【技术实现步骤摘要】
本专利技术属于数字图像处理
,特别涉及全局矢量的获取方法,可用于完成非平稳状态下的电子稳像、视频压缩等过程。
技术介绍
随着数字图像技术的发展和普及,单一图像的处理已经不能满足人们日益增长的需求,对连续图像序列的处理以及视频处理正在增多。比如在电子稳像领域,人们使用电子稳像技术,得到稳定清晰的高质量视频;在视频压缩领域,人们使用更为高效的压缩算法产生更小容量的清晰视频。在上述各类技术中,其关键环节均在于两幅图像间的准确匹配,以寻找两图之间的相关信息。然而,该环节的精度与速度严重依赖于全局矢量的获取过程。因而,全局矢量的获取则成为了该类技术的重中之重。其常用的方法是对连续图像序列或视频直接进行分块搜索,并遍历宏块,计算其平均运动矢量以作为当前图像的全局运动矢量。但是,这样不但没有充分利用到图像的灰度信息,还需要遍历图像中各个像素,极大的增加了运算时间;同时也因为图像边缘匹配失真等问题造成匹配结果不准确,影响算法精度。因而,如何准确、高效的确定全局运动矢量,成为了一个至关重要的问题。目前为止,已提出的全局矢量获取算法有以下几种:三星电子株式会社提出的专利申请“块匹配方法中采用遗传算法进行运动矢量初始化的方法”,专利申请号为CN98118490,公开了一种依据在应用了遗传算法的块匹配方法中被检测形状的特征块的初始化方法。该方法首先从一幅图像的参考帧中检测出一个预定形状,并将该图像分段成预定块。然后按照各块 ...
【技术保护点】
一种基于概率统计与图像梯度信息的全局矢量获取方法,包括如下步骤:(1)对于待处理图像,分别利用横向梯度算子Dv和纵向梯度算子Dh对其进行二维卷积处理,得到横向梯度信息矩阵MatDv(x,y),和纵向梯度信息矩阵MatDh(x,y),其中,x为图像行坐标,y为图像列坐标,Dv取值为[1,‑1;0,0],Dh取值为[1,0;‑1,0];(2)利用横向梯度信息矩阵MatDv(x,y)和纵向梯度信息矩阵MatDh(x,y),计算梯度信息矩阵Matg(x,y):Matg(x,y)=MatDv(x,y)2+MatDh(x,y)2其中,x∈m,y∈n,m为图像行数,n为图像列数;(3)将梯度信息矩阵Matg(x,y)划分为大小相同的N个宏块,并分别对每个宏块求其梯度和BLKi:BLKi=Σx=0r-1Σy=0c-1Matg(x,y)i∈[1,N]]]>其中,i为宏块编号,r为宏块行数,c为宏块列数;(4)根据步骤(3)中所得结果,对所有宏块的梯度和值进行排序,并选取梯度最大值附近的M个宏块作为待匹配块,M取值为宏块总数量N的15%;(5)在 ...
【技术特征摘要】
1.一种基于概率统计与图像梯度信息的全局矢量获取方法,包括如下步骤:
(1)对于待处理图像,分别利用横向梯度算子Dv和纵向梯度算子Dh对其进
行二维卷积处理,得到横向梯度信息矩阵MatDv(x,y),和纵向梯度信息矩阵
MatDh(x,y),其中,x为图像行坐标,y为图像列坐标,Dv取值为[1,-1;0,0],Dh
取值为[1,0;-1,0];
(2)利用横向梯度信息矩阵MatDv(x,y)和纵向梯度信息矩阵MatDh(x,y),计
算梯度信息矩阵Matg(x,y):
Matg(x,y)=MatDv(x,y)2+MatDh(x,y)2其中,x∈m,y∈n,m为图像行数,n为图像列数;
(3)将梯度信息矩阵Matg(x,y)划分为大小相同的N个宏块,并分别对每个宏
块求其梯度和BLKi:
BLK i = Σ x = 0 r - 1 Σ y = 0 c - 1 Mat g ( x , y ) i ∈ [ 1 , N ] ]]>其中,i为宏块编号,r为宏块行数,c为宏块列数;
(4)根据步骤(...
【专利技术属性】
技术研发人员:焦阳,牛毅,任琼巍,柳林,石光明,
申请(专利权)人:西安电子科技大学,
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。