基于运动检测的手机拍摄图像修复方法技术

本发明专利技术公开了一种基于运动检测的手机拍摄图像修复方法，主要解决现有技术在纹理丰富、结构复杂以及有明显轮廓的场景下图像修复不准确的问题。其实现步骤是，首先利用快门帧拍摄前短时间内的拍摄准备帧，进行基于混合高斯背景模型的背景模型训练，得到接近真实场景的背景模型；然后由运动检测模块进行轮廓提取、误检纠正和运动目标序列提取，获得可供用户擦除的运动目标序列；最后在用户选择的目标修复范围内，用背景模型帧的像素值替换目标中相应位置的像素值，从而完成图像信息修复，得到不包含运动障碍物的快门帧图像。本发明专利技术能够准确地修复上述场景下图像中的目标擦除区域，可用于智能手机的图像拍摄。

【技术实现步骤摘要】

本专利技术属于视频及图像处理
，涉及图像修复，是ー种通过目标检测技木，擦除图像中突然闯入的运动目标的ー种方法，主要用于智能手机拍摄图像的修复。
技术介绍
随着智能手机的广泛应用，使用者对智能手机的拍照功能提出了更高的要求。使用者在拍照吋，由于环境人多繁杂，画面中经常会闯入不速之客，使照片看起来杂乱，并产生运动拖影模糊，影响照片的整体效果。于是需要对这种闯入者进行次要目标物擦除。 传统的次要目标图像擦除技木，是利用擦除区域周围的相关像素信息来估计可填充擦除掉次要目标后该位置的像素值。基本方法有以下三种一、基于偏微分方程方法。这种方法是利用待修补区域的边缘信息，确定扩散信息和扩散方向，从区域边界各向异性地向边界内扩散。该方法针对小裂缝形式的图像修补，面对较大图像块的修补效果不佳。ニ、基于图像分解方法。这种方法是将图像分解成结构部分和纹理部分，结构部分采用基本图像修复算法修补，纹理部分采用纹理合成方法填充。该方法容易存在局部区域不能修补的情况。三、基于样本的纹理合成方法。这种方法从待修补区域的边界上选取ー个像素点，以该点为中心，根据图像的纹理特征，选取大小合适的纹理块，再在修补区域的周围寻找与之相近的纹理匹配块，来替代该纹理块，该方法在轮廓线明显和纹理丰富的情况下很难取得较好的效果。上面的三种基本方法都是利用单帧图像信息来进行图像修复的，而且都存在着修复不真实的情况，尤其在纹理丰富的情况下，会产生错误纹理信息，使得修复效果不理想。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出了ー种，快速删除快门帧图像中非拍摄主体的运动障碍物，准确有效地修复图像信息，提高拍照效果。为实现上述目的，本专利技术的技术方案包括如下步骤( I)用混合高斯背景建模方法，构建手机拍摄场景的高斯背景模型，根据手机拍摄图像帧序列的当前帧与高斯背景模型帧的差值匹配进行运动前景检测，得到运动前景图；(2)从运动前景检测获得的运动前景图中提取运动目标，生成检测团块列表(2a)进行目标最外层轮廓检测(2al)从运动前景图像中的左上角出发，按从左到右、自上而下的顺序找出其新的边界点，若找不到则完成前景图像中所有目标最外层轮廓检测，否则将该新的边界点作为初始边界点S,通过轮廓跟踪完成包含边界点S的目标的最外层轮廓检测,令该边界点S为当前边界点D ；(2a2)记录当前边界点D的坐标，根据当前边界点D的边界链码方向，寻找其相邻边界点N ；(2a3)判断是否能找到相邻边界点N，若找不到，则完成包含边界点S的目标的最外层轮廓检测，返回步骤(2al);否则判断边界点N是否与初始边界点S重合，如果重合则完成包含边界点S的目标的最外层轮廓检测，返回步骤(2al)，否则以N作为当前边界点D，返回步骤(2a2)；(2b)计算检测出的目标最外层轮廓的特征信息根据每个目标最外层轮廓的点坐标信息，求出该目标的形心(^')，宽W和高H这三个特征本文档来自技高网...

