[发明专利]一种基于图像列灰度概率一致性的高速运动图像去模糊方法

摘要

一种基于图像列灰度概率一致性的高速运动图像去模糊方法，包括以下步骤：(1)相机前向运动模糊过程建模；(2)空间变换，降低空间维度；(3)基于列灰度一致性的图像去模糊。本发明对相机垂直于光轴单向运动所造成的图像模糊的恢复过程具有较好的效果，特别是高清相机在高速运动过程中带来的长模糊问题，空间变换大大降低问题的求解自由度，双目标使恢复过程保存了一定的差异性和整体的一致性。

主权项

一种基于图像列灰度概率一致性的高速运动图像去模糊方法，其特征是包括以下步骤：步骤(1)：相机前向运动模糊过程建模设车载相机在机车带动下以速度v水平向前运动时，相机曝光时间为T，模糊图像b(x,y)模型如下：b(x,y)=∫-T0dvTg(x+vt,y)dt---(1)]]>上式中，x、y表示像素点坐标，g(x+vt,y)为原目标图像，d为采样距离，因此模糊长度为式(1)的离散化形式为：b(x,y)≈1lΣi=1-l0g(x+id,y)---(2)]]>其中i为循环变量；令式(2)可表示为卷积形式：b(x,y)=h(x,y)⊗g(x,y)---(3)]]>其中表示卷积符号，对于上述卷积模糊中的核函数h(x,y)估算出模糊核；步骤(2)：空间变换，降低空间维度估算出模糊核后，若相机只前向运动时，y为常数，式(2)可表示为矩阵形式：A·Gy＝By                      (4)其中式(4)中m为像素点x的采样个数，像素点y为常数，式(4)方程组有无穷多个解；再增加l个方程，其系数矩阵A和向量By分别扩展为和将矩阵A和向量By同时扩展到m+l维线性空间线性方程组(5)有唯一特解：A~·Gy=B~y,---(5)]]>将方程两边左乘的逆矩阵得：Gy=A~-1B~y.---(6)]]>通过上述空间变换，则可将式(4)关于Gy的m+l维不定解问题转化为关于Sy的l维定解问题，其中自变量为：Sy=b1-l,yb2-l,y···b0,y,S=[S1,S2,···,Sn],B=[B1,B2,···,Bn],]]>B~=[B~1,B~2,···,B~n]=SB,G=G1,G2,···,Gn],]]>由式(2)和式(6)可得：G=A~-1B~---(7)]]>步骤(3)：基于列灰度一致性的图像去模糊根据公式(7)，在图像边界前后预测一个合适的图像块：Sl×n(x,y)，即可以将m×n维空间的问题转变为l×n维空间的问题，构建图像相邻列一致性指标：Ri,i+1=Σx=0m-1[Ci+1(x)-Ci(x)]2---(8)]]>引入单边α置信均值和误差允许阀k，其中即μα(i,i+1)=Σx∈Nα[Ci+1(x)-Ci(x)]2---(9)]]>构建评价函数：cgpc(i,i+1)=μα(i,i+1)-k,μα(i,i+1)>k0,μα(i,i+1)≤k---(10)]]>整幅图像的列一致性评价指标为：CGPC=Σi=0m-2[cgpc(i,i+1)]2---(11)]]>对于已经估计出的图像构建综合灰度均方误差评价指标E：E=1mnΣx=0m-1Σy=0n-1[b(x,y)-gT(x,y)]2---(12)]]>图像去模糊问题则转化为l×n维空间内的双目标最优化问题；建立如下优化模型：minCGPC=Σi=1m-2[cgpc(i,i+1)]2minE=1mnΣx=0m-1Σy=0n-1[b(x,y)-g^(x,y)]2---(13)]]>式(13)是在保证CGPC尽量小的情况下使E评价指标尽量小，使图像去模糊质量最优。