本申请公开了一种模糊图像的大位移光流估计方法、装置及电子设备，该方法包括：获取连续的两帧模糊图像；根据模糊不变基底色特征，确定前一帧图像和后一帧图像之间的粗配准位移矢量场；根据模糊不变形状特征，确定前一帧图像和后一帧图像之间的细配准位移矢量场；根据粗配准位移矢量场和细配准位移矢量场，确定初步光流矢量；根据预设小位移光流估计模型，确定小位移光流矢量；根据初步光流矢量和小位移光流矢量，确定大位移光流矢量。本技术方案不仅实现了对模糊图像进行大位移光流估计，而且保证了模糊图像的大位移光流估计的可靠度。且保证了模糊图像的大位移光流估计的可靠度。且保证了模糊图像的大位移光流估计的可靠度。
【技术实现步骤摘要】
一种模糊图像的大位移光流估计方法、装置及电子设备
[0001]本专利技术涉及图像处理领域，尤其涉及一种模糊图像的大位移光流估计方法、装置及电子设备。
技术介绍
[0002]光流估计是计算机视觉研究领域中图像序列处理技术的基础问题，其研究目的是通过估计图像中像素点的位移来计算相邻帧之间物体的运动信息，具体就是估计第一帧中每个像素在第二帧中的对应匹配像素。目前，光流估计技术在图像配准、运动估计、视图插值等领域中都得到了广泛应用。
[0003]然而，现有的光流估计技术，不管是大位移光流估计还是小位移光流估计技术，处理的对象都是清晰图像，但是实际高机动平台获取的视频图像序列常为单边模糊图像，或者前后两帧均为模糊图像，且是大位移运动；而大位移光流估计方法由于种种原因，导致估计精度不高；小位移光流估计方法估计精度高，但又只适用于小位移光流估计问题。
[0004]因此，现有技术中存在获取模糊图像的大位移光流估计时，估计结果精度低的问题。
技术实现思路
[0005]有鉴于此，有必要提供一种模糊图像的大位移光流估计方法、装置及电子设备，能够获取模糊图像的大位移估计结果，并且保证模糊图像的大位移估计结果精度。
[0006]为了实现上述目的，本专利技术提供一种模糊图像的大位移光流估计方法、装置及电子设备，该方法包括：
[0007]获取连续的两帧模糊图像；
[0008]根据模糊不变基底色特征，确定前一帧图像和后一帧图像之间的粗配准位移矢量场；
[0009]根据模糊不变形状特征，确定前一帧图像和后一帧图像之间的细配准位移矢量场；
[0010]根据粗配准位移矢量场和细配准位移矢量场，确定初步光流矢量；
[0011]根据预设小位移光流估计模型，确定小位移光流矢量；
[0012]根据初步光流矢量和小位移光流矢量，确定大位移光流矢量。
[0013]优选地，根据模糊不变基底色特征，确定前一帧图像和后一帧图像之间的粗配准位移矢量场，包括：
[0014]获取前一帧图像中各像素点的基底色不变量，并将前一帧图像划分成多个参考区域；
[0015]根据多个参考区域的基底色不变量，确定前一帧图像的参考基底色特征；
[0016]根据前一帧图像的参考基底色特征，划分后一帧图像为多个待配准区域，其中，多个待配准区域与多个参考区域一一对应；
[0017]分别获取多个待配准区域和多个参考区域的质心，确定粗配准位移矢量场。
[0018]优选地，获取前一帧图像中各像素点的基底色不变量，包括：
[0019]将前一帧图像的像素模式转换为基底色不变量模式，确定前一帧图像中各像素点的基底色不变量。
[0020]优选地，根据模糊不变形状特征，确定前一帧图像和后一帧图像之间的细配准位移矢量场，包括：
[0021]获取粗配准后的前一帧图像的灰度图，确定参考边缘轮廓；
[0022]获取粗配准后的后一帧图像的灰度图，确定待配准边缘轮廓；
[0023]根据参考边缘轮廓和待配准边缘轮廓，确定模糊不变形状特征；
[0024]根据模糊不变形状特征，确定细配准位移矢量场。
[0025]优选地，根据参考边缘轮廓和待配准边缘轮廓，确定模糊不变形状特征，包括：
[0026]根据参考边缘轮廓和待配准边缘轮廓，确定参考角点和待配准角点；
[0027]根据参考角点和待配准角点，确定模糊不变形状特征。
[0028]优选地，根据参考角点和待配准角点，确定模糊不变形状特征，包括：
[0029]根据参考角点和待配准角点，通过筛选、增添和做切线处理，得到参考模糊不变角和待配准模糊不变角；
[0030]根据参考模糊不变角和待配准模糊不变角，得到参考角平分线和待配准角平分线，确定模糊不变形状特征。
[0031]优选地，根据预设小位移光流估计模型，确定小位移光流矢量，包括：
[0032]根据预设小位移光流估计模型，设置初始值为零，通过迭代计算估计，确定小位移光流矢量。
[0033]优选地，根据初步光流矢量和小位移光流矢量，确定大位移光流矢量，包括：
[0034]将初步光流矢量和小位移光流矢量相加，确定大位移光流矢量。
[0035]为了实现上述目的，本专利技术还提供一种模糊图像的大位移光流估计装置，包括：
[0036]模糊图像获取模块，用于获取连续的两帧模糊图像；
