CN110415191A - 一种基于连续视频帧的图像去模糊算法 - Google Patents
一种基于连续视频帧的图像去模糊算法 Download PDFInfo
- Publication number
- CN110415191A CN110415191A CN201910701288.8A CN201910701288A CN110415191A CN 110415191 A CN110415191 A CN 110415191A CN 201910701288 A CN201910701288 A CN 201910701288A CN 110415191 A CN110415191 A CN 110415191A
- Authority
- CN
- China
- Prior art keywords
- image
- video frames
- video frame
- algorithm based
- gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000003384 imaging method Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 7
- 230000010287 polarization Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 abstract description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/73—
Abstract
本发明公开了一种基于连续视频帧的图像去模糊算法,包括如下步骤:获取多个连续的视频帧,按照时间顺序对视频帧进行排序,对每个视频帧进行图像清晰处理,通过估计图像的噪声方差,对图像的灰度计算,使用滤波算法,对图像滤波处理,在对单个视频帧的进行处理后,按照时间顺序进行排列,成像,在对连续视频帧的图像处理时,通过计算灰度方差,能够判定图像灰度的偏差,能够更好的修正,根据图片的原本灰度,综合灰度方差对图片灰度恢复,然后进行滤波算法处理,去除图像内的干扰,得到伪彩色图,得到高质量的去模糊清晰图像,然后通过DSP图像融合装置进行图像融合,按照视频帧的时间顺序重排,获取高清视频。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种基于连续视频帧的图像去模糊算法。
背景技术
现有的电视和手机等终端设备,为提升用户观看视频的体验,通常采用运动估计和运动补偿,在进行视频观看时,由于人类眼睛的特殊生理结构,如果所看画面之帧率高于16的时候,就会认为是连贯的,此现象称之为视觉停留,这也就是为什么电影胶片是一格一格拍摄出来,然后快速播放的,在播放时由于视频帧数过快,使得成像不清晰,成像不清晰原因是因为视频组成的图像的不清晰导致的,由于视频拍摄时,会受到很多干扰,会导致视频成像模糊,影响观看效果,因此,设计一种基于连续视频帧的图像去模糊算法是很有必要的。
发明内容
本发明的目的在于提供一种基于连续视频帧的图像去模糊算法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于连续视频帧的图像去模糊算法,包括如下步骤:
1)获取多个连续的视频帧;
2)按照时间顺序对视频帧进行排序;
3)对每个视频帧进行图像清晰处理;
4)通过估计图像的噪声方差,对图像的灰度计算;
5)使用滤波算法,对图像滤波处理;
6)在对单个视频帧的进行处理后,按照时间顺序进行排列,成像。
根据上述技术方案,其中灰度计算步骤如下,
自适应选择灰度方差,过程如下:
估计图像的噪声方差:
噪声方差σn可以通过与拉普拉斯模板卷积的方式来估计,计算公式为:
其中,W和H是图像的宽和高,I(x,y)是极化SAR图像的极化总功率图,M是拉普拉斯变换模板,I(x,y)*M表示极化总功率图与拉普拉斯变换模板M进行卷积运算;
根据噪声方差计算灰度方差:
以最小均方误差为标准,σn为自变量,σr为因变量进行曲线拟合,计算σr的最优值,得出σn与σr之间为线性关系,取σr=3σn。
根据上述技术方案,其中滤波处理步骤如下,
其中是滤波器的输出图像;
b是像素灰度值;
C(i,j)是归一化常数;
G是一个高斯型函数,标准差为σr。
根据上述技术方案,所述步骤3)中,在对视频帧的图像进行处理时,采用Wiener滤波算法对模糊退化图像进行处理。
根据上述技术方案,所述步骤5)中,在滤波完毕后,利用pauli RGB分解得到伪彩色图。
根据上述技术方案,所述步骤6)前,在图像输出前,使用DSP的图像融合装置进行融合成像。
与现有技术相比,本发明的有益效果是:在对连续视频帧的图像处理时,通过计算灰度方差,能够判定图像灰度的偏差,能够更好的修正,根据图片的原本灰度,综合灰度方差对图片灰度恢复,然后进行滤波算法处理,去除图像内的干扰,得到伪彩色图,得到高质量的去模糊清晰图像,然后通过DSP图像融合装置进行图像融合,按照视频帧的时间顺序重排,获取高清视频。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种基于连续视频帧的图像去模糊算法,包括如下步骤:
1)获取多个连续的视频帧;
2)按照时间顺序对视频帧进行排序;
3)对每个视频帧进行图像清晰处理;
4)通过估计图像的噪声方差,对图像的灰度计算;
5)使用滤波算法,对图像滤波处理;
6)在对单个视频帧的进行处理后,按照时间顺序进行排列,成像。
根据上述技术方案,其中灰度计算步骤如下,
自适应选择灰度方差,过程如下:
估计图像的噪声方差:
噪声方差σn可以通过与拉普拉斯模板卷积的方式来估计,计算公式为:
其中,W和H是图像的宽和高,I(x,y)是极化SAR图像的极化总功率图,M是拉普拉斯变换模板,I(x,y)*M表示极化总功率图与拉普拉斯变换模板M进行卷积运算;
根据噪声方差计算灰度方差:
以最小均方误差为标准,σn为自变量,σr为因变量进行曲线拟合,计算σr的最优值,得出σn与σr之间为线性关系,取σr=3σn。
根据上述技术方案,其中滤波处理步骤如下,
其中是滤波器的输出图像;
