[发明专利]一种基于改进的卷积匹配追踪管道视频图像去雾增强方法

说明书

本发明涉及基于改进的卷积匹配追踪管道视频图像去雾增强方法。通过对管道内视频帧中中心圆经处理获得雾层模型，根据雾层作为卷积字典的来源进行字典训练；根据前几帧视频低秩矩阵分解训练获取背景图像与前景图像，根据前景图像初始化残差图像并通过残差图像计算特征响应，初始化前景重构图像，计算噪声能量；对特征响应进行极大值搜索；利用极大值和当前最大特征响应进行前景图像重构并利用极大值更新特征响应；更新残差图像，计算残差图像能量，若小于噪声能量，计算最终去雾图像。本发明能有效获取雾层模型，并通过雾层模型作为卷积字典，找到与视频帧中相符合的雾层并将其去除。可用于管道视频图像增强等科学领域。

技术领域

本发明涉及管道视频图像处理技术领域，尤其涉及一种基于改进的卷积匹配追踪管道视频图像去雾增强方法。

背景技术

管道视频图像去雾增强作为管道检测之前的重要环节，成为了当前管道视频图像处理的热点研究问题。管道视频图像去雾增强是按照特定需要突出或抑制图像中的某些信息，达到增强有用信息的目的。在管道检测系统中，管道视频图像去雾增强效果对后期管道裂缝检测、破损检测等有着决定性的作用。目前，管道视频图像去雾方法主要包括基于Retinex图像增强方法、直方图均衡化图像增强方法、基于暗原色先验的图像增强方法和基于卷积匹配追踪视频图像增强方法。

目前视频图像增强领域存在一些问题，如空气中的水汽和悬浮颗粒等介质、噪声的类间相似性、缺乏全面准确的去雾模型，导致在实际复杂环境中，去雾模型易受外界环境变化影响，去雾模型获取较差，去雾效果较差。卷积匹配追踪视频图像增强方法关键在于雾层的获取，只有保证获取到的雾层作为卷积字典的准确性，才能去雾彻底。在实际复杂环境中，视频图像易受外界光照变化，温差变化等因素影响，导致视频图像的模糊程度不一致，视频图片部分去雾过度或者去雾不完全。

发明内容

针对目前卷积匹配追踪视频图像增强存在的问题，为克服过度去雾和去雾不完全，提高视频图像的去雾准确性，本发明提出了一种基于改进的卷积匹配追踪管道视频图像去雾增强方法，该方法能有效根据提取到的雾层模型进行全图像去雾，提高雾层模型的鲁棒性和去雾效果的可视性，适用于管道视频图像增强等科学领域。

本发明所采用的技术方案包括一种基于改进的卷积匹配追踪管道视频图像去雾增强方法，包括以下步骤：

步骤(1)、获取管道内部视频，每个视频片段转换为一个三维矩阵，根据十字交叉的方法确定管道内部中心圆心的位置，根据圆心位置估计圆的大小，且根据圆的大小提取其三维矩阵；

步骤(2)、对前N帧圆视频帧图像使用拉普拉斯算子进行锐化；

步骤(3)、对锐化后的图像进行阈值化处理，获得雾层；

步骤(4)、根据雾层作为卷积字典的来源进行字典训练，设定噪声能量门限；

步骤(5)、根据视频帧图像的前N帧使用低秩矩阵分解训练获取背景图像与前景图像；

步骤(6)、根据前景图像初始化残差图像，初始化前景重构图像，根据残差图像计算特征响应，根据噪声能量门限计算噪声能量；

步骤(7)、对特征响应进行极大值搜索，并记录极大值；

步骤(8)、利用极大值和当前最大特征响应值进行前景图像重构；

步骤(9)、利用极大值更新特征响应；

步骤(10)、利用前景重构图像更新残差图像；

步骤(11)、计算残差图像能量，若残差图像能量大于噪声能量，返回步骤(7)，否则计算最终去雾图像；

本发明的有益效果是，该方法在直接使用管道中心的近乎纯黑的背景圆，求得雾层模型作为卷积字典，可以节省从自然图像中提取卷积字典所需的时间，可以提高去雾的准确率，可用于管道视频图像处理去雾增强。