专利名称：一种消除图像运动模糊的方法和装置的制作方法
技术领域：
本发明涉及图像处理技术领域，特别涉及一种消除图像运动模糊的方法和装置。
背景技术：
智能监控应用于众多领域，如道路交通、城市安防等。
图1为现有智能监控系统 的结构示意图，如图1所示，该智能监控系统包括图像采集模块11、视频编码模块12、网络 传输模块13、视频解码模块14、图像显示模块15和智能处理模块16。其中，图像采集模块 11，用于通过摄像机采集视频图像；视频编码模块12，用于对采集到的视频图像进行压缩 编码；网络传输模块13，用于通过网络对压缩编码后得到的图像码流进行传输；视频解码 模块14，用于对通过网络传输得到的图像码流进行解码，得到解码后的视频图像；图像显 示模块15，用于对由视频解码模块14得到的解码后的视频图像通过显示设备进行显示；智 能处理模块16，用于对由视频解码模块14得到的解码后的视频图像进行智能分析处理，如 抓拍、车牌识别等。但是，在实际智能监控中，如果物体运动速度过快、如快速运动的车辆等，摄像机 在抓拍存在该运动物体的图像时会造成该运动物体模糊，从而加大了后端智能处理的难度。目前，可通过提高摄像机快门时间和对运动造成的模糊图像进行盲卷积来减少运 动造成的模糊，然而，通过提高摄像机快门时间的方法会产生曝光不足，因而导致图像效果 差；而对运动造成的模糊图像进行盲卷积的方法不仅需要很大的计算量，而且由于未知点 扩散函数，也会导致图像效果差。
发明内容
有鉴于此，本发明提供了一种消除图像运动模糊的方法，能够消除由于物体运动 速度过快造成的模糊，提高后端智能处理的准确性。本发明还提供了一种消除图像运动模糊的装置，能够消除由于物体运动速度过快 造成的模糊，提高后端智能处理的准确性。为了达到上述目的，本发明提出的技术方案为一种消除图像运动模糊的方法，该方法包括判断当前图像中的目标区域是否模糊，如果是，则计算重构模糊图像所用的初始 卷积核矩阵，并用所述计算出的初始卷积核矩阵对目标区域的亮度分量进行反卷积，得到 重构图像，用重构图像更新当前图像中目标区域的亮度分量，将所述更新了亮度分量后的 当前图像作为消除运动模糊的图像。所述用重构图像更新当前图像中目标区域的亮度分量之前，该方法还包括对得 到的重构图像进行调整，得到新的重构图像。所述判断当前图像中的目标区域是否模糊包括计算监控目标在目标区域清晰的图像的图像统计特性；
5
计算当前图像中目标区域的梯度统计特性；根据计算出的梯度统计特性和图像统计特性的关系判断目标区域是否模糊。所述计算监控目标在目标区域清晰的图像的图像统计特性包括采集监控目标在
H W
目标区域清晰的图像；根据公式J=ZZgCx^)分别计算采集的每一幅图像的清晰程度J ；
Jt=Oy=O
取出计算出的J中的最小值Jmin、最大值Jmax、以及均值Javwage作为监控目标在目标区域清 晰的图像的图像统计特性；其中，所述H为图像垂直方向的像素大小，W为图像水平方向的 像素大小，G(x，y)为图像在位置(X，y)处的梯度值；所述计算当前图像中目标区域的梯度统计特性包括通过公式
H WJ = ZEg(U)计算当前图像中目标区域的梯度统计特性；
X=Oy=O所述根据计算出的梯度统计特性和图像统计特性的关系判断目标区域是否模糊 包括当梯度统计特性J与图像统计特性之间的关系为< Jmin + ('/average2~'/min)W,判定当