b是像素灰度值;
C(i,j)是归一化常数;
G是一个高斯型函数,标准差为σr。
根据上述技术方案,步骤3)中,在对视频帧的图像进行处理时,采用Wiener滤波算法对模糊退化图像进行处理。
根据上述技术方案,步骤5)中,在滤波完毕后,利用pauli RGB分解得到伪彩色图。
根据上述技术方案,步骤6)前,在图像输出前,使用DSP的图像融合装置进行融合成像。
基于上述,本发明的优点在于,在对连续视频帧的图像处理时,因整段视频的视频帧过多,灰度不统一,在计算是需要对图像进行处理时,每个图像需要单独进行处理计算,通过计算灰度方差,能够判定图像灰度的偏差,能够更好的修正,然后进行滤波算法处理,得到伪彩色图,得到高质量的去模糊清晰图像,然后通过DSP图像融合装置进行图像融合,按照视频帧的时间顺序重排,获取高清视频。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于连续视频帧的图像去模糊算法,包括如下步骤:其特征在于:
1)获取多个连续的视频帧;
2)按照时间顺序对视频帧进行排序;
3)对每个视频帧进行图像清晰处理;
4)通过估计图像的噪声方差,对图像的灰度计算;
5)使用滤波算法,对图像滤波处理;
6)在对单个视频帧的进行处理后,按照时间顺序进行排列,成像。
2.一种基于连续视频帧的图像去模糊算法,其中灰度计算步骤如下:其特征在于:
自适应选择灰度方差,过程如下:
估计图像的噪声方差:
噪声方差σn可以通过与拉普拉斯模板卷积的方式来估计,计算公式为:
其中,W和H是图像的宽和高,I(x,y)是极化SAR图像的极化总功率图,M是拉普拉斯变换模板,I(x,y)*M表示极化总功率图与拉普拉斯变换模板M进行卷积运算;
根据噪声方差计算灰度方差:
以最小均方误差为标准,σn为自变量,σr为因变量进行曲线拟合,计算σr的最优值,得出σn与σr之间为线性关系,取σr=3σn。
3.一种基于连续视频帧的图像去模糊算法,其中滤波处理步骤如下:其特征在于:
其中是滤波器的输出图像;
b是像素灰度值;
C(i,j)是归一化常数;
G是一个高斯型函数,标准差为σr。
4.根据权利要求1所述的一种基于连续视频帧的图像去模糊算法,其特征在于:所述步骤3)中,在对视频帧的图像进行处理时,采用Wiener滤波算法对模糊退化图像进行处理。
5.根据权利要求1所述的一种基于连续视频帧的图像去模糊算法,其特征在于:所述步骤5)中,在滤波完毕后,利用pauliRGB分解得到伪彩色图。
6.根据权利要求1所述的一种基于连续视频帧的图像去模糊算法,其特征在于:所述步骤6)前,在图像输出前,使用DSP的图像融合装置进行融合成像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701288.8A CN110415191A (zh) | 2019-07-31 | 2019-07-31 | 一种基于连续视频帧的图像去模糊算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701288.8A CN110415191A (zh) | 2019-07-31 | 2019-07-31 | 一种基于连续视频帧的图像去模糊算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110415191A true CN110415191A (zh) | 2019-11-05 |
Family
ID=68364652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910701288.8A Pending CN110415191A (zh) | 2019-07-31 | 2019-07-31 | 一种基于连续视频帧的图像去模糊算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415191A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991356A (zh) * | 2019-12-06 | 2020-04-10 | 中科智云科技有限公司 | 一种基于屏幕边缘的手机回放活体攻击识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483763A (zh) * | 2008-12-16 | 2009-07-15 | 南京大学 | 一种面向社会治安监控的数字影像处理方法及其装置 |
CN102903077A (zh) * | 2011-07-26 | 2013-01-30 | 陈奋 | 一种快速图像去模糊算法 |
CN102938824A (zh) * | 2012-06-05 | 2013-02-20 | 李英明 | 一种基于改进的自适应双边滤波的视频去噪方法 |
CN105574829A (zh) * | 2016-01-13 | 2016-05-11 | 合肥工业大学 | 针对极化sar图像的自适应双边滤波算法 |
CN105631828A (zh) * | 2015-12-29 | 2016-06-01 | 华为技术有限公司 | 一种处理图像的方法及装置 |
CN106251318A (zh) * | 2016-09-29 | 2016-12-21 | 杭州雄迈集成电路技术有限公司 | 一种序列图像的去噪装置及方法 |
CN107230187A (zh) * | 2016-03-25 | 2017-10-03 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
CN108234873A (zh) * | 2018-01-10 | 2018-06-29 | 北京小米移动软件有限公司 | 一种获取图像的方法和装置 |
CN109146820A (zh) * | 2018-08-29 | 2019-01-04 | 合肥工业大学 | 实时腔镜视像增强处理方法和系统、存储介质 |
CN109190571A (zh) * | 2018-09-12 | 2019-01-11 | 内蒙古大学 | 一种放牧绵羊采食典型植物种类的检测识别方法及其装置 |
