本发明专利技术公开了一种基于分层模型的局部运动模糊区域自动检测提取方法，先输入一幅大小为M×N的模糊图像，用滑动窗口对图像分块并利用频率域模糊度衡量算法对模糊图像按块计算出其对应的模糊区域映射图m(x,y)；再对其进行二值化阈值处理，得到初步模糊检测图像；再分别对初步模糊检测图像中的模糊区域与清晰区域进行腐蚀、膨胀处理，得到对应的前景、背景映射图；再利用前景、背景映射图对原始模糊图像进行标记，得到模糊图像所对应的trimap图；后利用k近邻抠图算法实现模糊区域的精确检测，得到模糊图像所对应的alpha图；后利用得到的alpha图提取出模糊图像所对应的模糊区域以及清晰区域。本发明专利技术为分层局部运动模糊图像复原方法提供了一种有效的预处理方法。
Automatic Detection and Extraction of Local Motion Fuzzy Areas Based on Hierarchical Model
【技术实现步骤摘要】
基于分层模型的局部运动模糊区域自动检测提取方法
本专利技术属于局部运动模糊区域提取图像处理
，具体涉及一种基于分层模型的局部运动模糊区域自动检测提取方法。
技术介绍
近年来，运动模糊图像复原技术成为图像复原技术研究的重要课题之一。在采集图像信息过程中，相机抖动或者拍摄场景中存在运动目标均会产生运动模糊图像，严重影响了获取到的图像的质量。对于运动模糊图像的复原可以实现图像细节的恢复，从而获取更高分辨率的图像信息。这对于很多图像处理任务来说具有十分重要的现实意义。然而目前大多数已有的运动模糊图像的盲复原研究主要集中在假设对整幅图像只存在一个模糊核的全局运动模糊图像进行操作，在这种假设下的去模糊被称作单核复原模型。整幅图像一致性模糊的假设是将运动模糊限定为相机运动导致的全局一致性运动模糊。但是在现实场景中更多的是由于拍摄场景中存在运动物体而导致的图像局部运动模糊。对局部运动模糊图像而言，图像中有一部分是呈模糊状态的，一部分是呈清晰状态的。所以此类图像模糊属于非一致性运动模糊。若利用单核模型对其进行复原，将会导致严重的振铃效应，图像降质严重。同时对此类模糊图像也可以采用多核模型进行复原，但是这会带来复杂的模型与运算。局部运动模糊图像的去模糊算法一般依赖于多帧图像，即使部分算法只需利用单帧图像进行去模糊，这也是建立在假设运动模糊图像是由匀速直线运动模糊导致的模糊图像，这往往缺乏普遍性与一般性。因此，从局部运动模糊图像中快速且有效地检测提取出清晰和模糊区域，对于分层局部运动模糊图像复原方法是一个非常重要的预处理步骤。
技术实现思路
本专利技术的目的是提供一种基于分层模型的局部运动模糊区域自动检测提取方法，为分层局部运动模糊图像复原方法提供了一种有效的预处理方法。本专利技术所采用的技术方案是，基于分层模型的局部运动模糊区域提取方法，其特征在于，包括以下步骤：步骤1：输入一幅大小为M×N的模糊图像f(x,y)，用滑动窗口的方式对图像分块并利用频率域模糊度衡量算法对模糊图像按块计算出其对应的模糊区域映射图m(x,y)；步骤2：利用Otsu算法对步骤1的映射图m(x,y)计算二值化阈值，然后根据阈值对映射图m(x,y)进行二值化处理，得到初步模糊检测图像d1(x,y)；步骤3：对初步模糊检测图像d1(x,y)进行二值图像去噪操作，得到更加精确的模糊区域初步检测图d2(x,y)；步骤4：分别采用腐蚀、膨胀算法对步骤3得到的检测图d2(x,y)中的模糊、清晰区域进行处理，得到对应的前景、背景映射图fg(x,y)、bg(x,y)；步骤5：利用步骤4得到的前景、背景映射图fg(x,y)、bg(x,y)对模糊图像f(x,y)进行标记，得到模糊图像f(x,y)所对应的trimap三分图t(x,y)；步骤6：利用步骤5得到的trimap三分图t(x,y)以及模糊图像f(x,y)，调用k近邻抠图算法实现模糊区域的精确检测，得到模糊图像f(x,y)所对应的alpha图a(x,y)；步骤7：利用步骤6得到的alpha图a(x,y)提取出模糊图像f(x,y)所对应的模糊区域以及清晰区域。