前图像模糊；否则，判定当前图像清晰。所述计算重构模糊图像所用的初始卷积核矩阵包括计算当前图像中目标区域的亮度分量的频谱，根据频谱计算目标区域中监控目标 的运动方向；根据图像统计特性和运动方向计算监控目标的运动速度；根据计算出的运动方向和运动速度计算初始卷积核矩阵。所述根据频谱计算目标区域中监控目标的运动方向包括通过公式Fshift = log (Ifftshift (F (x, y)) I)对计算出的频谱F(x，y)进行压缩和循环移位，使得低频位于频 谱的中心；通过公式Fgaussian = fgaussian(Fshift)对Fshift进行高斯滤波，得到的高斯滤波后的 Fgaussian ；对Fgaussian进行二值化处理，得到二值化图像；将二值化图像中与连通区域最长的一 条直线相垂直的方向作为监控目标的运动方向；所述F(x，y)为图像中目标区域的亮度分 量的频谱，所述fgaussian(x)为高斯滤波器；所述根据图像统计特性和运动方向计算监控目标的运动速度包括通过公式
权利要求
1.一种消除图像运动模糊的方法，其特征在于，该方法包括判断当前图像中的目标区域是否模糊，如果是，则计算重构模糊图像所用的初始卷积 核矩阵，并用所述计算出的初始卷积核矩阵对目标区域的亮度分量进行反卷积，得到重构 图像，用重构图像更新当前图像中目标区域的亮度分量，将所述更新了亮度分量后的当前 图像作为消除运动模糊的图像。
2.根据权利要求1所述的方法，其特征在于，所述用重构图像更新当前图像中目标区 域的亮度分量之前，该方法还包括对得到的重构图像进行调整，得到新的重构图像。
3.根据权利要求1所述的方法，其特征在于，所述判断当前图像中的目标区域是否模 糊包括计算监控目标在目标区域清晰的图像的图像统计特性； 计算当前图像中目标区域的梯度统计特性；根据计算出的梯度统计特性和图像统计特性的关系判断目标区域是否模糊。
4.根据权利要求3所述的方法，其特征在于，所述计算监控目标在目标区域清晰的图像的图像统计特性包括采集监控目标在目标 区域清晰的图像；根据公式J=ZZG(x，力分别计算采集的每一幅图像的清晰程度j ；取
5.根据权利要求1所述的方法，其特征在于，所述计算重构模糊图像所用的初始卷积 核矩阵包括计算当前图像中目标区域的亮度分量的频谱，根据频谱计算目标区域中监控目标的运 动方向；根据图像统计特性和运动方向计算监控目标的运动速度； 根据计算出的运动方向和运动速度计算初始卷积核矩阵。
6.根据权利要求5所述的方法，其特征在于，所述根据频谱计算目标区域中监控目标的运动方向包括通过公式Fshift = log (Ifftshift (F (x, y)) I)对计算出的频谱F(x，y)进行压缩和循环移位，使得低频位于频 谱的中心；通过公式Fgaussian = fgaussian(Fshift)对Fshift进行高斯滤波，得到的高斯滤波后的 Fgaussian ；对Fgaussian进行二值化处理，得到二值化图像；将二值化图像中与连通区域最长的一 条直线相垂直的方向作为监控目标的运动方向；所述F(x，y)为图像中目标区域的亮度分 量的频谱，所述fgaussian(x)为高斯滤波器；所述根据图像统计特性和运动方向计算监控目标的运动速度包括通过公式
7.根据权利要求1所述的方法，其特征在于，所述用所述计算出的初始卷积核矩阵对 目标区域的亮度分量进行反卷积，得到重构图像包括通过公式= fdeconv(B,K)得到清晰 图像的估计Fb，将!^b作为重构图像，其中，fdeconv (χ, y)为在已知卷积核矩阵和模糊图像条件 下恢复出清晰图像的估计所采用的函数，B为目标区域图像的亮度分量，K为初始卷积核矩 阵。
8.根据权利要求2所述的方法，其特征在于，所述对得到的重构图像进行调整，得到新 的重构图像包括判断得到的重构图像是否清晰，如果不清晰，判断设定范围内的运动速度是否全部被 使用过，如果没有被使用过，在事先设定的运动速度的阈值范围内调整监控目标的运动速 度，并根据运动方向和调整的运动速度计算初始卷积核矩阵，直至得到的重构图像清晰，将 得到的清晰的重构图像作为新的重构图像，如果被使用过，则选出重构图像中最清晰的图 像组为新的重构图像；如果清晰，则将得到的重构图像作为新的重构图像。
9.根据权利要求8所述的方法，其特征在于，H W所述判断得到的重构图像是否清晰包括根据公式
