基于概率统计与图像梯度信息的全局矢量获取方法技术

本发明专利技术公开了一种基于概率统计和图像梯度信息的全局矢量获取方法，主要用于解决两幅图像匹配过程中全局矢量求解不精确，运算时间长，易造成匹配失真等问题。其实现步骤为：1)利用横纵梯度算子分别对待处理图像进行二维卷积处理；2)计算梯度信息矩阵；3)对梯度信息矩阵进行宏块划分，并求各宏块梯度和；4)对宏块梯度和进行排序，并在最大值附近确定待匹配块；5)利用全搜索法处理待匹配块；6)利用局部运动矢量概率分布函数确定全局运动矢量。本发明专利技术利用图像灰度信息及引入局部运动矢量概率密度函数，提高了全局矢量精度，且运算复杂度低，并行性好，易于实时实现，可用于电子稳像、视频压缩等带有图像匹配过程的数字图像及视频处理。

【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。然后按照各块与该形状的关系特征划分被分段图像的块，最后通过应用合适的运动矢量到各特征块中来初始化运动矢量。然而，该算法在划分特征块时严重依赖从参考帧中检测到的特定形状，故在复杂运动背景干扰下的检测效果并不是很好。汤姆森许可公司提出的专利申请“利用快速搜索块匹配的运动估计”，专利申请号为CN200480020433，公开了一种视频编码和译码中利用快速搜索块匹配的运动估计的装置和方法。该方法让一个未压缩图像块与至少一个特定参考图片相对应地块匹配该图像块，同时比较该图像块像素的归一化和参考图像像素的归一化，并通过逐次消元法来排除非最佳搜索点，最终计算相应于该图像块和该至少一个特定参考图片之间差异的运动矢量，以进行运动补偿。中国科学院自动化研究所提出的专利申请“一种具有最小误差的快速变尺寸块匹配的运动估计方法”，专利申请号为CN200610007814，公开了一种改进的“自上而下”的变尺寸块匹配方法和宏模式预测方法。该方法将匹配误差最小的运动矢量作为候选量，并通过判断匹配误差阈值以及通过改进的变尺寸块匹配的方法确定全局运动矢量，实现运动估计与补偿。然而，该算法在预测后一帧时，需要用到前一帧的宏块选择结果，故在连续预测时存在误差累积效应。上海师范大学提出的专利申请“一种新型块匹配运动估计方法”，专利申请号为CN201010550570，公开了一种新型块匹配运动估计方法。该方法获取视频图像中与当前宏块相邻的上下左右四个宏块的运动矢量，根据所述运动矢量确定搜索中心，并在搜索范围内利用改进的最小绝对误差准则进行匹配，最终确定全局运动矢量。然而，该算法在匹配过程中需要人为选择不同的模板进行实现，此步骤在不同场景的应用中限制了算法的实现速度，同时不同模板的选取也将极大影响算法精度。
技术实现思路
本专利技术的目的在于针对上述已有技术中的不足，提出一种基于概率统计与图像梯度信息块的全局矢量获取方法，以减少运算时间，提高图像匹配精度和在复杂运动背景干扰下的检测效果。局部抗干扰能力。实现本专利技术目的技术思路是：根据图像横、纵梯度信息分布，划分梯度信息宏块，在数量不超过总宏块数15％的前提下，确定待匹配块，依次求解局部运动矢量，并利用概率分布函数确定全局运动矢量。其具体步骤包括如下：(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(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个宏块作为待匹本文档来自技高网...

【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)在参考图像内，分别对以上M个待匹配块进行全路径搜索法处理，得到M个待匹配块的局部运动矢量其中k∈[1,M]；(6)统计M个局部运动矢量出现次数，得到局部运动矢量概率密度函数(7)根据概率密度函数选择其中概率最大值对应的局部运动矢量作为全局运动矢量即满足：...

【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