專(zhuān)利名稱(chēng)：一種基于視頻數(shù)據(jù)的物像增強(qiáng)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種基于視頻數(shù)據(jù)的物像增強(qiáng)方法。
背景技術(shù)：
如今，通過(guò)各種拍攝工具獲取的視頻數(shù)據(jù)越來(lái)越普遍，例如，除通過(guò)高性能、專(zhuān)業(yè)設(shè)備主動(dòng)錄制得到的視頻節(jié)目之外，銀行、商店、居民小區(qū)等場(chǎng)所的安全監(jiān)控?cái)z像存檔數(shù)據(jù)，通過(guò)智能手機(jī)等便攜設(shè)備進(jìn)行“街拍”等活動(dòng)得到的影像資料，也都不斷被制造出來(lái)。并且，隨著社會(huì)經(jīng)濟(jì)的發(fā)展和大眾生活方式“數(shù)字化”和“媒體化”，視頻數(shù)據(jù)量的增長(zhǎng)速度也有越來(lái)越高的趨勢(shì)。 盡管視頻中包含了海量的數(shù)據(jù)，但由于拍攝設(shè)備以及條件的限制，通常感興趣的目標(biāo)在視頻中的圖像并不總是清晰、可分辨的。因此，需要提供一種方法，能夠從視頻資料中提取目標(biāo)人物或物體的影像信息。目前默認(rèn)的方法是，用戶使用裸眼從視頻中挑選出較為清晰的一幀，然后將其保存成靜態(tài)的圖像，再借助其他軟件，如Photoshop等進(jìn)行后續(xù)的增強(qiáng)工作。由于沒(méi)有可用的軟件，現(xiàn)在還無(wú)法使用整段視頻數(shù)據(jù)的全部信息復(fù)原用戶感興趣的圖像。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供了一種基于視頻數(shù)據(jù)的物像增強(qiáng)方法。本發(fā)明的基于視頻數(shù)據(jù)的物像增強(qiáng)方法包括步驟步驟I，將視頻數(shù)據(jù)d的第k幀畫(huà)面dk中出現(xiàn)的物像作為物像模板T，其中該視頻數(shù)據(jù)包含L幀，I < k < L ;步驟2，在視頻數(shù)據(jù)的每一幀畫(huà)面中確定模板T的匹配位置，其中第i幀的匹配位置為(Xi，Yi), T在dk中的位置記為(xk，yk)，其中I ( i彡L ;步驟3，獲得L幀中每一幀的偏移量，其中第i幀的偏移量為Si = (X1-Xk, yi_yk)，將視頻數(shù)據(jù)的各幀按照其偏移量進(jìn)行偏移；步驟4，判斷偏移后的視頻數(shù)據(jù)的質(zhì)量指標(biāo)是否能夠達(dá)到預(yù)先設(shè)定的閾值，如果達(dá)到，則結(jié)束流程?？蛇x地，步驟2進(jìn)一步包括步驟2.0，令i = I;步驟2.1，使用dtixnis算法對(duì)T進(jìn)行完全小波變換，得到第I至J階尺度的小波系數(shù)W1至Wj ;步驟2. 2,使用ditrous算法對(duì)(Ii進(jìn)行I至J階小波變換,得到第I至J階尺度的小波系數(shù)V1至h ;步驟2.3，令j = 1，執(zhí)行:步驟2. 3. 1，計(jì)算Vj與Wj的交叉相關(guān)系數(shù)矩陣Cj，記該矩陣的最大值為Cmaxj ；步驟2. 3. 2, j = j+1,然后重復(fù)步驟2. 3.1 ;直到j(luò) = J,繼續(xù)下一步；步驟2. 4,從得到的J個(gè)cmaXj中尋找最大值cmax以及最大值對(duì)應(yīng)的小波尺度jm ；
步驟2. 5,確定cjm中該最大值cmax出現(xiàn)的位置(Xi, y) , T在dk中的位置記為(xk,
yk)；在步驟2. 6，記第i中貞的偏移量為Si = (X1-Xk, Y1-Yk)；步驟2. 7,令i = i+Ι,重復(fù)步驟2.1 ;直到i = L?？蛇x地，步驟3進(jìn)一步包括經(jīng)偏移后的視頻數(shù)據(jù)其中，(Ii是原視頻的第i幀數(shù)據(jù)，ds是通過(guò)平移增強(qiáng)后的視頻數(shù)據(jù)?？蛇x地，如果步驟4中判斷ds的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且是因?yàn)槠圃斐傻哪：?，則將視頻數(shù)據(jù)中不同于第k幀畫(huà)面的另外一幀畫(huà)面中的物像作為物像模板T，返回步驟2重新執(zhí)行各步驟。