-
2019
- 2019-07-31 CN CN201910701288.8A patent/CN110415191A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483763A (zh) * | 2008-12-16 | 2009-07-15 | 南京大学 | 一种面向社会治安监控的数字影像处理方法及其装置 |
CN102903077A (zh) * | 2011-07-26 | 2013-01-30 | 陈奋 | 一种快速图像去模糊算法 |
CN102938824A (zh) * | 2012-06-05 | 2013-02-20 | 李英明 | 一种基于改进的自适应双边滤波的视频去噪方法 |
CN105631828A (zh) * | 2015-12-29 | 2016-06-01 | 华为技术有限公司 | 一种处理图像的方法及装置 |
CN105574829A (zh) * | 2016-01-13 | 2016-05-11 | 合肥工业大学 | 针对极化sar图像的自适应双边滤波算法 |
CN107230187A (zh) * | 2016-03-25 | 2017-10-03 | 北京三星通信技术研究有限公司 | 多媒体信息处理的方法和装置 |
CN106251318A (zh) * | 2016-09-29 | 2016-12-21 | 杭州雄迈集成电路技术有限公司 | 一种序列图像的去噪装置及方法 |
CN108234873A (zh) * | 2018-01-10 | 2018-06-29 | 北京小米移动软件有限公司 | 一种获取图像的方法和装置 |
CN109146820A (zh) * | 2018-08-29 | 2019-01-04 | 合肥工业大学 | 实时腔镜视像增强处理方法和系统、存储介质 |
CN109190571A (zh) * | 2018-09-12 | 2019-01-11 | 内蒙古大学 | 一种放牧绵羊采食典型植物种类的检测识别方法及其装置 |
Non-Patent Citations (1)
Title |
---|
杨靖 等: "低帧率周期运动视频超分辨率重建方法", 《计算机工程与应用》, vol. 53, no. 8, pages 174 - 179 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991356A (zh) * | 2019-12-06 | 2020-04-10 | 中科智云科技有限公司 | 一种基于屏幕边缘的手机回放活体攻击识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539879B (zh) | 基于深度学习的视频盲去噪方法及装置 | |
Ji et al. | Robust image deblurring with an inaccurate blur kernel | |
EP2160015B1 (en) | Image processing apparatus, image processing method, and program | |
US20150310594A1 (en) | Method for imaging processing, and image processing device | |
CN110211056A (zh) | 基于局部中值直方图的自适应红外图像去条纹算法 | |
JP6160292B2 (ja) | 画像補正装置、撮像装置及び画像補正用コンピュータプログラム | |
CN111709904B (zh) | 一种图像融合方法及装置 | |
CN110944176B (zh) | 图像帧降噪方法和计算机存储介质 | |
CN110796615A (zh) | 一种图像去噪方法、装置以及存储介质 | |
TR201810171T4 (tr) | Bir girdi görüntüsündeki halka şeklinde artefaktları en aza indirmek için yöntem ve aparat. | |
TW201120809A (en) | System and method for processing an image edge | |
CN103997592B (zh) | 视频降噪方法和系统 | |
US20110097009A1 (en) | Digital image restoration | |
CN111242860A (zh) | 超级夜景图像的生成方法、装置、电子设备及存储介质 | |
CN111383190B (zh) | 图像处理设备和方法 | |
CN100548047C (zh) | 用来估计视频信号噪声的设备和方法 | |
CN110415191A (zh) | 一种基于连续视频帧的图像去模糊算法 | |
CN110689486A (zh) | 图像的处理方法、装置、设备及计算机可存储介质 | |
CN108632501B (zh) | 视频防抖方法及装置、移动终端 | |
KR20060021665A (ko) | 이동단말기에서의 화면 선명도 조절 장치 및 방법 | |
Ryu et al. | No-reference sharpness metric based on inherent sharpness | |
Rimac-Drlje et al. | Foveation-based content adaptive structural similarity index | |
US8768089B2 (en) | System and method for filtering an image | |
KR102027886B1 (ko) | 대형 디스플레이의 영상 크기 조절 장치 및 방법 | |
CN111754437A (zh) | 一种基于运动强度的3d降噪方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |