发明名称 |
视频模糊图像的多尺度几何分析超分辨处理方法 |
摘要 |
本发明公开了一种智能信息处理技术领域中的视频模糊图像的多尺度几何分析超分辨处理方法,用监控录像获取单帧模糊图像或多帧模糊图像,对输入模糊图像进行NSCT分解为低频系数和高频系数、采用NSCT域HMT模型进行模糊图像去噪、采用视觉侧抑制网络进行边缘细节的增强、采用HyperBF神经网络模型对低频系数和高频系数两部分的子带图像进行非线性插值、对经过处理的NSCT分解系数进行NSCT重构、引入多尺度Retinex算法进行符合人眼视觉感知的图像对比度调节。多帧模糊图像的处理分基于MGT域的图像融合的方法和基于MGT域非均匀插值的方法。本发明在不改变传统视频监控成像系统硬件情况下,能对视频图像中常见的噪声进行有效抑制,进一步提高模糊图像的分辨率和清晰度。 |
申请公布号 |
CN101609549B |
申请公布日期 |
2011.08.10 |
申请号 |
CN200910181634.0 |
申请日期 |
2009.07.24 |
申请人 |
河海大学常州校区 |
发明人 |
霍冠英;李庆武;徐立中 |
分类号 |
G06T5/00(2006.01)I;H04N7/18(2006.01)I |
主分类号 |
G06T5/00(2006.01)I |
代理机构 |
南京知识律师事务所 32207 |
代理人 |
汪旭东 |
主权项 |
一种视频模糊图像的多尺度几何分析超分辨处理方法,用监控录像获取单帧模糊图像或多帧模糊图像,其特征为:所述单帧模糊图像的处理方法步骤依次为:(1)对输入模糊图像进行NSCT分解为低频系数和高频系数两部分;(2)采用NSCT域HMT模型进行模糊图像去噪;(3)采用视觉侧抑制网络进行边缘细节的增强;(4)采用HyperBF神经网络模型对低频系数和高频系数两部分的子带图像进行非线性插值,对原图像进行降采样,形成降采样图像与原图像之间的区域对应训练集,在不同的子带方向上进行HyperBF神经网络超分辨学习训练,以调节神经网络的参数值;(5)对经过处理的NSCT分解系数进行NSCT重构;(6)引入多尺度Retinex算法进行符合人眼视觉感知的图像对比度调节,得到高分辨率图像;所述多帧模糊图像的处理方法分为两种,一种是基于MGT域的图像融合的方法,另一种是基于MGT域非均匀插值的方法;所述基于MGT域的图像融合的方法步骤依次为:(1)按照所述单帧模糊图像的处理步骤对每帧模糊图像进行超分辨率重构;(2)基于归一化互信息实现超分辨率重构图像的配准;(3)对已配准的待融合图像再次进行NSCT分解,得到各自的NSCT系数;(4)对NSCT分解后的低频分量和高频分量进行方向性融合;(5)NSCT逆变换重构,得到初步的超分辨融合图像;(6)通过多尺度Retinex算法调节图像的对比度,得到最终的融合图像;所述基于MGT域非均匀插值的方法步骤依次为:(1)基于归一化互信息实现超分辨率重构图像的配准;(2)对已配准的待融合图像分别进行NSCT分解,得到各自的NSCT系数;(3)定义一个NSCT域的高分辨率格网,根据图像间的位移信息将每幅图像的NSCT系数统一归一化到定义的高分辨率格网中;(4)由已有的非规则采样点插值形成规则采样网格,对每个待求解填充的插值点,构造一个三角或者多角领域,计算由三角领域确定的规则采样点值;(5)对插值之后形成的高分辨率格网中的NSCT系数进行阈值去噪、平滑处理;(6)NSCT逆变换重构,得到初步的超分辨率清晰图像;(7)通过多尺度Retinex算法调节图像的对比度,得到最终的清晰图像。 |
地址 |
213022 江苏省常州市常澄路5号 |