【技术保护点】
一种基于运动检测的手机拍摄图像修复方法，包括如下步骤：（1）用混合高斯背景建模方法，构建手机拍摄场景的高斯背景模型，根据手机拍摄图像帧序列的当前帧与高斯背景模型帧的差值匹配进行运动前景检测，得到运动前景图；（2）从运动前景检测获得的运动前景图中提取运动目标，生成检测团块列表：（2a）进行目标最外层轮廓检测：（2a1）从运动前景图像中的左上角出发，按从左到右、自上而下的顺序找出其新的边界点，若找不到则完成前景图像中所有目标最外层轮廓检测，否则将该新的边界点作为初始边界点S，通过轮廓跟踪完成包含边界点S的目标的最外层轮廓检测，令该边界点S为当前边界点D；（2a2）记录当前边界点D的坐标，根据当前边界点D的边界链码方向，寻找其相邻边界点N；（2a3）判断是否能找到相邻边界点N，若找不到，则完成包含边界点S的目标的最外层轮廓检测，返回步骤（2a1）；否则判断边界点N是否与初始边界点S重合，如果重合则完成包含边界点S的目标的最外层轮廓检测，返回步骤（2a1），否则以N作为当前边界点D，返回步骤（2a2）；（2b）计算检测出的目标最外层轮廓的特征信息：根据每个目标最外层轮廓的点坐标信息，求出该目标的形心宽W和高H这三个特征：i‾=Σn=1Npnif(pni,pnj)Σn=1Nf(pni,pnj),j‾=Σn=1Npnjf(pni,pnj)Σn=1Nf(pni,pnj),W=4×Σn=1N(pni)2f(pni,pnj)Σn=1Nf(pni,pnj)-[Σn=1Npnif(pni,pnj)]2,H=4×Σn=1N(pnj)2f(pni,pnj)Σn=1Nf(pni,pnj)-[Σn=1Npnjf(pni,pnj)]2,其中，和分别为第n个轮廓点的x轴和y轴坐标，为第n个轮廓点的像素灰度值，N为目标最外层轮廓的像素点个数；（2c）根据获得的目标最外层轮廓特征信息按照临近原则对目标进行聚合处理：对于步骤（2a）得到的任意两个目标，如目标A和目标B，计算其形心距DisAB：DisAB=(i‾A-i‾B)2+(j‾A-j‾B)2,若则将目标A和目标B聚合成为目标C，并删除目标A和目标B，得到目标C的形心为宽WC、高HC分别为：i‾C=i‾A+i‾B2,j‾C=j‾A+j‾B2,WC=WA+WB2,HC=HA+HB2,其中，和分别为目标A形心的x轴和y轴坐标，和分别为目标B形心的x轴和y轴坐标，WA和HA分别为目标A的宽和高，WB和HB分别为目标B的宽和高，αdis为形心距系数，其取值范围为：1.2≤αdis≤1.4；（2d）将每个目标的最外层轮廓特征信息描述成团块结构，并将当前帧获取的所有团块结构依次排列，生成检测团块列表；（3）利用特征匹配方法对检测团块列表中的团块进行运动团块跟踪，更新跟踪团块列表：（3a）若跟踪团块列表为空，则将当前帧的检测团块列表直接添加到跟踪团块列表；（3b）若跟踪团块列表不为空，则遍历当前帧的检测团块列表和跟踪团块列表，通过计算检测团块列表和跟踪团块列表中每一个团块间的相似度进行团块匹配；（4）利用跟踪团块列表、运动前景图像和背景模型完成运动目标的图像信息修复。FDA00001894795800011.jpg,FDA00001894795800022.jpg,FDA00001894795800023.jpg,FDA00001894795800024.jpg,FDA00001894795800026.jpg,FDA00001894795800027.jpg,FDA000018947958000212.jpg,FDA000018947958000213.jpg,FDA000018947958000214.jpg,FDA000018947958000215.jpg...

【技术特征摘要】
1.一种基于运动检测的手机拍摄图像修复方法，包括如下步骤 (1)用混合高斯背景建模方法，构建手机拍摄场景的高斯背景模型，根据手机拍摄图像帧序列的当前帧与高斯背景模型帧的差值匹配进行运动前景检测，得到运动前景图； (2)从运动前景检测获得的运动前景图中提取运动目标，生成检测团块列表 (2a)进行目标最外层轮廓检测 (2al)从运动前景图像中的左上角出发，按从左到右、自上而下的顺序找出其新的边界点，若找不到则完成前景图像中所有目标最外层轮廓检测，否则将该新的边界点作为初始边界点S,通过轮廓跟踪完成包含边界点S的目标的最外层轮廓检测,令该边界点S为当前边界点D ； (2a2)记录当前边界点D的坐标，根据当前边界点D的边界链码方向，寻找其相邻边界点N; (2a3)判断是否能找到相邻边界点N，若找不到，则完成包含边界点S的目标的最外层轮廓检测，返回步骤(2al);否则判断边界点N是否与初始边界点S重合，如果重合则完成包含边界点S的目标的最外层轮廓检测，返回步骤(2al)，否则以N作为当前边界点D，返回步骤(2a2)； (2b)计算检测出的目标最外层轮廓的特征信息 根据每个目标最外层轮廓的点坐标信息，求出该目标的形心( ，フ)，宽W和高H这三个特征2.如权利要求I所述的手机拍摄图像修复方法，其中步骤(I)所述的用混合高斯背景建模方法，构建手机拍摄场景的高斯背景模型，按如下步骤进行 (Ia)对视频帧图像中的每个像素建立M个高斯模型，将第一个高斯模型的均值U。初始化为第一帧图像的像素值，其余高斯模型的均值Ui初始化为随机值，0〈i〈M;将所有高斯模型标准差0初始化为10，将第一个高斯模型的权重％设为3.如权利要求I所述的手机拍摄图像修复方法，其中步骤(I)所述的根据手机拍摄图像帧序列的当前帧与高斯背景模型帧的差值匹配进行运动前景检测，得到运动前景图，按如下步骤进行 (Ic)计算当前帧图像每ー个像素的颜色值V与之对应的各高斯模型均值U i的差值绝对值A ^Iv-U」，并将差值绝对值与差值阈值TJ3X ...

【专利技术属性】
技术研发人员：田玉敏，唐铭谦，蒙安魁，李玥江，冯艳，蔡苗苗，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：