CN102693545A - 高速ccd图像序列的任意运动模糊图像复原方法 - Google Patents
高速ccd图像序列的任意运动模糊图像复原方法 Download PDFInfo
- Publication number
- CN102693545A CN102693545A CN2012101256976A CN201210125697A CN102693545A CN 102693545 A CN102693545 A CN 102693545A CN 2012101256976 A CN2012101256976 A CN 2012101256976A CN 201210125697 A CN201210125697 A CN 201210125697A CN 102693545 A CN102693545 A CN 102693545A
- Authority
- CN
- China
- Prior art keywords
- image
- image sequence
- speed ccd
- motion
- high speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明属于图像处理领域,具体涉及一种高速CCD图像序列的任意运动模糊图像复原方法。该方法本发明是对高速CCD采集的图像序列进行运动矢量的提取,因高速CCD图像序列相当于清晰的图像,所以提取的运动矢量精确,PSF建模精度高,图像恢复效果好,适合于航空成像过程中运动的随机性和复杂性造成的任意运动图像模糊的恢复。
Description
技术领域
本发明涉及种任意运动模糊图像复原方法,尤其是涉及一种高速CCD图像序列的任意运动模糊图像复原方法,其目的在于解决航空遥感成像中的运动模糊图像的复原,具有可对任意运动模糊图像复原、分辨率高的优点,该技术属于图像处理领域。
背景技术
高分辨率图像被广泛应用于侦察、救灾、地理信息***、数字城市、道路建设等各个领域,具有重要的现实意义,尤其在卫星成像,航空侦察成像等领域对图像的分辨率要求更。航空相机对地面物体成像时往往需要较长的曝光时间,由于飞机的颤振、飞行运动、姿态变化等原因,在曝光时间内成像器件与目标物体之间存在着相对运动,在像面上产生像移造成模糊,图像空间分辨率下降。
本质上要解决成像中运动模糊图像的问题,必须使得曝光时间足够短,或者完全消除曝光过程中传感器与被拍摄目标物体之间的相对运动。但实际上航空成像中为了保证一定的通光能量,曝光时间不可能无限小,同时因航空相机总是在运动中工作,所以相对运动也就不可避免。
目前,用于图像复原的方法主要是通过各种图像复原算法,它们主要可以分为两种:直接算法和盲复原算法(迭代算法)。直接算法像逆滤波、维纳滤波、约束最小二乘法、遗传算法等,他们是直接从图像本身提取运动函数,然而这种方法因为各种振动的复杂性和随机性,图像本身往往没有锐利的边缘,在获取点扩散函数PSF是往往精度不够高。另外,虽然盲复原算法不需要提前获知点扩散函数,但这种迭代算法需要对点扩散函数进行初始的估计,因此图像恢复的效果往往取决于估计的精度,如果估计精度偏差大,恢复图像的效果不甚理想。而且盲复原算法一般都需要经过较多的迭代次数,因此耗时较长。以上这些通用的图像恢复算法,基本上都可以用于运动模糊图像恢复。但因航空成像过程中运动的随机性和复杂性,其恢复精度得不到很好的满足。
发明内容
为了解决成像中因运动图像模糊的问题,本发明的目的是提供一种高速CCD图像序列的任意运动模糊图像复原方法。
本发明的一种高速CCD图像序列的任意运动模糊图像复原方法,技术特点是采用高速CCD相机获得目标曝光时间内的图像序列,构建出目标图像运动的点扩散函数PSF,然后进行图像复原,包括以下步骤:
步骤(1)首先利用高速CCD图像传感器获得曝光时间内运动目标的图像序列,这些序列图像因曝光时间非常短,可认为是清晰的图像。
步骤(2)采用Lucas Kanade算法提取图像序列之间的相对运动矢量。
步骤(3)通过这些运动矢量来构建运动模糊的点扩散函数PSF。
步骤(4)利用已知的PSF构建图像复原算法,对主成像CCD因外部扰动而模糊的图像进行复原,获得高分辨的复原图像。
该方法因高速CCD获取的图像序列清晰,可以容易地提取出图像序列之间的相当运动矢量,构建的PSF精度高,图像复原效果好。
一种高速CCD图像序列的任意运动模糊图像复原方法,其主要包括由:主成像CCD、高速CCD组成。
所述高速CCD用于获取目标图像序列。
所述主CCD用于获取目标图像。
附图说明
图1是本发明的基本原理图。
图2是本发明实施例的矢量提取图。
图3是本发明实施例构建的点扩散函数图。
图4是本发明实施例的图像复原结果对比图。
具体实施方式
以下结合附图和实施例进行详述,但本发明绝非仅限所介绍的实施例。
如图1所示,一种高速CCD图像序列的任意运动模糊图像复原方法包括以下步骤:
步骤(1)首先利用高速CCD图像传感器获得目标的图像序列,这些序列图像因曝光时间非常短,可认为是清晰的图像。先考虑相邻两帧图像I(u)=I(x,y)和and J(u)=J(x,y)。
步骤(2)利用Lucas Kanade算法首先提取出相邻两帧的运动矢量。就是要提取出I(u)相对于J(u)的运动矢量,运动矢量可简单表示为r=u+d。其中d就是图像运动矢量,它可以从下面式中获得:
式中ε(d)代表最小残余函数,dx,dy分别代表在x和y方向上的运动位移。根据下式可以得到运动速度矢量:
vi(x,y)=d′i(x,y)
步骤(3)根据相关研究,在曝光时间内,可以将运动分成无限多等时间单调的速度矢量,则点扩散函数与速度矢量有如下关系式:
因此通过提取运动矢量可以构建精确的点扩散函数PSF。
步骤(4)不断地探测并通过数字处理器处理出当前目标图像相对于下一帧图像的相对运动矢量,即相邻两帧之间的运动矢量(dx,dy)就可以处理出主成像***一次曝光时间内图像的运动矢量,建立曝光时间内的点扩散函数模型。最后利用该点扩散函数确立图像复原算法,对主成像***获得的模糊图像实现任意运动、快速复原。复原算法表达式如下:
G(u,v)=H(u,v)F(u,v)+N(u,v)
式中G(u,v),H(u,v),F(u,v),N(u,v)分别代表模糊图像、清晰图像、点扩散函数、附加噪声的傅里叶变换。
本发明是对高速CCD采集的图像序列进行运动矢量的提取,因高速CCD图像序列相当于清晰的图像,所以提前的运动矢量精确,PSF建模精度高,图像恢复效果好,适合于任意运动图像模糊的恢复。
Claims (4)
1.本发明的一种高速CCD图像序列的任意运动模糊图像复原方法,其特征是包括以下步骤:
(1)首先利用高速CCD图像传感器获得曝光时间内运动目标的图像序列,这些序列图像因曝光时间非常短,可认为是清晰的图像。
(2)采用Lucas Kanade算法提取图像序列之间的相对运动矢量。
(3)通过这些运动矢量来构建运动模糊的点扩散函数PSF。
(4)利用构建的PSF建立复原算法,对模糊图像进行复原。
2.根据权利1要求所述,其特征在于:步骤(1)中的图像序列是通过高速CCD来采集。
4.根据权利1要求所述,其特征在于:图像运动矢量的提取是通过Lucas Kanade算法来实现的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101256976A CN102693545A (zh) | 2012-04-19 | 2012-04-19 | 高速ccd图像序列的任意运动模糊图像复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101256976A CN102693545A (zh) | 2012-04-19 | 2012-04-19 | 高速ccd图像序列的任意运动模糊图像复原方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102693545A true CN102693545A (zh) | 2012-09-26 |
Family
ID=46858946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101256976A Pending CN102693545A (zh) | 2012-04-19 | 2012-04-19 | 高速ccd图像序列的任意运动模糊图像复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102693545A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813656A (zh) * | 2012-11-29 | 2015-07-29 | 阿尔卡特朗讯公司 | 具有摄像机抖动检测的视频会议服务器 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504765A (zh) * | 2009-03-20 | 2009-08-12 | 东华大学 | 采用梯度融合技术的运动模糊图像序列的复原方法 |
US20110254983A1 (en) * | 2010-04-14 | 2011-10-20 | Sony Corporation | Digital camera and method for capturing and deblurring images |
-
2012
- 2012-04-19 CN CN2012101256976A patent/CN102693545A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504765A (zh) * | 2009-03-20 | 2009-08-12 | 东华大学 | 采用梯度融合技术的运动模糊图像序列的复原方法 |
US20110254983A1 (en) * | 2010-04-14 | 2011-10-20 | Sony Corporation | Digital camera and method for capturing and deblurring images |
Non-Patent Citations (2)
Title |
---|
MARIUS TICO等: "Motion Blur Identification Based on Differently Exposed Images", 《IMAGE PROCESSING, 2006 IEEE INTERNATIONAL CONFERENCE ON》 * |
付中梁等: "基于快速CCD位移探测的运动模糊图像的恢复", 《光电工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813656A (zh) * | 2012-11-29 | 2015-07-29 | 阿尔卡特朗讯公司 | 具有摄像机抖动检测的视频会议服务器 |
US9762856B2 (en) | 2012-11-29 | 2017-09-12 | Alcatel Lucent | Videoconferencing server with camera shake detection |
CN104813656B (zh) * | 2012-11-29 | 2018-03-27 | 阿尔卡特朗讯公司 | 具有摄像机抖动检测的视频会议服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101930601B (zh) | 一种基于边缘信息的多尺度模糊图像盲复原方法 | |
CN101742050B (zh) | 针对运动模糊核空间移变的tdiccd图像复原方法 | |
CN103954283B (zh) | 基于景象匹配/视觉里程的惯性组合导航方法 | |
EP2575104B1 (en) | Enhancing video using super-resolution | |
Warren et al. | Large scale monocular vision-only mapping from a fixed-wing sUAS | |
US11430199B2 (en) | Feature recognition assisted super-resolution method | |
CN105760831A (zh) | 一种基于低空航拍红外视频的行人跟踪方法 | |
CN102156995A (zh) | 一种运动相机下的视频运动前景分割方法 | |
Qian et al. | Robust visual-lidar simultaneous localization and mapping system for UAV | |
Tao et al. | A novel method for surface exploration: Super-resolution restoration of Mars repeat-pass orbital imagery | |
CN109214254B (zh) | 一种确定机器人位移的方法及装置 | |
CN103458261A (zh) | 一种基于立体视觉的视频场景变化检测方法 | |
Reilly et al. | Shadow casting out of plane (SCOOP) candidates for human and vehicle detection in aerial imagery | |
Qunli et al. | Aircraft detection in remote sensing imagery with multi-scale feature fusion convolutional neural networks | |
CN107911697B (zh) | 基于感兴趣区域分层的无人机图像运动目标检测方法 | |
WO2017010514A1 (ja) | 画像検索装置及び方法、撮影時刻推定装置及び方法、反復構造抽出装置及び方法、並びにプログラム | |
CN105913409A (zh) | 一种基于多帧图像融合的图像处理方法 | |
CN102592308B (zh) | 基于小波变换的单相机视频三维重建方法 | |
CN102693545A (zh) | 高速ccd图像序列的任意运动模糊图像复原方法 | |
CN116151320A (zh) | 一种抗动态目标干扰的视觉里程计方法及视觉里程计装置 | |
Wei et al. | Panorama stitching, moving object detection and tracking in UAV Videos | |
Zhang et al. | Using image registration method to register UAV | |
CN105205812A (zh) | 一种基于微小卫星星座的多帧图像重构方法 | |
Whitley | Unmanned aerial vehicles (UAVs) for documenting and interpreting historical archaeological Sites: Part II—return of the drones | |
Deepa et al. | Automatic image registration using 2d-discrete wavelet transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120926 |