CN104240186B - 一种单帧视频图像清晰度提高的方法 - Google Patents

Abstract

针对视频监控图像在薄云薄雾等雾霾恶劣天气情况下显示不够清楚、监视效果差的问题，发明了一种单帧视频图像清晰度提高的方法，涉及视频图像处理技术。利用离散傅立叶变换将视频图像变换到频域，在频域对低频进行截断处理，利用离散傅立叶变换反变换到时域，接着应用高频算子捕捉视频图像的高频细节信息，最后将原始图像和高频细节图像相加就得到了清晰度提高的视频图像。本发明巧妙地应用了图像数据的时频转换特性和高频细节提升性能，将图像的频域处理和时域处理有机结合，从而可以有效地调整视频图像的清晰度，自适应去减弱视频图像中薄云/薄雾等影响，因此本发明具有较强的高效性和实用性。

Description

一种单帧视频图像清晰度提高的方法

技术领域

本发明涉及视频图像处理的技术领域，是一种视频图像清晰度提高的方法，以准确而清晰地显示有云雾等干扰下的视频图像。

背景技术

随着视频监控系统的应用越来越广泛，在一些室外图像监控系统中，由于在恶劣天气(如雾天、雨天以及夜晚光照不足等)情况下，图像的细节已经丢失甚至模糊不清，视频图像中蕴含的许多特征都被覆盖或模糊，严重影响了监控系统效能的发挥。如何还原视频图像的细节信息，提高原始视频图像的清晰度成为室外视频监控系统处理的一个重要内容。

目前视频图像提高清晰度的办法主要有基于Retinex图像增强方法、超分辨率图像重建方法和直方图调整的方法。基于Retinex图像增强方法主要根据颜色恒常理论，认为物体色彩不受光照非均匀性影响，具有一致性，故可将一幅影像中的照度量与散射量分开以消除反射量对照度的影响，其关键是在对照度影像的估计。为了达到较好效果常采用多尺度的方法对每一帧图像进行不同尺度及参数的高斯低通滤波，滤波结果取模极小提取各帧背景信息，通过融合多帧图像背景，获取该时刻上视频图像的准确背景，使用该背景进行Retinex算法增强。但是多尺度Retinex图像清晰度增强方法，算法复杂度高，且估计的背景照度影像适应性有限。

超分辨率图像重建方法主要针对图像对比度低、图像模糊和噪声突出的问题，采用凸集投影的超分辨率图像重建与增强算法，重建中需要不断的迭代约束，并采用抑制噪声和突出细节的策略。这类方法一般需要获取多帧视频图像数据，而且迭代过程复杂，有可能不收敛。

直方图均衡算法简单，实现起来容易，有较好的增强效果明，实时性好，能够满足一般图像增强的要求。主要应用于光照变化条件下的图像清晰度提高。

综上所述，现有方法对室外恶劣天气下视频图像清晰度提高方法适用性有限，对于单帧视频图像的清晰度提高处理不是很好，很难达到满意的清晰度提高效果。

发明内容

(一)要解决的技术问题

为解决上的问题，本发明提供了一种单帧视频图像清晰度提高的方法，以提高视频监视图像的显示效果。

(二)技术方案

根据本发明的一个方面，提供了一种单帧视频图像清晰度提高的方法，包括：利用离散傅立叶变换将二维视频图像数据变换到二维频域，并在频域进行低频截断处理；利用离散傅立叶反变换将低频截断后的数据反变换得到图像数据；利用高频提升算子对视频图像数据进行高频提升，再将高频提升的图像和原始视频图像相加处理即得到清晰度提高的视频图像。

(三)有益效果

从上述技术方案可以看出，本发明单帧视频图像清晰度提高的方法具有以下的有益效果：

(1)应用离散傅立叶变换提取视频图像的频域信息，通过对低频部分进行截断处理而仅仅获取视频图像的高频信息，通过傅立叶反变换实现了图像高频信息的有效捕捉。

(2)应用高频提升的方法，对获取的高频信息进行细节的提升，从而大大增强了视频图像的高频细节的表达能力，对场景有较好适应性。

附图说明

图1为本发明实施例单帧视频图像清晰度提高方法的流程图。

图2为本发明实施例单帧视频图像清晰度提高方法中所采用的一帧视频图像。

图3为本发明实施例单帧视频图像清晰度提高方法对图2进行处理后的视频图像。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。在附图中以简化或是方便标示，且附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。

本发明单帧视频图像清晰度提高的方法，首先利用离散傅立叶变换将视频图像变换到频域，在频域对低频进行截断处理，利用离散傅立叶反变换处理，接着应用高频提升算子增强视频图像的高频细节信息，最后将原始图像和高频细节提升的图像相加就得到了清晰度提高的视频图像，从而实现单帧视频图像的清晰度提高。

