[发明专利]一种基于改进的卷积匹配追踪管道视频图像去雾增强方法

摘要

本发明涉及基于改进的卷积匹配追踪管道视频图像去雾增强方法。通过对管道内视频帧中中心圆经处理获得雾层模型，根据雾层作为卷积字典的来源进行字典训练；根据前几帧视频低秩矩阵分解训练获取背景图像与前景图像，根据前景图像初始化残差图像并通过残差图像计算特征响应，初始化前景重构图像，计算噪声能量；对特征响应进行极大值搜索；利用极大值和当前最大特征响应进行前景图像重构并利用极大值更新特征响应；更新残差图像，计算残差图像能量，若小于噪声能量，计算最终去雾图像。本发明能有效获取雾层模型，并通过雾层模型作为卷积字典，找到与视频帧中相符合的雾层并将其去除。可用于管道视频图像增强等科学领域。

主权项

1.一种基于改进的卷积匹配追踪管道视频图像去雾增强方法，其特征在于，包括以下步骤：步骤(1)、获取管道内部视频，每个视频片段转换为一个Y_h×Y_w×Y_n三维矩阵Y，其中Y_h为视频帧的高度，Y_w为视频帧的宽度，第三维Y_n表示视频的帧数，Y_h×Y_w为视频的每一帧的大小；根据十字交叉的方法确定管道内部圆心的位置，根据圆心位置估计圆的大小并提取圆的三维矩阵Y′为Y′_h×Y′_w×Y′_n；Y′_h为圆视频帧的高度，Y′_w为圆视频帧的宽度，Y′_n代表了圆视频帧的数目，Y′_h×Y′_w为圆视频帧的大小；步骤(2)、对前N帧圆视频帧图像使用拉普拉斯算子进行锐化，其中f(x,y)和q(x,y)分别是输入的圆视频帧图像和锐化后的图像c为常数，为f(x,y)的二阶导数；步骤(3)、对锐化后的图像进行阈值化处理，并由公式求出G，其中G表示雾层；B表示背景层；背景层B为黑色；步骤(4)、初始化卷积字典F为K个滤波器组成的滤波器组，F的大小其中，表示滤波器的大小，K为滤波器个数，表示滤波器高度，表示滤波器宽度，由与整幅图像噪声相符的雾层图像直接作为卷积字典的来源进行字典训练，能够节省从自然图像库中获取卷积字典所需要的时间，设定噪声能量门限C_e；步骤(5)、根据管道内部视频帧图像的前N帧使用低秩矩阵分解训练获取背景图像Y_l与前景图像Y_q；步骤(6)、根据前景图像初始化残差图像r＝Y_q、初始化前景重构图像根据残差图像计算特征响应其中T为矩阵的转置，根据噪声能量门限计算噪声能量ε＝(C_e*σ)²*Y_h*Y_w，其中σ为噪声强度；步骤(7)、对特征响应进行极大值搜索，公式为：m 为所有特征响应的非零系数个数，j＝1,2,…,K，为滤波器的标号，k为当前最匹配滤波器标号，(a,b)为当前最大特征响应位置标号，并记录极大值α＝Z(a,b,k)，Z(a,b,k)表示当前最匹配滤波器下的最大特征响应值；步骤(8)、依据公式利用极大值和当前最大特征响应值重构前景图像，在寻找到前景重构图像当前最大特征响应位置时，利用极大值与当前所得到的最匹配字典进行去噪处理，结果所得即为重构的前景图像，其中F_k为第k个滤波器，其大小为locate()表示进行位置查找，表示寻找前景重构图像当前最大响应位置，表示当前最大特征响应下的重构前景图像；步骤(9)、利用极大值更新特征响应Z＝Z‑α×locate(Q_k,(a,b))，其中这个公式中locate(Q_k,(a,b))表示对Q_k进行对应最大特征响应位置查找；步骤(10)、利用重构的前景图像更新残差图像步骤(11)、计算更新后的残差图像能量r(x,y)为更新后的残差图像(x,y)位置处的像素值，若E≥ε，则返回步骤(7)，否则计算得到去雾图像