本专利技术的特点还在于：步骤1中的具体过程如下：步骤1.1：把按照滑动窗口方式对图像f(x,y)进行分块得到的大小为k×k的图像块记为图像I(x,y)，利用如下公式对图像I(x,y)做傅里叶变换得到F：其中，(x,y)表示空间变量，(u,v)表示频率域变量；步骤1.2：利用如下公式把F的原点移到图像中心(u0,v0)得到Fc：步骤1.3：假设Fc(u,v)＝a+bj，利用如下公式计算AF＝|Fc|，其中AF为图像I的中心傅里叶变换的模：步骤1.4：统计AF中像素值大于0的像素个数，记为th；步骤1.5：由如下公式计算图像模糊度(FM)：图像模糊度式中，th表示图像块中心傅里叶变换的模中非零值的个数，k表示图像块的行、列数。步骤2中二值化处理过程如下：对于图像I(x,y)将前景与背景的分割阈值设为t；将属于前景的像素点的个数占整个图像总像素数的比例设为w0，其像素均值设为u0；将属于背景的像素点的个数占整个图像总像素数的比例设为w1，其像素均值设为u1；将整幅图像的像素均值记为u；则按照公式迭代求解二值化阈值topt：topt＝max(w0(t)×(u0(t)-u)2+w1(t)×(u1(t)-u)2)。步骤6中模糊图像f(x,y)所对应的alpha图a(x,y)的具体过程如下：步骤6.1：计算特征向量，给定像素i的特征向量定义如公式所示：X(i)＝(cos(h),sin(h),s,v,x,y)其中，h,s,v分别是HSV颜色空间的坐标值，(x,y)是像素i的空间坐标；步骤6.2：按照如下公式计算内核函数：其中，C是权值调节系数，保证k(i,j)∈[0,1],||X(i)-X(j)||是1范数，即两向量差的绝对值之和；步骤6.3：按照如下公式求解拉普拉斯矩阵：L＝D-A其中，相似矩阵Aij＝k(i,j)，对角矩阵步骤6.4：按照如下公式求解trimap图中的未知α值：α＝(L+λD)-1(λv)其中，L表示步骤3中得到拉普拉斯矩阵，D为一个二值化矩阵表示trimap图中标记出的前景，v为一个二值化矩阵表示trimap图中标记出的背景；步骤6.5：按照求解出的α值对trimap图中的未知α值区域进行标记，得到alpha图。本专利技术的有益效果是，本专利技术对局部运动模糊区域的自动检测提取提供了一个简洁、有效的方法。与现有检测提取方法相比，不仅没有进行过多的模糊特征提取增加计算量；同时把局部运动模糊图像看成前景和背景两层，通过对现有清晰图像抠图算法的改进，使得局部模糊区域的边缘检测更加准确，从而进一步使得我们提取到的模糊区域以及清晰区域比较准确。基于以上两点，采用本方法作为预处理步骤，进而进行的局部运动模糊图像复原工作将有望获得更好的复原效果。附图说明图1是本专利技术基于分层模型的局部运动模糊区域自动检测提取方法的流程图；图2是实施例输入的一个模糊图像；图3是在图2模糊图像的频率域上估计的模糊度映射图；图4是对图3进行自动阈值二值化处理后得到的初步模糊检测图；图5是对图4所对应的清晰区域进行腐蚀、膨胀后得到的前景映射图；图6是对图4所对应的模糊区域进行膨胀、腐蚀后得到的背景映射图图7是根据图5、6对图2进行标记后得到的trimap图；图8是根据图7对图2利用改进后的knn-matting算法处理得到的alpha图；图9是使用图8从图2中提取出的清晰区域；图10是使用图8从图2中提取出的模糊区域；图11是实施例输入的另一个模糊图像；图12是在图11模糊图像的频率域上估计的模糊度映射图；图13是对图12进行自动阈值二值化处理后得到的初步模糊检测图；图14是对图13消除细小空洞后得到的初步模糊检测图；图15是对图14消除错分区域，保留特定连通区域后得到的初步模糊检测图；图16是对图15所对应的清晰区域进行腐蚀、膨胀后得到的前景映射图；图17是对图15所对应的模糊区域进行膨胀、腐蚀后得到的背景映射图；图18是根据图16、17对图11进行标记后得到的trimap图；图19是根据图18对图11利用改进后的knn-matting算法处理得到的alpha图；图20是使用图19从图11中提取出的本文档来自技高网...
【技术保护点】
1.基于分层模型的局部运动模糊区域自动检测提取方法，其特征在于，包括以下步骤：步骤1：输入一幅大小为M×N的模糊图像f(x,y)，用滑动窗口的方式对图像分块并利用频率域模糊度衡量算法对模糊图像按块计算出其对应的模糊区域映射图m(x,y)；步骤2：利用Otsu算法对步骤1的映射图m(x,y)计算二值化阈值，然后根据阈值对映射图m(x,y)进行二值化处理，得到初步模糊检测图像d1(x,y)；步骤3：对初步模糊检测图像d1(x,y)进行二值图像去噪操作，得到更加精确的模糊区域初步检测图d2(x,y)；步骤4：分别采用腐蚀、膨胀算法对步骤3得到的检测图d2(x,y)中的模糊、清晰区域进行处理，得到对应的前景、背景映射图fg(x,y)、bg(x,y)；步骤5：利用步骤4得到的前景、背景映射图fg(x,y)、bg(x,y)对模糊图像f(x,y)进行标记，得到模糊图像f(x,y)所对应的trimap三分图t(x,y)；步骤6：利用步骤5得到的trimap三分图t(x,y)以及模糊图像f(x,y)，调用k近邻抠图算法实现模糊区域的精确检测，得到模糊图像f(x,y)所对应的alpha图a(x,y)；步骤7：利用步骤6得到的alpha图a(x,y)提取出模糊图像f(x,y)所对应的模糊区域以及清晰区域。...
【技术特征摘要】
1.基于分层模型的局部运动模糊区域自动检测提取方法，其特征在于，包括以下步骤：步骤1：输入一幅大小为M×N的模糊图像f(x,y)，用滑动窗口的方式对图像分块并利用频率域模糊度衡量算法对模糊图像按块计算出其对应的模糊区域映射图m(x,y)；步骤2：利用Otsu算法对步骤1的映射图m(x,y)计算二值化阈值，然后根据阈值对映射图m(x,y)进行二值化处理，得到初步模糊检测图像d1(x,y)；步骤3：对初步模糊检测图像d1(x,y)进行二值图像去噪操作，得到更加精确的模糊区域初步检测图d2(x,y)；步骤4：分别采用腐蚀、膨胀算法对步骤3得到的检测图d2(x,y)中的模糊、清晰区域进行处理，得到对应的前景、背景映射图fg(x,y)、bg(x,y)；步骤5：利用步骤4得到的前景、背景映射图fg(x,y)、bg(x,y)对模糊图像f(x,y)进行标记，得到模糊图像f(x,y)所对应的trimap三分图t(x,y)；步骤6：利用步骤5得到的trimap三分图t(x,y)以及模糊图像f(x,y)，调用k近邻抠图算法实现模糊区域的精确检测，得到模糊图像f(x,y)所对应的alpha图a(x,y)；步骤7：利用步骤6得到的alpha图a(x,y)提取出模糊图像f(x,y)所对应的模糊区域以及清晰区域。2.根据权利要求1所述的基于分层模型的局部运动模糊区域自动检测提取方法，其特征在于，所述步骤1中的具体过程如下：步骤1.1：把按照滑动窗口方式对图像f(x,y)进行分块得到的大小为k×k的图像块记为图像I(x,y)，利用如下公式对图像I(x,y)做傅里叶变换得到F：其中，(x,y)表示空间变量，(u,v)表示频率域变量；步骤1.2：利用如下公式把F的原点移到图像中心(u0,v0)得到Fc：步骤1.3：假设Fc(u,v)＝a+bj，利用如下公式计算AF＝|Fc|，其中AF为图像I的中心傅里...
【专利技术属性】
技术研发人员：赵明华，李丹，石争浩，岳丽琴，程丹妮，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。