[发明专利]一种针对驾驶室环境的单尺度运动模糊图像帧复原方法

说明书

本发明涉及图像处理技术领域，具体涉及一种针对驾驶室环境的单尺度运动模糊图像帧复原方法，包括：对恢复模型进行迭代训练，得到训练好的恢复模型；将运动模糊图像帧和最优模糊核输入到训练好的恢复模型中，恢复模型对运动模糊图像进行复原，输出复原后的图像。本发明方法可以比多尺度方法更好地恢复出模糊图像的整体结构，并且本发明方法能够明显缩减运行时间增加图像帧恢复的效率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种针对驾驶室环境的单尺度运动模糊图像帧复原方法。

背景技术

近年来，随着计算机视觉理论研究越来越成熟，机器识别人体行为成为可能。汽车驾驶室行为识别就是很好的分心驾驶和异常事件的预警方式，因为驾驶室环境相对其他人体识别情景更固定。但汽车行驶环境常常存在因道路崎岖、加减速问题而引起监控图像帧运动模糊问题，模糊图像帧会影响主观视觉和机器视觉的判别。其中运动模糊问题是成像仪器与被摄物体在拍摄瞬间产生相对位移时造成。因为驾驶环境运动模糊成像原因的特殊性，模糊图片会在视觉上产生沿某一角度的散射感，尤其在模糊方向一致，模糊尺度越大散射感越强。实时复原驾驶室模糊图片除了要准确估计模糊核PSF外，还需要考虑图像去模糊处理的时间问题。

多尺度方法因其在模糊图像恢复的细节恢复优势而被广泛研究，但多尺度模糊核估计往往需要复杂估算初始模糊核，再利用初始模糊核进行迭代优化。即使多尺度从粗到细的模糊核估计方法被广泛应用并取得不错效果，在图像复原中能获得更加丰富的图片细节，但是多尺度迭代过程的计算量往往会随迭代次数逐步增加，造成整个图片恢复过程耗时过多的问题，所以并不适用于快速去模糊场景。

发明内容

为了解决上述问题，本发明驾驶室与驾驶环境的特点，基于现有的多尺度图像去模糊理论提供一种针对驾驶室环境的单尺度运动模糊图像帧复原方法。

一种针对驾驶室环境的单尺度运动模糊图像帧复原方法，包括以下步骤：

S1、获取运动模糊图像帧B1、B2，对运动模糊图像帧进行有效边缘的增强和提取，得到运动模糊图像帧B1的有效边缘；

S2、根据模糊原理构建连续双帧模糊图像帧B1、B2的模糊模型，将二者联合求解连续双帧图像模糊核k₁、k₂；

S3、根据连续双帧图像模糊核k₁、k₂之间的线性关系计算噪声误差，通过最小化噪声误差和高斯先验约束计算得到粗糙初始模糊核k₀；

S4、利用步骤S1得到的有效边缘和步骤S3估计的粗糙初始模糊核k₀建立恢复模型，将模糊图像帧B1、粗糙初始模糊核k₀、L₂正则范数约束项输入恢复模型中，得到模糊图像帧B1的过渡图；

S5、基于模糊图像帧B1的过渡图计算模糊图像帧B1的初始模糊核根据模糊核优化模型迭代计算模糊图像帧B1的模糊核，得到模糊图像帧B1的最优模糊核根据最优模糊核更新恢复模型，得到训练好的恢复模型；

S6、将运动模糊图像帧B1、步骤S5得到的最优模糊核输入到训练好的恢复模型中，恢复模型对运动模糊图像进行复原，输出复原后的图像。

进一步的，步骤S1具体包括：

S11、利用高斯模糊对运动模糊图像帧B1进行滤波处理，除去图中的噪声和层次干扰；

S12、计算模糊图像B1的梯度：利用空间对比度方法分别对B1计算水平方向和垂直方向的Sobel算子，得到模糊图像的显著边缘，图像梯度计算公式：

其中，I表示输入模糊图像帧B1，▽I表示B1的梯度值，▽I_x表示B1水平方向的Sobel算子，▽I_y表示B1垂直方向的Sobel算子；