CN102930565A - 一种静止背景中折返运动目标的离散退化图像构造方法 - Google Patents
一种静止背景中折返运动目标的离散退化图像构造方法 Download PDFInfo
- Publication number
- CN102930565A CN102930565A CN2012103591019A CN201210359101A CN102930565A CN 102930565 A CN102930565 A CN 102930565A CN 2012103591019 A CN2012103591019 A CN 2012103591019A CN 201210359101 A CN201210359101 A CN 201210359101A CN 102930565 A CN102930565 A CN 102930565A
- Authority
- CN
- China
- Prior art keywords
- yij
- xij
- image
- background
- row
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种静止背景中折返运动目标的离散退化图像构造方法属于一般的图像数据处理或产生领域中通过使用多于一幅图像的部分,尤其涉及一种离散运动模糊图像构造方法;该方法首先将目标图像的折返运动过程分为m段单向运动过程,并以目标图像边缘始终不超过静止背景图像边缘为前提,根据第i段单向运动过程目标图像运动ni个像素的距离,构造出ni个子图像figi,j(j=1,2,…,ni),并按照如下公式进行加权线性叠加:式中,wi,j为加权系数,fig为构造出的离散退化图像;采用本发明的离散退化图像构造方法,不仅运算时间短,而且退化过程直观,便于理解,无需对图像再调整,同时对应真实场景,能够模拟占据部分视场的运动目标形成的运动模糊图像,且不会出现图像两侧信息相叠加的现象。
Description
技术领域
一种静止背景中折返运动目标的离散退化图像构造方法属于一般的图像数据处理或产生领域中通过使用多于一幅图像的部分,尤其涉及一种离散运动模糊图像构造方法。
背景技术
如果在成像过程中图像传感器和目标之间存在相对运动,所得图像就会产生运动模糊现象。在日常生活、工业生产、航空航天领域,这种现象非常普遍。虽然运动模糊图像在某些特殊领域中可以呈现出艺术的美感,但是在交通运输、工业生产等绝大多数领域,运动模糊图像却只能给我们对图像中目标的识别以及对目标细节信息的获取带来麻烦。如交通运输领域中的电子眼,如果拍摄到图像的模糊程度已经给车牌号的辨识带来困难,那么就很难对违章车辆按章处罚,不利于交通秩序的正常维护,给人们的生活造成安全隐患。
避免图像中运动模糊现象的产生,普遍采用防抖技术,防抖技术包括光学防抖和电子防抖,光学防抖又分为镜头防抖和成像防抖,镜头防抖指的是在镜头中设置专门的防抖补偿镜组,根据相机的抖动方向和程度,补偿镜组相应调整位置和角度,使光路保持稳定,如佳能EF IS系列镜头、尼康VR系列镜头、适马OS系列镜头;成像防抖指的是成像器件在感知相机抖动后,改变成像器件的位置或角度来保持成像的稳定,这项技术在数码相机时代得到了广泛的应用。电子防抖指的是通过对所成图像进行分析,然后利用算法对图像进行补偿的防抖技术,这项技术实际上是通过降低画质来补偿抖动,试图在画质和画面抖动之间取得一个平衡点。电子防抖与光学防抖相比,具有成本低,效果差的特点,因此电子防抖仅用在低端相机中。但是,关于电子防抖的算法却比光学防抖技术更受学术界的关注。
对于电子防抖的算法,就是对应学术界运动模糊图像的复原算法,现阶段复原算法非常多,有传统的逆滤波算法、维纳滤波算法,还有卡尔曼滤波算法以及凸集投影法等众多盲复原算法,直到现在,仍然有改进的新算法不断涌现出来。为了验证这些新复原算法的适应性,需要复原仅退化参数不同的退化图像,并与原始图像进行比较。在每次采集图像的时候,虽然我们可以根据需要人为设定图像的退化参数,但却无法避免随机噪声的影响,使得实际采集到的图像序列除退化参数不同外,必然会受到随机噪声的影响,因此无法实际采集到仅退化参数不同的退化图像。
克服这个问题的办法很简单,就是用软件模拟的方式对原始非退化图像利用不同退化函数进行人工退化。由Gonzalez等人著作,阮秋琦等人翻译,并由机械工业出版社出版的《数字图像处理》一书中总结了现有技术所采用的两种人工退化图像的方法:
第一种是空域卷积退化方法,如果原始图像为f(x,y),退化函数为h(x,y),则退化图像g(x,y)表示为:
g(x,y)=f(x,y)*h(x,y)
式中,“*”表示卷积运算;对于M×N的离散图像,第一种空域卷积退化方式得到退化图像的过程可以进一步写成:
式中,x=1,2,…,M;y=1,2,…,N。根据上面的公式可以知道,计算离散退化图像g(x,y),需要对x,y,m,n完成四重循环运算才能实现,四重循环运算使得离散退化图像g(x,y)的计算过程非常耗时,这是空域卷积退化方式的缺点。
第二种是频域傅里叶退化方法,如果原始图像f(x,y)的频谱为F(u,v),退化函数h(x,y)的频谱为H(u,v),则退化图像g(x,y)的频谱表示为:
G(u,v)=F(u,v)H(u,v)
式中,u=1,2,…,M;v=1,2,…,N。由于快速傅里叶变换方法的存在,使得频域傅里叶退化方法相比空域卷积退化方法在运算时间上有大幅提升,然而,这种方法也有其自身的缺点:首先,整个退化过程是在频域中完成的,退化过程既不直观,又不易理解;其次,由退化图像g(x,y)的频谱G(u,v)进行傅里叶逆变换得到退化图像g(x,y)的过程中,还需要将图像边缘移动到中心位置,否则与真实的图像对应不上。
