基于视觉显著性的局部运动去模糊方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于视觉显著性的局部运动去模糊方法、装置及存储介质，方法包括：采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；采用基于遗传的大津法对显著图进行二值化操作，将模糊前景与清晰背景分割成不同的图层，获取到前景、背景分割二值化图像；将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化，迭代估计初始模糊核和潜在图像；列出初始模糊核和潜在图像的先验，并基于迭代加权最小二乘对初始模糊核和潜在图像求解；采用改进的自适应引导滤波对求解结果进一步优化，保持图像的边缘信息。

【技术实现步骤摘要】
基于视觉显著性的局部运动去模糊方法、装置及存储介质
本专利技术涉及图像运动去模糊技术，属于图像处理领域，尤其涉及一种基于视觉显著性的局部运动去模糊方法、装置及存储介质。
技术介绍
运动模糊图像是由于摄像机与运动物体在曝光时间内有相对运动而产生的模糊，图像的模糊导致无法看清想要观察的目标物体，或者从图像中获取有价值的信息。而且拍摄过程是短暂并且不易复制重现的，很多情况下不能重新拍摄以获得清晰的图像，因此运动模糊的复原技术的研究就变得尤为重要，它应用于道路视频监控、工业生产、刑事侦查、天文观测、及军事卫星跟踪等领域。近年来，运动模糊图像复原方法已经取得了很大的进展，但这类方法对于局部模糊图像复原问题仍存在一定的局限性。由于前景与背景成像过程不同，使得全局一致的模糊模型不能很好的建模图像形成过程，并且由于物体的快速运动，会造成模糊是突然变化的，因此一些基于相机抖动建模的非一致去模糊方法对于这种局部运动模糊问题也不能很好的处理。还有一些现有的方法通过建立混合相机系统来获取运动物体的额外信息，但这类方法需要精心设计的硬件支持。此外，还有一些基于图像分割的局部运动模糊图像复原方法，这些方法很大程度的依赖分割质量，如果分割不精确则不会得到很好的图像复原效果，无法满足实际应用中的多种需要。
技术实现思路
本专利技术提供了一种基于视觉显著性的局部运动去模糊方法、装置及存储介质，本专利技术提高了图像的清晰度，复原出了更高质量的清晰图像，有效的增强了图像的对比度和边缘细节，并解决了图像中模糊区域纹理信息丢失的问题，详见下文描述：第一方面，一种基于视觉显著性的局部运动去模糊方法，所述方法包括：采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；采用基于遗传的大津法对显著图进行二值化操作，将模糊前景与清晰背景分割成不同的图层，获取到前景、背景分割二值化图像；将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化，迭代估计初始模糊核和潜在图像；列出初始模糊核和潜在图像的先验，并基于迭代加权最小二乘对初始模糊核和潜在图像求解；采用改进的自适应引导滤波对求解结果进一步优化，保持图像的边缘信息。在一种实现方式中，所述采用采用流行正则化随机游走显著性检测模糊区域的显著图具体为：根据定位和消除错误边界的手段来优化边界所产生的影响，获取背景显著性值；根据前景查询的显著性估计来优化单纯的背景查询；基于随机游走模型，提出拟合约束，用于继承前景查询的显著性值，获取最终的显著性图。在一种实现方式中，所述将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化具体为：引入图像分割项li，将图像分割为不同的图层，对各个图层进行模糊核估计以及清晰潜像的恢复。在一种实现方式中，所述改进的自适应引导滤波具体为：采用加权最小二乘滤波器WLS构造引导图像：其中，WLS(G)v为加权最小二乘滤波器WLS构造的引导图像，Gv为图像像素的空间位置v对应的引导图像，Iv为图像像素的空间位置v对应的输入图像，v表示图像像素点(x,y)的空间位置，指数τ决定了输入图像I在像素点v(x,y)梯度变化的敏感度，η是平滑项参数，和分别是G在x和y方向上的一阶偏导数，表示图像的陡峭程度；τx,v和τy,v为细化的权重系数；根据引导图像与输出图像之间的局部线性模型，将所有像素的局部方差的平均值纳入引导滤波的代价函数中；引入自适应放大因子β抑制噪声。第二方面，一种基于视觉显著性的局部运动去模糊装置，所述装置包括：检测与标记模块，用于采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；第一获取模块，用于采用基于遗传的大津法对显著图进行二值化操作，将模糊前景与清晰背景分割成不同的图层，获取到前景、背景分割二值化图像；第一优化模块，用于将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化，迭代估计初始模糊核和潜在图像；第二获取模块，用于列出初始模糊核和潜在图像的先验，并基于迭代加权最小二乘对初始模糊核和潜在图像求解；第二优化模块，用于采用改进的自适应引导滤波对求解结果进一步优化，保持图像的边缘信息。在一种实现方式中，所述检测与标记模块包括：检测单元，用于根据定位和消除错误边界的手段来优化边界所产生的影响，获取背景显著性值；根据前景查询的显著性估计来优化单纯的背景查询；拟合约束单元，用于基于随机游走模型，提出拟合约束，用于继承前景查询的显著性值，获取最终的显著性图。在一种实现方式中，所述第一优化模块包括：分割与恢复单元，用于引入图像分割项li，将图像分割为不同的图层，对各个图层进行模糊核估计以及清晰潜像的恢复。第三方面，一种基于视觉显著性的局部运动去模糊装置，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行第一方面所述的方法步骤。第四方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行第一方面所述的方法步骤。本专利技术提供的技术方案的有益效果是：1、针对最大化后验去模糊框架中模糊核和潜在图像的求解问题，本专利技术采用一种有效的迭代加权最小二乘算法来优化物体运动模糊估计模型求解，即在用拉普拉斯先验求解模糊核，稀疏图像梯度先验求解清晰潜像的基础上，进一步解决原有算法存在最优解不准确，算法效率低这一问题；2、本专利技术采用改进的自适应引导滤波算法解决了严重的运动模糊中纹理边缘细节难恢复的问题，通过保持图像的边缘信息，自适应抑制噪声，进一步提高了图像的清晰度，丰富了图像的细节信息。附图说明图1为本专利技术提供的一种基于视觉显著性的局部运动去模糊方法的流程图；图2为本专利技术提供的一种基于视觉显著性的局部运动去模糊方法的另一流程图；图3为局部运动模糊图像的示意图；图4为对图3去模糊处理后的目标图像的示意图；图5为另一局部运动模糊图像的示意图；图6为对图5去模糊处理后的目标图像的示意图；图7为另一局部运动模糊图像的示意图；图8为对图7去模糊处理后的目标图像的示意图；图9为本专利技术提供的一种基于视觉显著性的局部运动去模糊装置的结构示意图；图10为检测与标记模块的结构示意图；图11为本专利技术提供的一种基于视觉显著性的局部运动去模糊装置的另一结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。参见图1，本专利技术实施例提出了一种基于视觉显著性的局部运动去模糊方法，该方法包括以下步骤：步骤101：采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；由本文档来自技高网...

