一種基于兩步復原的車載高質量成像方法技術

本發明專利技術涉及一種基于兩步復原的車載高質量成像方法，該方法包括以下步驟：S1：將車載圖像的退化過程表示為：其中，f(x,y)是原始清晰的圖像，h1(x,y)為車載環境成像系統固有的點擴散函數，h2(x,y)為車載環境下的運動點擴散函數，n(x,y)是加性噪聲，g(x,y)是退化的圖像；S2：采用“倒譜法”估計出g(x,y)的運動點擴散函數h2(x,y)，然后利用超拉普拉斯正則化超分辨率算法復原運動模糊圖像，得到g1(x,y)；S3：通過“刀口法”測量出車載光學成像系統的點擴散函數h1(x,y)，利用改進的L?R算法復原g1(x,y)模糊圖像，最終恢復出較清晰圖像f1(x,y)。該方法采用兩個步驟來復原圖像，能夠很好地克服現有方法中存在的不足，實現高質量的圖像復原。

【技術實現步驟摘要】

本專利技術屬于車載環境下的高質量快速成像
，涉及一種基于兩步復原的車載高質量成像方法。
技術介紹
無人駕駛汽車常常要根據車載視頻對路上的目標進行跟蹤，從而控制自身的行為。現有的無人駕駛汽車經常的問題是不能快速準確地發現目標。現有的車載成像設備得到的視頻或圖像通常不清晰。這種“不清晰”是由多種原因引起，但車載環境下的成像過程中受到光學成像系統的高斯模糊和相對運動引起的運動模糊是主要原因。為了提高視頻質量，必須盡量減少這兩種因素的影響。采用復原方法來提高車載視頻和圖像質量是一種重要方法，目前已得到企業和學術界的廣泛重視。由于受相對運動的影響，李宇成等人對勻速直線運動模糊的離散PSF的表達式做出了推導，發現運動模糊圖像在頻域上具有平行明暗條紋；推導和證明了模糊參數與模糊圖像高寬度比值之間的關系，得出了較準確的圖像模糊參數估計方法。結合運動模糊圖像頻譜圖和倒譜的特點，王秋云提出了一種基于“倒譜法”的運動模糊圖像PSF參數預計方法：用Radon變換檢測出運動模糊方向，根據倒譜圖像中的兩個負峰值之間的像素距離估計出模糊長度。針對一般視頻采集系統，劉柳提出了一種圖像復原方法：利用圖像退化模型，通過計算機處理圖像數字信號，采用逆濾波或者維納濾波的方法處理圖像。大山一朗和杉本雅彥等人通過測量光學系統PSF，利用基于光學系統PSF的復原濾波器來獲得恢復圖像數據。張宇等人對相機鏡頭進行測試，獲得待測相機的傳遞函數，采用插值方法對圖像進行插值，獲得待復原的插值后的圖像，對傳遞函數采用傅里葉反變換到空間域中，得到反卷積預選模板；并對其進行截取，獲得反卷積模板；將反卷積模板與待復原的插值后的圖像進行實時的二維卷積，獲得復原后的放大圖像。DilipKrishnan等人提出了基于超拉普拉斯先驗分布的圖像，實踐證明，針對相機的抖動引起的圖像模糊是最佳的復原算法。D.S.C.Biggs等人改進的L-R算法是目前盲卷積復原的最好算法。對于PSF的獲取可參照英國標準BSISO16067-1-2003，該標準利用“刀口法”測量光學成像系統的空間分辨率，然后再分析得到PSF。
技術實現思路
有鑒于此，本專利技術的目的在于提供一種基于兩步復原的車載高質量成像方法，該方法采用兩個步驟來復原圖像，能夠很好的克服現有方法中存在的不足，實現高質量的圖像復原。為達到上述目的，本專利技術提供如下技術方案：一種基于兩步復原的車載高質量成像方法，該方法包括以下步驟：S1：將車載環境下的成像過程中受到光學成像系統的高斯模糊和相對運動引起的運動模糊引起的車載圖像的退化過程表示為：其中，f(x,y)是原始清晰的圖像，h1(x,y)為車載環境成像系統固有的點擴散函數，h2(x,y)為車載環境下的運動點擴散函數，n(x,y)是加性噪聲，g(x,y)是退化的圖像；S2：采用“倒譜法”估計出g(x,y)的運動點擴散函數h2(x,y)，然后利用超拉普拉斯正則化超分辨率算法復原運動模糊圖像，得到g1(x,y)；S3：通過“刀口法”測量出車載光學成像系統的點擴散函數h1(x,y)，利用改進的L-R算法復原g1(x,y)模糊圖像，最終恢復出較清晰圖像f1(x,y)。本專利技術的有益效果在于：本專利技術提供的一種基于兩步復原的車載高質量成像方法，該方法采用兩個步驟來復原圖像，能夠很好的克服現有方法中存在的不足，實現高質量的圖像復原，在車載環境下的高質量快速成像領域具有很好的應用前景。附圖說明為了使本專利技術的目的、技術方案和有益效果更加清楚，本專利技術提供如下附圖進行說明：圖1為本專利技術所述方法的流程圖；圖2為實施例中圖像的原始圖片；圖3為光學成像系統引起的高斯型模糊；圖4為混合模糊和噪聲的圖像；圖5為基于倒譜法估計的運動PSF放大圖；圖6為利用估計的點擴散函數對運動模糊進行復原圖；圖7為利用測量的PSF進行的圖像復原。具體實施方式下面將結合附圖，對本專利技術的優選實施例進行詳細的描述。圖1為本專利技術所述方法的流程圖，如圖所示，本專利技術提供的基于兩步復原的車載高質量成像方法包括以下步驟：S1：將車載環境下的成像過程中受到光學成像系統的高斯模糊和相對運動引起的運動模糊引起的車載圖像的退化過程表示為：其中，f(x,y)是原始清晰的圖像，h1(x,y)為車載環境成像系統固有的點擴散函數，h2(x,y)為車載環境下的運動點擴散函數，n(x,y)是加性噪聲，g(x,y)是退化的圖像；S2：采用“倒譜法”估計出g(x,y)的運動點擴散函數h2(x,y)，然后利用超拉普拉斯正則化超分辨率算法復原運動模糊圖像，得到g1(x,y)；S3：通過“刀口法”測量出車載光學成像系統的點擴散函數h1(x,y)，利用改進的L-R算法復原g1(x,y)模糊圖像，最終恢復出較清晰圖像f1(x,y)。在本實施例中，利用CCD得到的車輛道路的一張清晰圖像如圖2所示，作為討論上述方法的原始圖像f(x,y)。對原始圖像f(x,y)與h1(x,y)卷積，得到g1(x,y)，表示當沒有其它原因情況下，僅有CCD光學系統散焦、像差和衍射引起的圖像模糊，得到的結果如圖3所示。然后模擬CCD與水平方向成45°方向，以60m/s的速度運動30m，引起圖像運動模糊。其運動PSF為h2(x,y)。將g1(x,y)與h2(x,y)卷積，得到新的模糊圖像如圖4所示。對該低分辨率圖像，采用如下的復原策略：1)采用“倒譜法”估計運動點擴散函數h’2(x,y)，結果如圖5所示。2)利用估計的h’2(x,y)，采用超拉普拉斯正則化超分辨率算法算法，復原g(x,y)，得到的結果g1(x,y)如圖6所示。3)利用對CCD測量的高斯型點擴散函數h1(x,y)，采用改進的L-R算法對g1(x,y)再次解卷，得到的最終復原結果f’(x,y)如圖7所示。比較圖7和圖4，可以看到，低分辨率圖像根本看不清楚是什么物體，但是通過兩步復原得到相對清晰的高分辨率圖像。對于信噪比為8.18dB的目標圖像，經過兩步復原信噪比提高到1.42倍。當目標圖像信噪比低于8.18dB，高于2.5dB，可通過“中值濾波”進行去噪預處理。因此完整的高質量視頻成像方法其流程如下：(1)車在30km/h緩慢運動的情況下，對任意的限速標志成像T；(2)對T利用刀口法得到CCD成像系統的點擴散函數h1(x,y)；(3)對CCD得到的模糊圖像g0(x,y)，利用中值濾波器預處理得到g(x,y)；(4)利用倒譜法處理g(x,y)估計運動點擴散函數h2(x,y)；(5)利用h2(x,y)和快速卷積法處理g(x,y)，得到g1(x,y)；(6)利用h1(x,y)和快速L-R算法處理g1(x,y)得到最終結果f’(x,y)；兩步復原方法中，第一次解卷積非常重要，兩個參數λ＝2000，α＝0.5。最后說明的是，以上優選實施例僅用以說明本專利技術的技術方案而非限制，盡管通過上述優選實施例已經對本專利技術進行了詳細的描述，但本領域技術人員應當理解，可以在形式上和細節上對其作出各種各樣的改變，而不偏離本專利技術權利要求書所限定的范圍。本文檔來自技高網...

【技術保護點】
一種基于兩步復原的車載高質量成像方法，其特征在于：該方法包括以下步驟：S1：將車載環境下的成像過程中受到光學成像系統的高斯模糊和相對運動引起的運動模糊引起的車載圖像的退化過程表示為：g(x,y)=[(f(x,y)⊗h1(x,y))⊗h2(x,y)]+n(x,y)---(1)]]>?其中，f(x,y)是原始清晰的圖像，h1(x,y)為車載環境成像系統固有的點擴散函數，h2(x,y)為車載環境下的運動點擴散函數，n(x,y)是加性噪聲，g(x,y)是退化的圖像；S2：采用“倒譜法”估計出g(x,y)的運動點擴散函數h2(x,y)，然后利用超拉普拉斯正則化超分辨率算法復原運動模糊圖像，得到g1(x,y)；S3：通過“刀口法”測量出車載光學成像系統的點擴散函數h1(x,y)，利用改進的L?R算法復原g1(x,y)模糊圖像，最終恢復出較清晰圖像f1(x,y)。

【技術特征摘要】
2016.08.30 CN 20161076729351.一種基于兩步復原的車載高質量成像方法，其特征在于：該方法包括以下步驟：S1：將車載環境下的成像過程中受到光學成像系統的高斯模糊和相對運動引起的運動模糊引起的車載圖像的退化過程表示為：g(x,y)=[(f(x,y)⊗h1(x,y))⊗h2(x,y)]+n(x,y)---(1)]]>其中，f...

【專利技術屬性】
技術研發人員：劉丹平，劉松，許亮，呂皖，何小敏，秦天天，于娟娟，舒英，王雪菡，馬玉霖，古文，鄒熙肴，
申請(專利權)人：重慶大學，
類型：發明
國別省市：重慶;50