[發(fā)明專(zhuān)利]基于自適應(yīng)窗口選擇的視頻圖像去模糊方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310030285.9
• 申請(qǐng)日: 2013-01-25
• 公開(kāi)（公告）號(hào): CN103049891A
• 公開(kāi)（公告）日: 2013-04-17
• 發(fā)明（設(shè)計(jì)）人: 緱水平;焦李成;王越越;唐曉;王爽;楊淑媛;侯彪;馬文萍;馬晶晶
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00
• 代理公司: 陜西電子工業(yè)專(zhuān)利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于自適應(yīng)窗口選擇的視頻圖像去模糊方法，包括如下步驟：

(1)輸入視頻序列X中的任意一幀視頻圖像I，視頻圖像I的大小為N×M，用遺傳算法在視頻圖像I上自適應(yīng)選擇用于估計(jì)運(yùn)動(dòng)模糊核的窗口的位置坐標(biāo)(i,j)，得到選擇的窗口為[i,i+50,j,j+50]；

(2)依據(jù)步驟(1)選擇的窗口位置在視頻圖像I上劃線標(biāo)出初始窗口P₀，然后將初始窗口P₀進(jìn)行灰度轉(zhuǎn)化，并按公式P(i,j)＝P₀(i,j)^1/γ進(jìn)行逆γ修正，得到修正后的窗口P，其中P₀(i,j)為初始窗口P₀的灰度圖像在(i,j)處的像素值，P(i,j)為修正后的窗口P在(i,j)處的像素值；

(3)設(shè)定初始的模糊核K₀和迭代次數(shù)scale，在每一個(gè)尺度用可變貝葉斯方法對(duì)修正后的窗口P估計(jì)相關(guān)后驗(yàn)概率的收斂值，并進(jìn)行多尺度迭代計(jì)算，迭代終止，得到合適的運(yùn)動(dòng)模糊核K；

(4)利用運(yùn)動(dòng)模糊核K，對(duì)視頻圖像I用Richardson-Lucy算法進(jìn)行去卷積運(yùn)算，得到清晰圖像L。

2.根據(jù)權(quán)利要求1所述的方法，其中步驟(1)所述的用遺傳算法對(duì)視頻圖像I自適應(yīng)選擇用于估計(jì)運(yùn)動(dòng)模糊核的窗口的位置坐標(biāo)(i，j)，按如下步驟進(jìn)行：

1a)隨機(jī)產(chǎn)生種群規(guī)模為50的初始種群S；

1b)確定目標(biāo)函數(shù)為：其中g(shù)(i,j)＝I(i,j)-I(i',j'),I(i,j)為視頻圖像I在點(diǎn)(i,j)處的像素值，(i',j')為以點(diǎn)(i,j)為圓心，微元長(zhǎng)度Δr為半徑的圓弧上的任意一點(diǎn)，I(i',j')為視頻圖像I在點(diǎn)(i',j')處的像素值，若方向微分的方向角為α，α∈[-90°,90°]，則

i'＝ceil(i+Δrsinα),

j'＝ceil(j+Δrcosα).

在[-90°,90°]范圍內(nèi)，α取步長(zhǎng)為10°，求出該范圍內(nèi)使為最小的(i,j)；

1c)采用輪盤(pán)賭方法從種群S中選出50個(gè)個(gè)體，種群S中的每個(gè)個(gè)體可重復(fù)選取；

1d)設(shè)定交叉概率Pc，對(duì)滿足交叉條件的個(gè)體采用單點(diǎn)交叉的方式進(jìn)行交叉，不滿足交叉條件的個(gè)體按照步驟1e）進(jìn)行操作，所述的交叉條件，是指對(duì)種群S中的每個(gè)個(gè)體都隨機(jī)生成一個(gè)0-1之間的隨機(jī)數(shù)，若該隨機(jī)數(shù)小于交叉概率，則對(duì)應(yīng)的個(gè)體滿足交叉條件，否則不滿足交叉條件；

1e)設(shè)定變異概率Pm，對(duì)滿足變異條件的個(gè)體按位點(diǎn)變異的方式進(jìn)行變異，不滿足變異條件的個(gè)體保持不變，所述的變異條件，是指對(duì)種群S中的每個(gè)個(gè)體都隨機(jī)生成一個(gè)0-1之間的隨機(jī)數(shù)，如果該隨機(jī)數(shù)小于變異概率，則對(duì)應(yīng)的個(gè)體滿足變異條件，否則不滿足變異條件；

1f)設(shè)定終止進(jìn)化代數(shù)T，重復(fù)步驟1c)-1e)，迭代終止后得到窗口的位置坐標(biāo)(i,j)。

3.根據(jù)權(quán)利要求1所述的方法，其中步驟(3)所述的設(shè)定初始的模糊核K₀和迭代尺度scale，在每一個(gè)尺度用可變貝葉斯方法對(duì)修正后的窗口P估計(jì)相關(guān)后驗(yàn)概率的收斂值，并進(jìn)行多尺度迭代計(jì)算，迭代終止，得到合適的運(yùn)動(dòng)模糊核K，按如下步驟進(jìn)行：

3a)初始化K₀為一個(gè)3×3的水平線模糊核；

3b)用可變貝葉斯方法按照以下公式計(jì)算得到運(yùn)動(dòng)模糊核K和梯度的收斂值，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，和分別是L_p和P的梯度，L_p是修正后的窗口P內(nèi)隱藏的清晰圖像，的先驗(yàn)概率服從零均值高斯分布，其方差為v_c，權(quán)重為π_c，運(yùn)動(dòng)模糊核K的先驗(yàn)概率p(K)服從指數(shù)分布，其比例系數(shù)為λ_d，權(quán)重為π_d，i指修正后的窗口P中的單個(gè)像素，j指運(yùn)動(dòng)模糊核K中的單個(gè)像素，N和E分別表示高斯分布和指數(shù)分布；

3c)對(duì)步驟3b)得到的運(yùn)動(dòng)模糊核K和梯度的收斂值進(jìn)行倍上采樣，作為下一個(gè)尺度級(jí)計(jì)算的運(yùn)動(dòng)模糊核和梯度值；

3d)設(shè)定迭代次數(shù)scale的值，重復(fù)步驟3b)-3c)，迭代終止后得到運(yùn)動(dòng)模糊核K。