【技术保护点】
1.一种基于视觉显著性的局部运动去模糊方法，其特征在于，所述方法包括：/n采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；/n采用基于遗传的大津法对显著图进行二值化操作，将模糊前景与清晰背景分割成不同的图层，获取到前景、背景分割二值化图像；/n将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化，迭代估计初始模糊核和潜在图像；/n列出初始模糊核和潜在图像的先验，并基于迭代加权最小二乘对初始模糊核和潜在图像求解；/n采用改进的自适应引导滤波对求解结果进一步优化，保持图像的边缘信息。/n

【技术特征摘要】
1.一种基于视觉显著性的局部运动去模糊方法，其特征在于，所述方法包括：
采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；
采用基于遗传的大津法对显著图进行二值化操作，将模糊前景与清晰背景分割成不同的图层，获取到前景、背景分割二值化图像；
将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化，迭代估计初始模糊核和潜在图像；
列出初始模糊核和潜在图像的先验，并基于迭代加权最小二乘对初始模糊核和潜在图像求解；
采用改进的自适应引导滤波对求解结果进一步优化，保持图像的边缘信息。


2.根据权利要求1所述的一种基于视觉显著性的局部运动去模糊方法，其特征在于，所述采用采用流行正则化随机游走显著性检测模糊区域的显著图具体为：
根据定位和消除错误边界的手段来优化边界所产生的影响，获取背景显著性值；
根据前景查询的显著性估计来优化单纯的背景查询；
基于随机游走模型，提出拟合约束，用于继承前景查询的显著性值，获取最终的显著性图。


3.根据权利要求1所述的一种基于视觉显著性的局部运动去模糊方法，其特征在于，所述将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化具体为：
引入图像分割项li，将图像分割为不同的图层，对各个图层进行模糊核估计以及清晰潜像的恢复。


4.根据权利要求1所述的一种基于视觉显著性的局部运动去模糊方法，其特征在于，所述改进的自适应引导滤波具体为：
采用加权最小二乘滤波器WLS构造引导图像：



其中，WLS(G)v为加权最小二乘滤波器WLS构造的引导图像，Gv为图像像素的空间位置v对应的引导图像，Iv为图像像素的空间位置v对应的输入图像，v表示图像像素点(x,y)的空间位置，指数τ决定了输入图像I在像素点v(x,y)梯度变化的敏感度，η是平滑项参数，和分别是G在x和y方向上的一阶偏导数，表示图像的陡峭程度；τx，v和τy，v为细化的权重系数；
根据引导图像与输出图像之间的局...

【专利技术属性】
技术研发人员：贾振红，张滕滕，
申请(专利权)人：新疆大学，
类型：发明
国别省市：新疆;65