一种应用于高速目标视频图像的去运动模糊的方法与流程

本发明涉及视频图像运动模糊处理技术领域，具体为一种应用于高速目标视频图像的去运动模糊的方法。

背景技术：

视频图像是平安城市基础视频平台中最基础也是最重要的数据，而由于摄像机本身的原因(比如传感器的非线性，摄像机的抖动)或车辆速度的影响，从而使获取到的视频图像变得模糊引起图像的退化，为后期的检测算法和识别算法增加了难度，特别体现在道路上获取的视频，因为车辆的运动引起的模糊，为公安部门，交通部门处理事故带来了很大困难。另一方面，由于现实的场景环境的复杂多样，使用简单的图像去运动模糊方法不能准确地获得目标视频图像。

目前，高速目标视频图像的去运动模糊的方法存在不能对视频图像数据进行分析得到去模值，通过去模值合理的选取对应终端对拍摄设备拍摄的视频图像进行处理的问题。

技术实现要素：

本发明的目的就在于为了解决高速目标视频图像的去运动模糊的方法存在不能对视频图像数据进行分析得到去模值，通过去模值合理的选取对应终端对拍摄设备拍摄的视频图像进行处理的问题，而提出一种应用于高速目标视频图像的去运动模糊的方法；本发明通过图像分析模块对视频图像数据进行分析并结合传输间距、型号值、购买时长和处理总次数及利用公式得到优选人员的去模值，通过去模值选取对应优选人员的电脑终端对视频图像进行处理；从而合理的对拍摄设备拍摄的视频图像进行处理，从而提高高速目标视频图像处理的效率。

本发明的目的可以通过以下技术方案实现：一种应用于高速目标视频图像的去运动模糊的方法，包括以下步骤：

步骤一：通过采集模块采集拍摄设备拍摄的高速目标的视频图像数据并将其发送至图像分析模块；

步骤二：图像分析模块接收到视频图像数据后对其进行分析获取得到优选人员的去模值；

步骤三：将视频图像数据发送至去模值最大的优选人员的电脑终端，通过电脑终端对视频图像数据进行视频图像处理；

步骤四：优选人员的电脑终端将处理后的视频图像数据发送至服务器内，同时优选人员的处理总次数增加一次。

所述视频图像数据包括拍摄设备位置、视频图像文件以及拍摄时刻。

优选的，对所述视频图像数据的具体分析步骤为：

s21：图像分析模块通过互联网获取拍摄设备位置在拍摄时刻的天气类型，其中，天气类型包括晴天、雨天、阴天、雾天、雪天；

s22：获取服务器内存储的注册人员及注册人员的注册信息，将处理类型与天气类型相同的注册人员标记为优选人员；

s23：将优选人员的电脑终端的位置与拍摄设备位置进行距离差计算获取得到传输间距并标记为m1；

s24：设定所有电脑型号均对应一个型号值，将优选人员的电脑终端的型号与所有电脑型号进行匹配获取得到对应的型号值并标记为m2；

s25：将优选人员的电脑终端购买时间与当前时间进行时间差获取得到优选人员的购买时长并标记为m3，单位为天；

s26：设定优选人员的处理总次数为m4；将传输间距、型号值、购买时长和处理总次数进行归一化处理并取其数值；

s27：利用公式获取得到优选人员的去模值qm；其中，μ为误差校准因子，取值为0.957；b1、b2、b3和b4均为预设比例系数。

优选的，所述服务器内包括注册登录单元和存储单元；所述注册登录单元用于人员通过手机终端提交注册信息进行注册并将注册成功的注册信息发送至存储单元内存储；服务器将注册成功的人员标记为注册人员；其中，注册信息包括姓名、身份证号、电脑终端的型号、电脑终端购买时间和电脑终端的位置及处理类型；处理类型包括晴天、雨天、阴天、雾天、雪天。

优选的，所述视频图像处理的处理步骤为：

s31：从视频图像中截取含有感兴趣的高速目标图像g；

s32：确定视频图像中除模糊高速目标之外的清晰图像y的正则值；

s33：确定点扩散函数k的正则值；

s34：利用超拉普拉斯算法对视频图像去运动模糊得到清晰的视频图像f。

与现有技术相比，本发明的有益效果是：

1、本发明通过采集模块采集拍摄设备拍摄的高速目标的视频图像数据并将其发送至图像分析模块；图像分析模块接收到视频图像数据后对其进行分析获取得到优选人员的去模值；将视频图像数据发送至去模值最大的优选人员的电脑终端，通过电脑终端对视频图像数据进行视频图像处理；优选人员的电脑终端将处理后的视频图像数据发送至服务器内，本发明通过图像分析模块对视频图像数据进行分析并结合传输间距、型号值、购买时长和处理总次数及利用公式得到优选人员的去模值，通过去模值选取对应优选人员的电脑终端对视频图像进行处理；从而合理的对拍摄设备拍摄的视频图像进行处理。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的流程图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种应用于高速目标视频图像的去运动模糊的方法，包括以下步骤：

步骤一：通过采集模块采集拍摄设备拍摄的高速目标的视频图像数据并将其发送至图像分析模块，视频图像数据包括拍摄设备位置、视频图像文件以及拍摄时刻；

步骤二：图像分析模块接收到视频图像数据后对其进行分析获取得到优选人员的去模值，具体分析步骤为：

s21：图像分析模块通过互联网获取拍摄设备位置在拍摄时刻的天气类型，其中，天气类型包括晴天、雨天、阴天、雾天、雪天；

s22：获取服务器内存储的注册人员及注册人员的注册信息，将处理类型与天气类型相同的注册人员标记为优选人员；

s23：将优选人员的电脑终端的位置与拍摄设备位置进行距离差计算获取得到传输间距并标记为m1；

s24：设定所有电脑型号均对应一个型号值，将优选人员的电脑终端的型号与所有电脑型号进行匹配获取得到对应的型号值并标记为m2；

s25：将优选人员的电脑终端购买时间与当前时间进行时间差获取得到优选人员的购买时长并标记为m3，单位为天；

s26：设定优选人员的处理总次数为m4；将传输间距、型号值、购买时长和处理总次数进行归一化处理并取其数值；

s27：利用公式获取得到优选人员的去模值qm；其中，μ为误差校准因子，取值为0.957；b1、b2、b3和b4均为预设比例系数；b1、b2、b3和b4分别为0.41、0.28、0.54、0.36；

步骤三：将视频图像数据发送至去模值最大的优选人员的电脑终端，通过电脑终端对视频图像数据进行视频图像处理，处理步骤为：

s31：从视频图像中截取含有感兴趣的高速目标图像g；

s32：确定视频图像中除模糊高速目标之外的清晰图像y的正则值，具体为：对清晰图像高频x的正则化公式如下式：可看做l1范数问题，可转化成有一个线性规划问题，采用迭代收缩阈值算法(ista)；

同时梯度下降的迭代公式如下式：

xk＝xk-1-tk▽f(xk-1)；

两式叠加，化简可得：

通过ista算法进行迭代求解，结果为：

xk＝(1-γk)yk+γkyk-1；

s33：确定点扩散函数k的正则值，具体为：

点扩散函数k的更新，依据下式，其中满足约束条件k>0，采用无约束的迭代加权最小二乘法(irls)；

irls算法通过一个迭代的方法，其中每一个步骤包括解决加权最小二乘问题的形式如下式；

算法流程为：给定初始的初始点扩散函数k；设置最大循环次数，计算残差；以公式(1)计算变量e，并依次更新α，k，r，e，更新公式如式(1)，(2)，(3)，(4)；重复步骤，直到达到最大循环次数；

其中式(1)为：

式(2)为：

式(3)为：ki＝ki-1+αir；

式(4)为：ri＝ri-1-αi(x^txk+wi-1k)；

s34：利用超拉普拉斯算法对视频图像去运动模糊得到清晰的视频图像f；具体为：

超拉普拉斯模型作为对清晰图像的统计函数重尾分布的拟合，其p(f)的对数可表示为下式：

其中▽fi,1，▽fi,2分别表示待求清晰图像的水平和垂直梯度，上式中，当α＝2时，是常见的高斯模型，α＝1时是拉普拉斯模型，采用的0<α<1的超拉普拉斯模型，在对重尾分布进行多次拟合的实验后，采取的α＝0.7的超拉普拉斯模型。基于贝叶斯理论的前提，可把去运动模糊问题描述为求式下式的最大时所对应的清晰图像。

采用半二次补偿法，引入辅助变量w＝[w1，w2]，将上式拆分成式(5)、式(6)两个式子：

式(5)：

式(6)

在迭代计算过程中，首先固定w，此时仅需要更新式(5)中的f，式(6)中存在卷积操作，其计算复杂度高，时间消耗大，将时域转化为频域对应傅里叶变化，减少计算量；通过实时监控视频获取所需的图像，并通过一系列的图像处理技术获取所感兴趣的目标图像，还原图像细节的同时，减少图像因运动造成的模糊，目的是为了改善目标高速运动下视频图像的视觉效果，提高图像的质量，为后期的检测和识别提供便利；通过结合点扩散函数约束，清晰图像梯度先验，构造正则化函数，提出了加强字符先验约束，迭代求解清晰图像高频信息和点扩散函数。突出图像细节的同时，减少图像的失真，改善了高速目标视频图像的视觉效果，增强图像画面的还原效果，提高图像的质量；并通过改进超拉普拉斯算法尽可能的减少或消除高速目标的周围振铃现象，获取更为精准的高速目标图像；

步骤四：优选人员的电脑终端将处理后的视频图像数据发送至服务器内，同时优选人员的处理总次数增加一次。

服务器内包括注册登录单元和存储单元；注册登录单元用于人员通过手机终端提交注册信息进行注册并将注册成功的注册信息发送至存储单元内存储；服务器将注册成功的人员标记为注册人员；其中，注册信息包括姓名、身份证号、电脑终端的型号、电脑终端购买时间和电脑终端的位置及处理类型；处理类型包括晴天、雨天、阴天、雾天、雪天。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

本发明在使用时，通过采集模块采集拍摄设备拍摄的高速目标的视频图像数据并将其发送至图像分析模块；图像分析模块接收到视频图像数据后对其进行分析获取得到优选人员的去模值；将视频图像数据发送至去模值最大的优选人员的电脑终端，通过电脑终端对视频图像数据进行视频图像处理；优选人员的电脑终端将处理后的视频图像数据发送至服务器内，本发明通过图像分析模块对视频图像数据进行分析并结合传输间距、型号值、购买时长和处理总次数及利用公式得到优选人员的去模值，通过去模值选取对应优选人员的电脑终端对视频图像进行处理；从而合理的对拍摄设备拍摄的视频图像进行处理

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。