另外,根据傅里叶变换的基本理论可以知道,对于一幅长宽有穷的图像,在其图像的边缘处,由于具有非常丰富的高频信息,使得该图像的频谱为无数条。然而,在进行傅里叶变换之前,都会将长宽有穷的图像分别以其行和列为周期,进行周期延拓,延拓成长宽无穷的具有周期特性的图像,延拓后的图像就具有有穷的频谱,而且频谱的数量与原始图像行列方向所具有的元素个数相同。这种方法,使得采用同原图像中行列元素个数相同的频谱序列即可实现对原图像的描述。
然而这种方法有其自身的缺点,将图像进行周期延拓后,图像的一侧就要与另一侧相接壤,对于运动模糊图像退化问题,在运动方向上,图像一侧的信息就会补充到与其接壤的另一侧信息中,出现图像两个边缘信息相叠加的现象,这种现象是离散傅里叶变换的算法原理造成的,不可避免,与真实的运动模糊图像不符。
并且,由于频域傅里叶退化方法是在空域卷积退化方法的基础上利用傅里叶变换公式直接得到的,因此两种方法的本质相同,也就是说空域卷积退化方法也会出现图像两个边缘信息相叠加,与真实的运动模糊图像不符的现象,这是空域卷积退化方法与频域傅里叶退化方法共同的缺点。
另外,空域卷积退化方法和频域傅里叶退化方法均是对图像进行整体运算,使图像整体退化。然而在实际应用问题中,更常见的却是占据成像***部分视场的目标处于运动状态,而除目标外的部分处于静止状态的情况,对于这种情况,无论空域卷积退化方法,还是频域傅里叶退化方法均是不能模拟出与真实退化图像相同的效果,这也是空域卷积退化方法与频域傅里叶退化方法共同的缺点。
发明内容
现有技术方法存在以下缺点:1)空域卷积退化方法运算时间长;2)频域傅里叶变换退化方法不直观、不易理解,且在傅里叶逆变换后还需要对图像进行移动操作;3)空域方法以及频域方法均出现与真实情况不符的图像两侧信息相叠加的现象;4)空域方法以及频域方法均只能针对整幅图像进行退化。针对上述缺点,本发明提出了一种静止背景中折返运动目标的离散退化图像构造方法;该方法不仅运算时间短,而且退化过程直观,便于理解,无需对图像再调整;同时对应真实场景,能够模拟占据部分视场的运动目标形成的运动模糊图像,且不会出现图像两侧信息相叠加的现象。
本发明的目的是这样实现的:
一种静止背景中折返运动目标的离散退化图像构造方法包括以下步骤:
a.在分辨率为M1×N1的静止背景图像中,存在分辨率为M2×N2(M2<M1,N2<N1)的目标图像,且所述的目标图像的行与列分别平行静止背景图像的行与列;以目标图像边缘始终不超过静止背景图像边缘为前提,将目标图像折返运动过程分为m段单向运动过程,第i(i=1,2,…,m)段单向运动过程中,根据分辨率为M2×N2的目标图像沿其行或列方向运动ni个像素的距离,构造出ni个子图像figi,j(j=1,2,…,ni);
b.将步骤a得到的n1+n2+…+nm个子图像按照如下公式进行加权线性叠加:
式中,wi,j为加权系数,fig为构造出的离散退化图像。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第1个子图像figi,1,目标图像figobject的第1行第1列像素b1,1位于静止背景图像figbackground的第xi1行第yi1列像素axi1,yi1位置,则对应第i个单向运动过程的第1个子图像figi,1为M1×N1的矩阵,并且figi,1(xi1:xi1+M2-1,yi1:yi1+N2-1)=figobject,figi,1的其余元素和figbackground对应位置元素相同;其中,xi1:xi1+M2-1表示第xi1行至第xi1+M2-1行,yi1:yi1+N2-1表示第yi1列至第yi1+N2-1列。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向上运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij-1:xij+M2-2,yij:yij+N2-1)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij-1:xij+M2-2表示第xij-1行至第xij+M2-2行,yij:yij+N2-1表示第yij列至第yij+N2-1列。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向下运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij+1:xij+M2,yij:yij+N2-1)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij+1:xij+M2表示第xij+1行至第xij+M2行,yij:yij+N2-1表示第yij列至第yij+N2-1列。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向左运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij:xij+M2-1,yij-1:yij+N2-2)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij-1:yij+N2-2表示第yij-1列至第yij+N2-2列。