码调制获得观测图像I(x,y)；(1.2)对步骤(1.1)得到的观测图像I(x,y)进行中值滤波，得到图像的低频部分L(x,y)；(1.3)使用原观测图像I(x,y)减去图像的低频部分L(x,y)，得到经过高通滤波后的滤波图像H(x,y)；(2)像素相似性分析,具体是：(2.1)设置灰度阈值t；(2.2)对于步骤(1.3)得到的滤波图像H(x,y)，计算各像素8邻域中与自身灰度差值大于阈值t的个数N：Ni,j＝||ε(|H(i′,j′)‑H(i,j)|‑t)||0for(i′,j′)∈N8(i,j)       (1)其中，ε(x)为单位阶跃函数：ϵ(x)=1,x≥00,x<0---(2)]]>||x||0为x的零阶范数，即非零元素个数；N8(i,j)为(i,j)的8邻域；(2.3)构建相似性分析图J(x,y)，其中J(i,j)＝Ni,j；(3)计算8邻域梯度，具体是：对于步骤(2.3)得到的相似性分析图J(x,y)，根据式(3)计算各像素的8邻域梯度，得到8邻域梯度图G(x,y)；G(i,j)=Σi′,j′N8(i,j)(J(i′,j′)-J(i,j))2---(3)]]>(4)区域灰度加权,具体是：(4.1)选取大小为m×m的搜索框P，搜索框的大小可根据图像内容进行调整；(4.2)使用搜索框对步骤(3)得到的8邻域梯度图G(x,y)进行遍历搜索，构建区域加权图像W(x,y)，其各像素的值为以该像素为中心的搜索框在梯度图G(x,y)上所涵盖区域的像素值的加权：W(i,j)=Σ(i,j)∈PK(i,j)·G(i,j)---(4)]]>其中K(i,j)为点(i,j)的权重系数，满足均值为零，标准差δ＝m/3的归一化高斯分布：K(i,j)=exp(-((i′,j′)-(i,j))22δ2),for(i′,j′)∈P---(5)]]>(5)区域分割,具体是：(5.1)将步骤(4.2)获得的区域加权图像W(x,y)归一化，对归一化图像二值化，得到二值化图像B(x,y)；(5.2)对步骤(5.1)获得的二值化图像B(x,y)进行开操作，去除边缘毛刺；(5.3)去除步骤(5.2)经过开操作后的图像中面积小于面积阈值的区域；(5.4)使用8连通对步骤(5.3)获得的图像进行标记，计算各区域中心位置Ci＝(x,y)与中心位置到边缘处的最大值Li，合并邻近区域，邻近区域满足式(6)：||(Ci-Cj)||2≤2|Li+Lj|---(6)]]>即两区域中心距离小于其中心到边缘最大值和的倍；扩大包含各区域的最小矩形框，扩大倍率为可根据图像类型进行调整；若矩形框间相交或包含，则合并矩形框直至相互独立，矩形框包含区域即为搜索到的运动区域。