在本发明的一个示例性实施例中，提出了一种视频图像清晰度提高的方法。图1为本发明实施例单帧视频图像清晰度提高方法的流程示意图。如图1所示，本实施例包括以下步骤：

步骤A：获取一帧视频图像数据。图2为本发明实施例单帧视频图像清晰度提高方法中所采用的一帧视频图像。

步骤B：利用离散傅立叶变换将该帧的二维视频图像数据变换到二维频域数据。

此时，对于输入图像f(x，y)，离散傅立叶变换的计算公式表示是：

公式(2)中，x表示图像的横向坐标位置，y表示图像的纵向坐标位置，表示求从x＝0到M-1进行求和，x为对应的图像的纵向像素序号，表示求从y＝0到N-1进行求和，y为对应的图像横向坐标像素序号，系数j为虚数π为圆周率，M表示输入二维图像的总行数，N表示输入二维图像的总列数，u表示离散傅立叶变换后的频域横向坐标位置，v表示离散傅立叶变换后的频域纵向坐标位置，

步骤C：对离散傅立叶变换得到的二维频域数据进行低频截断处理。令如果D小于3.0，则令F(u，v)＝0。如果D大于等于3.0，则F(u，v)保持不变。

步骤D：利用离散傅立叶反变换将低频截断后的频域数据变换为二维高频图像数据。

对于输入的二维频域数据F(u，v)，用公式表示是：

公式(2)中的符号含义与公式(1)中的相同。

步骤E：利用高频提升算子对二维高频图像数据进行高频提升。对于图像f(x，y)，高频提升后的图像HB(x，y))，用公式表示是：

其中矩阵H为高频提升算子，

表示卷积运算

步骤F：将原始当前帧的视频图像和高频提升的图像进行相加处理，即得到了清晰度提高的视频图像。

图3为本发明实施例单帧视频图像清晰度提高方法对图2进行处理后的视频图像，如图3所示，处理后的视频图像，其清晰度比图2得到了提高。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种单帧视频图像清晰度提高的方法，其特征在于，包括以下5个步骤：

步骤1：利用离散傅立叶变换将单帧二维视频图像数据变换到二维频域数据；

步骤2：对二维频域数据进行低频截断处理；

所述步骤2的对二维频域截断处理：令如果D小于3.0，则令F(u，v)＝0；如果D大于等于3.0，则F(u，v)保持不变；

步骤3：利用离散傅立叶反变换将低频截断后的频域数据变换为二维高频图像数据；

步骤4：利用高频提升算子对二维高频图像数据进行高频提升；

所述步骤4的高频提升算子，对于图像f(x，y)，高频提升后的图像HB(x，y)用公式表示是：

<mrow> <mi>H</mi> <mi>B</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;CircleTimes;</mo> <mi>H</mi> </mrow>

矩阵

表示卷积运算；

步骤5：将原始图像和高频提升的图像相加处理。

2.如权利要求1所述的单帧视频图像清晰度提高的方法，其特征在于，所述步骤1中离散傅立叶变换的计算方法是，对于输入的视频图像f(x，y)，用公式表示是：

<mrow> <mi>F</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>x</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>y</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;lsqb;</mo> <mi>cos</mi> <mrow> <mo>(</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mo>(</mo> <mrow> <mfrac> <mrow> <mi>u</mi> <mi>x</mi> </mrow> <mi>M</mi> </mfrac> <mo>+</mo> <mfrac> <mrow> <mi>u</mi> <mi>y</mi> </mrow> <mi>N</mi> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>+</mo> <mi>j</mi> <mi> </mi> <mi>sin</mi> <mrow> <mo>(</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mo>(</mo> <mrow> <mfrac> <mrow> <mi>u</mi> <mi>x</mi> </mrow> <mi>M</mi> </mfrac> <mo>+</mo> <mfrac> <mrow> <mi>u</mi> <mi>y</mi> </mrow> <mi>N</mi> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>

其中，x表示图像的横向坐标位置，y表示图像的纵向坐标位置，表示求从x＝0到M-1进行求和，x为对应的图像的纵向像素序号，表示求从y＝0到N-1进行求和，y为对应的图像横向坐标像素序号，系数j为虚数π为圆周率，M表示输入二维图像的总行数，N表示输入二维图像的总列数，u表示离散傅立叶变换后的频域横向坐标位置，v表示离散傅立叶变换后的频域纵向坐标位置。

3.如权利要求1所述的单帧视频图像清晰度提高的方法，其特征在于，所述步骤3的离散傅立叶反变换的计算方法是，对于输入的二维频域数据F(u，v)，用公式表示是：

<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>M</mi> <mi>N</mi> </mrow> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>u</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>v</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>F</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>&amp;lsqb;</mo> <mi>cos</mi> <mrow> <mo>(</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mo>(</mo> <mrow> <mfrac> <mrow> <mi>u</mi> <mi>x</mi> </mrow> <mi>M</mi> </mfrac> <mo>+</mo> <mfrac> <mrow> <mi>u</mi> <mi>y</mi> </mrow> <mi>N</mi> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>+</mo> <mi>j</mi> <mi> </mi> <mi>sin</mi> <mrow> <mo>(</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mo>(</mo> <mrow> <mfrac> <mrow> <mi>u</mi> <mi>x</mi> </mrow> <mi>M</mi> </mfrac> <mo>+</mo> <mfrac> <mrow> <mi>u</mi> <mi>y</mi> </mrow> <mi>N</mi> </mfrac> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>

公式中的符号含义和步骤2中的公式含义相同。