[发明专利]基于近景遥感的去运动模糊方法

权利要求书

1.一种基于近景遥感的去运动模糊方法，其特征在于，它包括如下步骤：

步骤1：获取选定区域的街景视频，然后通过分帧提取，获得所述街景视频的序列模糊图像，再将序列模糊图像数字化处理，得到数字序列模糊图像；

步骤2：得到上述数字序列模糊图像的RGB三维数据矩阵，然后根据前向光流与后向光流的双向对称性特点，以数字序列模糊图像亮度变化为基础，利用双向光流估计法进行数据正则化估算处理，进而得到估算的数字序列模糊图像光流；

步骤3：对估算的数字序列模糊图像光流利用光流复原方法得到初步复原图像，并对初步复原图像进行图像分割处理，将初步复原图像等分成若干图像块，然后对图像块进行配准处理，并对配准后的图像进行金字塔分层处理，然后对图像金字塔分层进行傅立叶累积得到最终的复原图像，该复原的图像相对于上述数字序列模糊图像提升了图像整体清晰度，去除图像中物体的边缘模糊。

2.根据权利要求1所述的基于近景遥感的去运动模糊方法，其特征在于：所述步骤2中以数字序列模糊图像亮度变化为基础，利用双向光流估计法进行数据正则化估算处理，以及步骤3中对估算的数字序列模糊图像光流利用光流复原方法得到初步复原图像的具体计算方式为：

E＝E_data+E_temporal+E_spatial (1)

$B_i=\frac{1}{2{\mathrm{\τ}}_i}\underset{0}{\overset{{\mathrm{\τ}}_i}{\∫}}H(L_i,t\·u_{i\→i+1})+H(L_i,t\·u_{i\→i-1})dt---\left(2\right)$

$E_{data}(L,u,B)=\mathrm{\λ}\underset{i}{\Σ}\underset{{\∂}_{*}}{\Σ}\left|\right|{\∂}_{*}{K}_i({\mathrm{\τ}}_i,u_{i\→i+1},u_{i\→i-1})L_i-{\∂}_{*}{B}_i|{|}^2---\left(3\right)$

$E_{temporal}(L,u)=\underset{i}{\Σ}\underset{n=-N}{\overset{N}{\Σ}}{\mathrm{\μ}}_n|L_i\left(x\right)-L_{i+n}(x+u_{i\→i+n})|---\left(4\right)$

$E_{spatial}(L,u)=\underset{i}{\Σ}|\▿L_i|+\underset{n=-N}{\overset{N}{\Σ}}{g}_i\left(x\right)|\▿u_{i\→i+n}|---\left(5\right)$

$g_i\left(x\right)=v\exp \left({\left(-\frac{|\▿\stackrel{\‾}{L_i}|}{{\mathrm{\σ}}_I}\right)}^2\right)---\left(6\right)$

$\begin{array}{c}\underset{L,u}{\min }\mathrm{\λ}\underset{i}{\Σ}\underset{{\∂}_{*}}{\Σ}\left|\right|{\∂}_{*}{K}_i({\mathrm{\τ}}_i,u_{i\→i+1},u_{i\→i-1})L_i-{\∂}_{*}{B}_i|{|}^2+\\ \underset{i}{\Σ}\underset{n=-N}{\overset{N}{\Σ}}{\mathrm{\μ}}_n|L_i\left(x\right)-L_{i+n}(x+u_{i\→i+n})|+\\ \underset{i}{\Σ}|\▿L_i|+\underset{n=-N}{\overset{N}{\Σ}}{g}_i\left(x\right)|\▿u_{i\→i+n}|\end{array}---\left(7\right)$

其中，E为能量公式，E_data为数字序列模糊图像本身的能量，E_temporal为两幅相邻数字序列模糊图像变换的能量，E_spatial为一副数字序列模糊图像前后运动趋势的能量；B_i代表模糊的街景图像，τ_i代表模糊的街景图像曝光时间除以采集时间的数值，L_i代表复原的图像，u_i→i+1及u_i→i-1为双向的光流，H(L_i,t·u_i→i+1)为正向的复原图像L_i进过变形矩阵H的处理后得到L_i+1图像，H(L_i,t·u_i→i-1)为反向的复原图像L_i进过变形矩阵H的处理后得到L_i-1图像，t为模糊图像变化趋势时间参数；

E_data为一个数据矩阵，λ为复原图像的权重分布值，L,u,B分别代表复原图像、光流和模糊图像，代表托普利茨矩阵对应的线性算子，K_i为模糊核；

E_temporal为一个时间数据，n为序列图像张数，N为图像序列，μ_n为一个定常参数表示模糊图像中不同物景占的权重，L_i(x)为表示各个像素点的复原图像，L_i+n(x+u_i→i+n)为复原图像各个像素点加上光流偏移量的变化趋势；

E_spatial为一个空间数据，公式中为空间正则化项，使用了TV方法进行优化，为对光流的空间平滑项，采用的是耦合TV方法进行优化，表示对复原图像做正则化处理，g_i(x)表示模糊图像边缘，表示采用了耦合TV方法处理的光流；

ν代表复原图像边缘平衡，参数σ_I代表模糊图像边缘权重，为关于复原图像的初次迭代，exp为指数函数；

通过公式7的迭代优化，获得的初步复原图像提升了整体清晰度以及去除图像中物体的边缘模糊。