[发明专利]步态识别中的超分辨率图像恢复方法

说明书

技术领域

本发明涉及图像融合、人体步态识别，尤其涉及步态识别中的超分辨率图像恢复方法。

背景技术

步态识别是近年来兴起的研究领域，是生物特征识别与人运动视觉分析的一个结合。目前，“人的观察”(looking at people)是计算机视觉领域中最活跃的研究主题之一，其核心是利用计算机视觉技术从图象序列中检测、跟踪、识别人并对其行为进行理解与描述。步态识别作为其中的一部分也成为一个研究热点，尤其在英国、美国等国家已经开展了大量相关项目的研究，其应用范围十分广泛，可用于罪犯识别、疾病检测、安全管理多方面。而运动人体检测是步态识别中一个重要环节，它的目的是从视频序列图像中将运动人体区域从背景图象中提取出来。运动区域的有效分割对于目标分类、跟踪和识别等后期处理非常重要，然而由于背景图象的动态变化，比如天气的变化、光照条件的变化、背景的混乱干扰、运动目标的影子、物体与环境之间或者物体与物体之间的遮挡、甚至摄像机的运动等，使得运动人体的检测成为一项困难的工作。

发明内容

为克服现有技术的不足，本发明的目的在于，提供一种步态识别中的超分辨率图像恢复方法，通过超分辨率图象恢复来提高视频序列图象品质，大大减少背景图像的变化干扰，从而降低运动人体检测过程的计算工作量。本发明采用的技术方案是：一种步态识别中的超分辨率图像恢复方法，其特征是，包括下列步骤：

运动估计：求得原低分辨率步态图像与多幅待融合步态图像之间的图像运动关系{m_k}_k＝1^K，k代表第k帧图像，K代表图像总帧数；

运用迭代后向投影算法进行处理：给出一个高解析度图像初始猜测值F⁽⁰⁾，即用固定有效网格划分所有低分辨率图像，每个在固定有效网格内的高分辨率像素由所有低分辨率像素的平均值堆栈得到；相应于低解析度图像输入{f_k}_k＝1^K给出一系列低解析度模拟图像{f_k⁽⁰⁾}_k＝1^K；之后将求得的图像差别{f_k-f_k⁽⁰⁾}_k＝1^K反馈到F⁽⁰⁾接收域；进而改进初始猜测值F⁽⁰⁾，产生新的模拟的高解析度图像F⁽¹⁾；之后重复该过程得到模拟的高解析度图像F⁽ⁿ⁺¹⁾，n为迭代次数。

迭代后向投影算法，包括下列具体步骤：

降采样和几何变换；

后向投影；

模糊估计；

插值采样和逆几何变换。

迭代后向投影算法，包括下列具体步骤：

(1)从迭代n＝1开始，输入源低解析度图像f⁽⁰⁾；

(2)对低解析度图像进行双线性插值，获得高解析度图像初始猜测F⁽⁰⁾；

(3)采用fk(n)=(TK-1(F(n))*h)↓s]]>获得模拟的低解析度图像；