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向右运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij:xij+M2-1,yij+1:yij+N2)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij+1:yij+N2表示第yij+1列至第yij+N2列。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,当i≥2时,所述的对应第i段单向运动过程的第1个子图像figi,1与对应第i-1段单向运动过程的第ni-1个子图像相等。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,所述的步骤b中,加权系数wi,j之比表示为:
式中,vi,j是对应第i段单向运动过程的第j个子图像figi,j对应的目标图像运动速度。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,将步骤b所得到的离散退化图像fig按照如下公式进行灰度值调整:
fig_improve=k·fig
式中,k为调整系数,fig_improve为调整后的离散退化图像。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,所述的调整系数
本发明的有益效果是:
1)本发明的离散退化图像构造方法是根据静止背景图像中的目标图像在m段单向运动中一共运动n1+n2+…+nm个像素的距离,构造出n1+n2+…+nm个子图像,并对这些子图像进行加权线性相加运算。该方法的运算时间由四部分组成,第一部分是n1+n2+…+nm个子图像的构造时间,第二部分是n1+n2+…+nm个权重的计算时间,第三部分是n1+n2+…+nm个对应权重与图像相乘的数字与矩阵相乘的计算时间,第四部分是代表n1+n2+…+nm个子图像的n1+n2+…+nm个矩阵相加的计算时间。由于本发明的方法回避空域卷积退化方法的四重循环,并且每一步运算都是最简单的四则运算,因此该方法具有运算时间短的有益效果;
2)由于本发明所构造的n1+n2+…+nm个子图像中,每个子图像均表示对应时刻目标图像与静止背景图像的真实位置对应关系,将这n1+n2+…+nm个子图像进行加权线性相加运算就是真实成像过程中瞬时图像在时间上的积累过程,因此这种方法具有能够模拟占据部分视场的运动目标形成的运动模糊图像,且不会出现图像两侧信息相叠加的现象的有益效果。
3)由于本发明的离散退化图像构造方法整个退化过程在空域中完成,运算过程直接对应成像过程,因此该方法具有退化过程直观,便于理解,且无需对图像再调整的有益效果。
附图说明
图1是静止背景图像。
图2是目标图像。
图3是对应第1段单向运动过程的第1个子图像。
图4是离散退化图像。
具体实施方式
下面结合附图对本发明具体实施例做进一步详细描述。
静止背景图像的分辨率为256×256,如图1所示;目标图像的分辨率为64×64,如图2所示,在本实施例中,目标图像的第1行第1列像素从静止背景图像的第150行第100列像素位置开始,以速度v沿静止背景图像行方向向右匀速运动了10个像素,再以速度2v沿静止背景图像行方向向左匀速运动了5个像素。
一种静止背景中折返运动目标的离散退化图像构造方法包括以下步骤:
a.在分辨率为256×256的静止背景图像中,存在分辨率为64×64的目标图像,且所述的目标图像的行与列分别平行静止背景图像的行与列;以目标图像边缘始终不超过静止背景图像边缘为前提,将目标图像折返运动过程分为2段单向运动过程,第1段单向运动过程中,根据分辨率为64×64的目标图像沿其行方向运动10个像素的距离,构造出10个子图像fig1,j(j=1,2,…,10);第2段单向运动过程中,根据分辨率为64×64的目标图像沿其行方向运动5个像素的距离,构造出5个子图像fig2,j(j=1,2,…,5);
对应第1个单向运动过程的第1个子图像fig1,1,目标图像figobject的第1行第1列像素位于静止背景图像figbackground的第150行第100列像素位置,则对应第1个单向运动过程的第1个子图像fig1,1为256×256的矩阵,并且fig1,1(150:213,100:163)=figobject,fig1,1的其余元素和figbackground对应位置元素相同;其中,150:213表示第150行至第213行,100:163表示第100列至第163列;
从第1个单向运动过程的第1个子图像fig1,1开始,对应第1个单向运动过程的第j(1≤j≤9)个子图像fig1,j,有fig1,j(x1j:x1j+63,y1j:y1j+63)=figobject,fig1,j的其余元素和figbackground对应位置元素相同;其中,x1j:x1j+63表示第x1j行至第x1j+63行,y1j:y1j+63表示第y1j列至第y1j+63列;则对应第1个单向运动过程的第j+1个子图像fig1,j+1为256×256的矩阵,并且fig1,j+1(x1j:x1j+63,y1j+1:yij+64)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,x1j:x1j+63表示第x1j行至第x1j+63行,y1j+1:y1j+64表示第y1j+1列至第y1j+64列;
