[发明专利]一种视频运动放大方法

说明书

技术领域

本发明属于图像处理方法，具体涉及一种视频运动放大方法，用于将微小的时空运动放大。

背景技术

人眼具有有限的时空敏感性，很多真实的运动或者颜色变化不能被人眼所捕获，比如血液流经皮肤，皮肤颜色会发生轻微的变化，又比如由于心脏的周期性跳动引起的脉搏，然而人眼睛很难观察到皮肤颜色的变化和脉搏的跳动。采用视频运动放大方法，可以将这些不能引起视觉反应的运动放大，以便我们更好的观察各种现象。

Mallat和Meyer于二十世纪八十年代末提出了小波多分辨率分析(Multiresolution Analysis，MRA)，小波多分辨率分析是基于小波函数和尺度函数的缩放和平移，在Hilbert空间L²(R)的某个子空间建立基底，然后经过缩放和平移变换，将子空间的基底扩充到L²(R)中去。在小波多分辨率信号分解中，尺度函数φ_j,k和小波函数ψ_j,k共同构成了小波分解，其中j为缩放因子，k为平移因子，由尺度函数表征信号的低频部分，小波函数表征信号的细节部分。对比文件1和2，1989年7月发表，美国，S.G.Mallat,A theory for multiresolution signal decomposition:the wavelet representation,IEEE T PATTERN ANAL,11(1989)674-693；1989年9月发表，美国，S.G.Mallat,Multiresolution Approximations and Wavelet Orthonormal Bases of L²(R),T AM MATH SOC,315(1989)69-87。通过小波缩放能进行不同尺度的小波分解和重构，不同尺度的小波分解和重构构成了小波金字塔分解和重构。

现有的视频运动放大方法主要分为两种，第一种是线性欧拉视频运动放大方法，如对比文件3，2012年8月5日发表，美国，H.Wu,M.Rubinstein, E.Shih,J.Guttag,Fr,D.Durand,W.Freeman,Eulerian video magnification for revealing subtle changes in the world,ACM Trans.Graph.,31(2012)1-8。其采用拉普拉斯金字塔算法进行时空分解和重构，该方法存在两个缺陷，第一个缺陷是在视频的空间尺寸较小的时候，其只支持较小的放大因子，也就是说放大倍数有限，第二个缺陷是增加放大因子会显著增大噪声。第二种视频运动放大方法是基于复数可操作金字塔的视频运动放大方法，如对比文件4，2013年发表，美国，N.Wadhwa,M.Rubinstein,Fr,D.Durand,W.T.Freeman,Phase-based video motion processing,ACM Trans.Graph.,32(2013)1-10；该方法虽然解决了线性欧拉视频运动放大方法的两个缺陷，但是其引入了新的缺陷，第一个缺陷就是放大的运动发生失真，出现紊乱；第二个缺陷是对视频采集系统的振动较为敏感，也就是说相机的微小振动会在结果文件中体现出来。

针对欧拉视频运动放大存在对噪声比较敏感和基于相位的可操作金字塔算法运动放大在处理波传播过程中的紊乱，申请人致力于寻求一种能够解决上述问题的方法。由于小波在噪声处理方面存在优势，申请人将小波分解运用到视频运动放大中。Coiflet小波滤波器具有线性相位这一特性，在信号重构的时候可以极大的减少由于相位引起的信号失真，因而本方法采用的小波为Coiflet小波，由此申请人在前人工作的基础之上，提出了一种新的运动放大方法，称之为基于Coiflet小波的视频运动放大方法。该方法首先利用小波的多尺度分析的优点，采用小波金字塔算法对视频帧进行空间分解，将视频帧分解为不同尺度的空间频率带，然后为了提取特定的运动，采用一个与运动频率相适应的带通滤波器对空间频率带进行时域滤波，接着将滤波后的空间频带，由一个给定因子α放大，再加回到原始信号上，最后采用小波金字塔算法对视频重构，即可将微小不可见的波动放大为明显的波动。

为方便理解本发明，现对有关概念加以解释：