基于矩阵秩最小化的恢复水下失真图像的重构方法技术

本发明专利技术提出一种基于矩阵秩最小化的恢复水下失真图像的重构方法，包括如下步骤：输入失真的水下图像序列，并对所述图像序列中的每帧图像进行分块预处理；根据所述分块预处理后的图像序列建立数学模型；以及对所述凸优化模型进行求解，得到恢复后的图像序列。根据本发明专利技术实施例的基于矩阵秩最小化的恢复水下失真图像的重构方法，借鉴水波运动的物理模型，模拟水面水波的运动，进而简化对水面水波运动的分析与处理。并且采用高效的凸优化方法，使得该方法实现起来简单而高效，且稳定性强。

【技术实现步骤摘要】

本专利技术涉及计算机视觉
，特别涉及一种基于矩阵秩最小化的恢复水下 失真图像的重构方法。
技术介绍
通过相机或摄像机拍摄景物时，成像的过程中相机或摄像机与被拍摄的场景之 间通常存储会造成拍摄的图像或图像序列存在严重的失真的中间介质。例如当相机或 摄像机处在池塘水面的上方，拍摄水下的场景，拍摄的图像或图像序列会由于水波的运 动而产生严重的失真。航拍得到的图像中往往存在由大气的不规则运动引起的失真。 在拍摄的过程中，静止的摄像机位于水面的上方，用于拍摄水下的场景。由于 水的固有的液体的流动性，造成复杂的反射、折射和水波的运动等影响，使得拍摄者难 以获得稳定的、无失真的水下场景的图像。为获得稳定的、无失真的水下场景的图像，可以采用如下方法对这一系列图 像做平均，然后得到一幅恢复出来的图像。在某些情况下，这种简单易行的方法也能取 得不错的效果。但是，对于恢复由水面水波的运动造成的水下失真图像而言，这种平均 的方法并不能取得好的效果。这是因为水面的波动造成的水下场景图像失真较大，简单 地平均并不能处理好水面水波的运动带来的复杂的影响。另外一种方法，对于图像中一个小的局部而言，假定存在一个时刻，这个局部 的水面是比较平整的，观测到的水下场景图像是近似无失真的。通过跟踪图像序列中的 一个个小块，对这些小块进行流形嵌入建模，并定义一种流形上的全局距离，找出该流 形的中心，认为这个中心对应的小块便是接近于无失真的图像小块，由此恢复出近似无 失真的图像。
技术实现思路
本专利技术的目的旨在至少解决上述技术缺陷之一，特别提出了一种基于矩阵秩最 小化的恢复水下失真图像的重构方法，该方法具有效率高、稳定性强的特点。为达到上述目的，本专利技术的实施例提出了一种基于矩阵秩最小化的恢复水下失 真图像的重构方法，包括如下步骤输入失真的水下图像序列，并对所述图像序列中的每帧图像进行分块预处理；根据所述分块预处理后的图像序列建立数学模型；以及对所述凸优化模型进行求解，得到恢复后的图像序列。根据本专利技术实施例的，具有 以下优点(1)借鉴水波运动的物理模型，模拟水面水波的运动，进而简化对水面水波运动 的分析与处理；(2)采用高效的凸优化方法，使得该方法实现起来简单而高效，且稳定性强。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中 变得明显，或通过本专利技术的实践了解到。附图说明 本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中图1为根据本专利技术实施例的 的流程框图；图2为自水面上方拍摄水下场景的示意图；图3为根据本专利技术实施例的 的流程示意图；以及图4为根据本专利技术实施例的水波基的示意图。 具体实施例方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至 终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参 考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。下面参考图1至图4描述根据本专利技术实施例的基于矩阵秩最小化的恢复水下失真 图像的重构方法。如图1所示，根据本专利技术实施例的基于矩阵秩最小化的恢复水下失真图像的重 构方法包括如下步骤SlOl 输入失真的水下图像序列，并对图像序列中的每帧图像进行分块预处 理；首先，输入由摄像机从水面上方拍摄的水下场景的图像序列。如图2所示，摄 影机从距离水面高度为h0处，拍摄水面方的场景。