从第2个单向运动过程的第1个子图像fig2,1开始,对应第2个单向运动过程的第j(1≤j≤4)个子图像fig2,j,有fig2,j(x2j:x2j+63,y2j:y2j+63)=figobject,fig2,j的其余元素和figbackground对应位置元素相同;其中,x2j:x2j+63表示第x2j行至第x2j+63行,y2j:y2j+63表示第y2j列至第y2j+63列;则对应第2个单向运动过程的第j+1个子图像fig2,j+1为256×256的矩阵,并且fig2,j+1(x2j:x2j+63,y2j-1:y2j+62)=figobject,fig2,j+1的其余元素和figbackground对应位置元素相同;其中,x2j:x2j+63表示第x2j行至第x2j+63行,y2j-1:y2j+62表示第y2j-1列至第y2j+62列;
并且,所述的对应第2段单向运动过程的第1个子图像fig2,1与对应第1段单向运动过程的第10个子图像fig1,10相等。
b.将步骤a得到的10+5=15个子图像按照如下公式进行加权线性叠加:
式中,wi,j为加权系数,fig为构造出的离散退化图像,并且有:n1=10,n2=5。
根据:v1,1=v1,2=…=v1,10=v,以及v2,1=v2,2=…=v2,5=2v,可以得到加权系数wi,j之比表示为:
式中,vi,j是对应第i段单向运动过程的第j个子图像figi,j对应的目标图像运动速度,并且有:vi,j≠0。
上述的一种静止背景中折返运动目标的离散退化图像构造方法,将步骤b所得到的离散退化图像fig按照如下公式进行灰度值调整:
fig_improve=k·fig
式中,k为调整系数,fig_improve为调整后的离散退化图像。所述的调整系数
调整后得到的离散退化图像如图4所示。
Claims (10)
1.一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于所述方法包括以下步骤:
a.在分辨率为M1×N1的静止背景图像中,存在分辨率为M2×N2(M2<M1,N2<N1)的目标图像,且所述的目标图像的行与列分别平行静止背景图像的行与列;以目标图像边缘始终不超过静止背景图像边缘为前提,将目标图像折返运动过程分为m段单向运动过程,第i(i=1,2,…,m)段单向运动过程中,根据分辨率为M2×N2的目标图像沿其行或列方向运动ni个像素的距离,构造出ni个子图像figi,j(j=1,2,…,ni);
b.将步骤a得到的n1+n2+…+nm个子图像按照如下公式进行加权线性叠加:
式中,wi,j为加权系数,fig为构造出的离散退化图像。
2.根据权力要求1所述的一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第1个子图像figi,1,目标图像figobject的第1行第1列像素b1,1位于静止背景图像figbackground的第xi1行第yi1列像素axi1,yi1位置,则对应第i个单向运动过程的第1个子图像figi,1为M1×N1的矩阵,并且figi,1(xi1:xi1+M2-1,yi1:yi1+N2-1)=figobject,figi,1的其余元素和figbackground对应位置元素相同;其中,xi1:xi1+M2-1表示第xi1行至第xi1+M2-1行,yi1:yi1+N2-1表示第yi1列至第yi1+N2-1列。
3.根据权力要求1所述的一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向上运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij-1:xij+M2-2,yij:yij+N2-1)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij-1:xij+M2-2表示第xij-1行至第xij+M2-2行,yij:yij+N2-1表示第yij列至第yij+N2-1列。
4.根据权力要求1所述的一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向下运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij+1:xij+M2,yij:yij+N2-1)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij+1:xij+M2表示第xij+1行至第xij+M2行,yij:yij+N2-1表示第yij列至第yij+N2-1列。
5.根据权力要求1所述的一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向左运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij:xij+M2-1,yij-1:yij+N2-2)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij-1:yij+N2-2表示第yij-1列至第yij+N2-2列。
6.根据权力要求1所述的一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于所述的步骤a中,静止背景图像为figbackground,目标图像为figobject;其中,figbackground为M1×N1的矩阵,figobject为M2×N2的矩阵;对应第i个单向运动过程的第j(1≤j≤ni-1)个子图像figi,j,有figi,j(xij:xij+M2-1,yij:yij+N2-1)=figobject,figi,j的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij:yij+N2-1表示第yij列至第yij+N2-1列;如果目标图像figobject向右运动,则对应第i个单向运动过程的第j+1个子图像figi,j+1为M1×N1的矩阵,并且figi,j+1(xij:xij+M2-1,yij+1:yij+N2)=figobject,figi,j+1的其余元素和figbackground对应位置元素相同;其中,xij:xij+M2-1表示第xij行至第xij+M2-1行,yij+1:yij+N2表示第yij+1列至第yij+N2列。
8.根据权利要求1所述的一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于所述的步骤b中,加权系数wi,j之比表示为:
式中,vi,j是对应第i段单向运动过程的第j个子图像figi,j对应的目标图像运动速度。
9.根据权利要求1所述的一种静止背景中折返运动目标的离散退化图像构造方法,其特征在于将步骤b所得到的离散退化图像fig按照如下公式进行灰度值调整:
fig_improve=k·fig
式中,k为调整系数,fig_improve为调整后的离散退化图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210359101.9A CN102930565B (zh) | 2012-09-25 | 2012-09-25 | 一种静止背景中折返运动目标的离散退化图像构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210359101.9A CN102930565B (zh) | 2012-09-25 | 2012-09-25 | 一种静止背景中折返运动目标的离散退化图像构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102930565A true CN102930565A (zh) | 2013-02-13 |
CN102930565B CN102930565B (zh) | 2015-03-25 |
Family
ID=47645355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210359101.9A Active CN102930565B (zh) | 2012-09-25 | 2012-09-25 | 一种静止背景中折返运动目标的离散退化图像构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102930565B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683147A (zh) * | 2017-01-23 | 2017-05-17 | 浙江大学 | 一种图像背景虚化的方法 |
CN108198131A (zh) * | 2018-01-23 | 2018-06-22 | 北京航空航天大学 | 一种基于多图像融合的空间目标抖动及运动模糊仿真算法 |
CN110070517A (zh) * | 2019-03-14 | 2019-07-30 | 安徽艾睿思智能科技有限公司 | 基于退化成像机理和生成对抗机制的模糊图像合成方法 |
CN110895801A (zh) * | 2019-11-15 | 2020-03-20 | 北京金山云网络技术有限公司 | 图像处理方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080123995A1 (en) * | 2006-11-24 | 2008-05-29 | Gung-Chian Yin | Image alignment method |
CN102651134A (zh) * | 2012-03-17 | 2012-08-29 | 哈尔滨工业大学 | 基于两帧静态图像拼合的匀速模糊图像构造方法与装置 |
-
2012
- 2012-09-25 CN CN201210359101.9A patent/CN102930565B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080123995A1 (en) * | 2006-11-24 | 2008-05-29 | Gung-Chian Yin | Image alignment method |
CN102651134A (zh) * | 2012-03-17 | 2012-08-29 | 哈尔滨工业大学 | 基于两帧静态图像拼合的匀速模糊图像构造方法与装置 |
Non-Patent Citations (2)
Title |
---|
黄学雨等: "匀速直线运动模糊图像的退化模型研究", 《科技广场》 * |
黎玮: "运动模糊图像恢复的参数估算与算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683147A (zh) * | 2017-01-23 | 2017-05-17 | 浙江大学 | 一种图像背景虚化的方法 |
CN106683147B (zh) * | 2017-01-23 | 2019-08-30 | 浙江大学 | 一种图像背景虚化的方法 |