[0037]粗配准位移矢量场确定模块，用于根据模糊不变基底色特征，确定前一帧图像和后一帧图像之间的粗配准位移矢量场；
[0038]细配准位移矢量场确定模块，用于确定前一帧图像和后一帧图像之间的细配准位移矢量场；
[0039]初步光流矢量确定模块，用于根据粗配准位移矢量场和细配准位移矢量场，确定初步光流矢量；
[0040]小位移光流矢量确定模块，用于根据预设小位移光流估计模型，确定小位移光流矢量；
[0041]大位移光流矢量确定模块，用于根据初步光流矢量和小位移光流矢量，确定大位移光流矢量。
[0042]为了实现上述目的，本专利技术还提供一种电子设备，包括处理器以及存储器，存储器上存储有模糊图像的大位移光流估计控制程序，模糊图像的大位移光流估计控制程序被处理器执行时，实现如上文所述的模糊图像的大位移光流估计方法。
[0043]采用上述技术方案的有益效果是：本专利技术提供一种模糊图像的大位移光流估计方
法、装置及电子设备，该方法包括：获取连续的两帧模糊图像；根据模糊不变基底色特征，确定前一帧图像和后一帧图像之间的粗配准位移矢量场；根据模糊不变形状特征，确定前一帧图像和后一帧图像之间的细配准位移矢量场；根据粗配准位移矢量场和细配准位移矢量场，确定初步光流矢量；根据预设小位移光流估计模型，确定小位移光流矢量；根据初步光流矢量和小位移光流矢量，确定大位移光流矢量。通过上述方式，先提取模糊图像的模糊不变特征，根据模糊不变特征，对模糊图像进行配准处理，确定模糊图像的初步光流矢量；然后再利用现有的小位移光流估计模型获取小位移光流矢量，最终根据初步光流矢量和小位移光流矢量，确定两帧模糊图像的大位移光流矢量。本技术方案不仅通过提取模糊图像的模糊不变特征，实现了对模糊图像进行大位移光流估计，而且将模糊图像的大位移问题转化为小位移光流估计问题，基于小位移光流估计的技术稳定成熟且估计结果精度高的特点，保证了模糊图像的大位移光流估计的可靠度。
附图说明
[0044]图1为本专利技术提供的模糊图像的大位移光流估计方法一实施例的流程示意图；
[0045]图2为本专利技术提供的确定两帧模糊图像的粗配准位移矢量场一实施例的流程示意图；
[0046]图3为本专利技术提供的确定两帧模糊图像的细配准位移矢量场一实施例的流程示意图；
[0047]图4为本专利技术提供的模糊图像的大位移光流估计装置的结构示意图；
[0048]图5为本专利技术提供的电子设备一实施例的结构框图。
具体实施方式
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模糊图像的大位移光流估计方法，其特征在于，包括：获取连续的两帧模糊图像；根据模糊不变基底色特征，确定前一帧图像和后一帧图像之间的粗配准位移矢量场；根据模糊不变形状特征，确定所述前一帧图像和所述后一帧图像之间的细配准位移矢量场；根据所述粗配准位移矢量场和所述细配准位移矢量场，确定初步光流矢量；根据预设小位移光流估计模型，确定小位移光流矢量；根据所述初步光流矢量和所述小位移光流矢量，确定大位移光流矢量。2.根据权利要求1所述的模糊图像的大位移光流估计方法，其特征在于，所述根据模糊不变基底色特征，确定前一帧图像和后一帧图像之间的粗配准位移矢量场，包括：获取所述前一帧图像中各像素点的基底色不变量，并将所述前一帧图像划分成多个参考区域；根据所述多个参考区域的所述基底色不变量，确定所述前一帧图像的参考基底色特征；根据所述前一帧图像的所述参考基底色特征，划分所述后一帧图像为多个待配准区域，其中，所述多个待配准区域与所述多个参考区域一一对应；分别获取所述多个待配准区域和所述多个参考区域的质心，确定所述粗配准位移矢量场。3.根据权利要求2所述的模糊图像的大位移光流估计方法，其特征在于，所述获取所述前一帧图像中各像素点的基底色不变量，包括：将所述前一帧图像的像素模式转换为基底色不变量模式，确定所述前一帧图像中各像素点的基底色不变量。4.根据权利要求1所述的模糊图像的大位移光流估计方法，其特征在于，所述根据模糊不变形状特征，确定所述前一帧图像和所述后一帧图像之间的细配准位移矢量场，包括：获取粗配准后的所述前一帧图像的灰度图，确定参考边缘轮廓；获取粗配准后的所述后一帧图像的灰度图，确定待配准边缘轮廓；根据所述参考边缘轮廓和所述待配准边缘轮廓，确定所述模糊不变形状特征；根据所述模糊不变形状特征，确定所述细配准位移矢量场。5.根据权利要求4所述的模糊图像的大位移光流估计方法，其特征在于，所述根据所述参考边缘轮廓和所述待配准边缘轮廓，确定所述模糊不变形状特征，包括：根据所述参考边缘轮廓...
【专利技术属性】
技术研发人员：时愈，周怡欣，王磊，黄正华，马雷，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：
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。