由于水面波动的存在，摄影机拍摄得 到的图像存在失真。其中，摄影机的拍摄频率为125Hz。摄像机距离水面的高度h0为 0.5米。在本专利技术的一个实施例中，摄像机拍摄到的图像序列共61帧。由于图像的分辨率较高，可以对图像序列中的每帧图像进行分块预处理。如图3 所示，将图像分成多个合适大小的互不重叠的图像块。在本专利技术的一个实施例中，图像 块的像素尺寸为WXh = 57X40 = 2280，且各个图像块的像素尺寸相等。将每帧图像中 对应位置上的图像块组成新的图像序列作为输入，生成输入矩阵D e R2280x61 0S102 根据分块预处理后的图像序列建立数学模型；S1021 对无失真图像建立低秩模型；在步骤SlOl中，由摄像机拍摄得到的水下失真图像序列为di(x) = ag(x + w]\x)),其中，Ci1(X)为第i帧图像，1盗《n，X为图像中的像素坐标，对应的无失真 图像，wfO)为引起第i帧图像失真的水波运动的二维投影。将每幅图像拉为一个列向量，记运算符vec Rwxh — Rm表示选择将wXh大小的图像拉为一个m = WXh维的列向量，并将各帧图像对应的列向量排列为矩阵权利要求1.一种，其特征在于，包括如下 步骤输入失真的水下图像序列，并对所述图像序列中的每帧图像进行分块预处理； 根据所述分块预处理后的图像序列建立数学模型；以及 对所述凸优化模型进行求解，得到恢复后的图像序列。2.如权利要求1所述的重构方法，其特征在于，所述对图像序列中的每帧图像进行分 块预处理进一步包括将所述失真的水下图像序列的每帧图像分为一个或一个以上的图像块，所述图像块互相不重叠。3.如权利要求2所述的重构方法，其特征在于，所述图像块的像素尺寸相等。4.如权利要求1所述的重构方法，其特征在于，所述根据分块预处理后的图像序列建 立数学模块进一步包括根据水下无失真图像序列和所述分块预处理后的图像序列建立低秩模型； 根据所述分块预处理后的图像序列进行一阶线性化近似，建立一阶线性化近似模型；根据所述一阶线性化近似模型建立水波模拟模型；以及 根据所述低秩模型和水波模拟模型建立凸优化模型。5.如权利要求4所述的重构方法，其特征在于，所述分块预处理后的图像序列为 dix) = ag{x + wf{x))其中，Ci1(X)为第i帧图像，l^fen，X为图像中的像素坐标，、为对应的无失真图像， wfO)为引起第i帧图像失真的水波运动的二维投影。6.如权利要求5所述的重构方法，其特征在于，所述低秩模型为当W(D)= A+E 时，f恶 rank(A) + Y\E\^其中，Hink(A)为低秩矩阵 A 的秩， ，…vec(a ) eRmxn a a .aA =L」，为对应每帧图像的无失真图像序列，IEltl Slci范数，表示误差矩阵E中非零元素的个 数，E^ eRmx ，ei、e2...en 为各帧图像的误差，γ 为权重系数，,vec(d, U (x)))L|vec(j (w (x))) GRmxn (χ)、W2(x)—Wn(x)分另,」为 W(D) =L11」，i2 ηV^1Cx)、W21Cx)... W=1Cx)的逆函数，所述Vt^1Cx)、W21Cx)... W=1Cx)分别为各巾贞图像失真的水波运动的二维投影。7.如权利要求6所述的重构方法，其特征在于，所述一阶线性近似模型为O+Tf^OujWuj+JvjWv^7 =A+E，其中，Ju,工为第i帧图像在水平方向上的雅可比矩阵，Jv,工为第i帧图像在竖直方向 上的雅可比矩阵，Ju, , e Rmxm, Jv, , e Rmxm ； wu, wv, , e Rmxi为水面水波运动的运动 矢量，ε, e Rnxi为n维的单位向量，其中第i个位置上的元素为1，其他位置上的元素为0。8.如权利要求7所述本文档来自技高网...

【技术保护点】
一种基于矩阵秩最小化的恢复水下失真图像的重构方法，其特征在于，包括如下步骤：输入失真的水下图像序列，并对所述图像序列中的每帧图像进行分块预处理；根据所述分块预处理后的图像序列建立数学模型；以及对所述凸优化模型进行求解，得到恢复后的图像序列。

【技术特征摘要】

【专利技术属性】
技术研发人员：戴琼海，彭义刚，徐文立，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]