CN108198131A (zh) * | 2018-01-23 | 2018-06-22 | 北京航空航天大学 | 一种基于多图像融合的空间目标抖动及运动模糊仿真算法 |
CN108198131B (zh) * | 2018-01-23 | 2020-06-23 | 北京航空航天大学 | 一种基于多图像融合的空间目标抖动及运动模糊仿真方法 |
CN110070517A (zh) * | 2019-03-14 | 2019-07-30 | 安徽艾睿思智能科技有限公司 | 基于退化成像机理和生成对抗机制的模糊图像合成方法 |
CN110070517B (zh) * | 2019-03-14 | 2021-05-25 | 安徽艾睿思智能科技有限公司 | 基于退化成像机理和生成对抗机制的模糊图像合成方法 |
CN110895801A (zh) * | 2019-11-15 | 2020-03-20 | 北京金山云网络技术有限公司 | 图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102930565B (zh) | 2015-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Event enhanced high-quality image recovery | |
Xiao et al. | Satellite video super-resolution via multiscale deformable convolution alignment and temporal grouping projection | |
Huang et al. | Bidirectional recurrent convolutional networks for multi-frame super-resolution | |
CN101794440B (zh) | 图像序列的加权自适应超分辨率重建方法 | |
Wang et al. | Fast image dehazing method based on linear transformation | |
CN113837938B (zh) | 基于动态视觉传感器重建潜在图像的超分辨率方法 | |
CN110782490A (zh) | 一种具有时空一致性的视频深度图估计方法及装置 | |
CN104869387A (zh) | 基于光流法的双目图像最大视差获取方法 | |
CN102262781B (zh) | 一种基于单元分解光流场的喷墨印花纹理图像配准方法 | |
CN102930565A (zh) | 一种静止背景中折返运动目标的离散退化图像构造方法 | |
Zhang et al. | Imaging through the atmosphere using turbulence mitigation transformer | |
CN102236887A (zh) | 基于旋转差分和加权总变分的运动模糊图像复原方法 | |
CN106339996A (zh) | 一种基于超拉普拉斯先验的图像盲去模糊方法 | |
CN101281643B (zh) | 一种退化函数随空间变化图像的分块复原和拼接方法 | |
CN103971354A (zh) | 低分辨率红外图像重建高分辨率红外图像的方法 | |
CN112819697A (zh) | 一种遥感影像时空融合方法及*** | |
Cheng et al. | Improved multi-scale dynamic feature encoding network for image demoiréing | |
Huang et al. | Fast blind image super resolution using matrix-variable optimization | |
CN102496158A (zh) | 一种图像信息处理方法及装置 | |
CN114677479A (zh) | 一种基于深度学习的自然景观多视图三维重建方法 | |
Zhang et al. | Polarization image demosaicking via nonlocal sparse tensor factorization | |
CN104574276A (zh) | 一种基于光流法的图像对齐的方法和装置 | |
CN102867318B (zh) | 子图像加权叠加的整幅折返运动离散退化图像构造方法 | |
CN102930566B (zh) | 一种静止背景中单向运动目标的离散退化图像构造方法 | |
CN102930568B (zh) | 一种静止背景中匀速运动目标的离散退化图像构造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200330 Address after: 150001 No. 118 West straight street, Nangang District, Heilongjiang, Harbin Patentee after: Harbin University of technology high tech Development Corporation Address before: 150001 Harbin, Nangang, West District, large straight street, No. 92 Patentee before: HARBIN INSTITUTE OF TECHNOLOGY |