10.一种消除图像运动模糊的装置，其特征在于，该装置包括判断单元、计算单元、重 构单元和更新单元，其中，所述判断单元，用于判断当前图像中的目标区域是否模糊；所述计算单元，用于当判断单元判断目标区域模糊时，计算重构模糊图像所用的初始 卷积核矩阵；所述重构单元，用于根据计算单元计算出的初始卷积核矩阵对目标区域的亮度分量进 行反卷积，得到重构图像；所述更新单元，用于用重构单元得到的重构图像更新当前图像中目标区域的亮度分 量，将所述更新了亮度分量后的当前图像作为消除运动模糊的图像。
11.根据权利要求10所述的装置，其特征在于，该装置还包括调整单元，用于对重构 单元得到的重构图像进行调整，得到新的重构图像。
12.根据权利要求11所述的装置，其特征在于，所述判断单元包括第一计算子单元、第 二计算子单元和第一判断子单元，其中，所述第一计算子单元，用于计算监控目标在目标区域清晰的图像的图像统计特性；所述第二计算子单元，用于计算当前图像中目标区域的梯度统计特性；所述第一判断子单元，用于根据第一计算子单元计算出的图像统计特性和第二计算子 单元计算出的梯度统计特性判断目标区域是否模糊。
13.根据权利要求12所述的装置，其特征在于，所述计算单元包括第三计算子单元、 第四计算子单元和第五计算子单元，其中，所述第三计算子单元，用于当第一判断子单元判断目标区域模糊时，计算当前图像中 目标区域的亮度分量的频谱，根据频谱计算目标区域中监控目标的运动方向；所述第四计算子单元，用于根据第一计算子单元计算出的当前图像的图像统计特性和 第三计算子单元计算出的运动方向计算监控目标的运动速度；所述第五计算子单元，用于根据第三计算子单元计算出的运动方向和第四计算子单元 计算出的运动速度计算重构模糊图像所用的初始卷积核矩阵。
14.根据权利要求13所述的装置，其特征在于，所述重构单元，用于通过公式h = fdeConv(B,K)得到清晰图像的估计，将G作为重构 图像，其中，fde。。nv(X，y)为在已知卷积核矩阵和模糊图像条件下恢复出清晰图像的估计所 采用的函数，B为目标区域图像的亮度分量，K为初始卷积核矩阵。
15.根据权利要求14所述的装置，其特征在于，所述调整单元包括第二判断子单元、第 三判断子单元和调整子单元，其中，所述第二判断子单元，用于判断由重构单元得到的重构图像是否清晰，则，所述重构单 元，用于当第二判断子单元判断出重构图像清晰时，将所述重构图像发送给更新单元；第三判断子单元，用于当第二判断子单元判断出重构图像不清晰时，判断设定范围内 的运动速度是否全部被使用过，则所述重构单元，用于当第三判断子单元判断出设定范围 内的运动速度全部被使用过时，选出重构图像中最清晰的图像组为重构图像；调整子单元，用于当第三判断子单元判断出设定范围内的运动速度没有全部被使用过 时，在事先设定的运动速度的阈值范围内调整监控目标的运动速度，并将所述调整的运动 速度发送给第五计算子单元，则所述第五计算子单元，进一步用于根据运动方向和调整的 运动速度计算初始卷积核矩阵。
全文摘要
本发明公开了一种消除图像运动模糊的方法，该方法包括判断当前图像中的目标区域是否模糊，如果是，则计算重构模糊图像所用的初始卷积核矩阵，并用所述计算出的初始卷积核矩阵对目标区域的亮度分量进行反卷积，得到重构图像，用重构图像更新当前图像中目标区域的亮度分量，将所述更新了亮度分量后的当前图像作为消除运动模糊的图像。本发明还公开了一种消除图像运动模糊的装置，应用本发明所述的消除图像运动模糊的方法和装置，能够消除由于物体运动速度过快造成的模糊，提高后端智能处理的准确性。
文档编号H04N7/18GK102131079SQ201110099458
公开日2011年7月20日 申请日期2011年4月20日 优先权日2011年4月20日
发明者邓兵, 陈航锋 申请人:杭州华三通信技术有限公司