可選地，如果步驟4中得到的ds的質(zhì)量指標(biāo)能夠達(dá)到預(yù)先設(shè)定的閾值，則將平移校正過(guò)的圖像ds中的物像作為物像模板T，執(zhí)行下一步，并執(zhí)行以下步驟步驟5,令A(yù) = 180度,令i = I,執(zhí)行步驟5. 1，令 η = 1，a = A/10步驟5. 2，將 Cli 旋轉(zhuǎn) n*a_A步驟5. 3，計(jì)算旋轉(zhuǎn)后的畫(huà)面第I至J階尺度小波系數(shù)，尋找各尺度小波系數(shù)與模板T的各尺度小波系數(shù)的交叉相關(guān)系數(shù)矩陣最大值，得到該最大值為Cmaxi,n,jm。步驟5. 4,如果η = 20,則執(zhí)行步驟6,如果η < 20,令η = η+1,返回到步驟5. 2 ；步驟6，比較η從I至20的各個(gè)Cmaxi,n,jm，其中最大的為cmaxUm,jm，其對(duì)應(yīng)的旋轉(zhuǎn)角度為A = nma-A ；步驟7,如果i = L,則進(jìn)行下一步,如果i < L,則令i = i+Ι,返回步驟5.1 ；步驟8，將視頻數(shù)據(jù)各幀旋轉(zhuǎn)量、偏移量校正，然后疊加得到drs(x,y) =rot(di(x - Xi + xk,y - yt +步驟9，如果對(duì)dre的質(zhì)量指標(biāo)能夠達(dá)到預(yù)先設(shè)定的閾值，則結(jié)束程序；可選地，如果步驟9中的dre的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且是由于旋轉(zhuǎn)造成的模糊，則令A(yù) = a、更新T，然后返回步驟5.1重新執(zhí)行各步驟。可選地，如果步驟9中的dre的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且是由于有縮放造成的模糊，則更新T然后進(jìn)行下一步；步驟10，令Z = Zm，其中2_ 是目測(cè)視頻中最大物像尺寸與模板物像尺寸的比值；令i = I，執(zhí)行步驟10.1，令βn=l;步驟10. 2，將Cli按照旋轉(zhuǎn)角度A旋轉(zhuǎn)，得到(JOt (di，r,)，再按照縮放系數(shù)enp-log (Zm)縮放，得到dr,i,n = Z00m(dr,i, enp-丨。g(Zm))；步驟10. 3，計(jì)算d“n的I至J階尺度小波系數(shù)，尋找各尺度小波系數(shù)模板T的各尺度小波系數(shù)的交叉相關(guān)系數(shù)的交叉相關(guān)系數(shù)矩陣最大值，得到最大值為Cmaxi,n,jm;步驟10. 4，如果η = 20，則執(zhí)行步驟11，如果η < 20，則令η = η+1，回到10. 2 ；步驟11，比較η = I到20的各個(gè)cmaxi;n,jm其中最大的為Cmaxi^jm對(duì)應(yīng)的縮放系
數(shù)為 Zi =步驟12,如果i = L,則進(jìn)行下一步；如果i < L,則令i = i+Ι,返回步驟10.1 ；
步驟13，將視頻數(shù)據(jù)各幀縮放系數(shù)、偏移量校正，然后疊加得到dzrs(x,y) = ^-Σ =ι dr,i, m(x - Xi + xk,y -妁 + yk)·,步驟14，如果對(duì)的質(zhì)量指標(biāo)能夠達(dá)到預(yù)先設(shè)定的閾值，則結(jié)束程序?？蛇x地，如果對(duì)d_的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且其中仍含有尺度差異造成的模糊，則令Zm = e^1、更新T，然后返回10.1執(zhí)行各步驟?？蛇x地，所述視頻數(shù)據(jù)是指通過(guò)數(shù)字?jǐn)z影設(shè)備拍攝的數(shù)字格式視頻數(shù)據(jù)，或經(jīng)模擬攝影設(shè)備拍攝的模擬視頻經(jīng)轉(zhuǎn)換后得到的數(shù)字視頻數(shù)據(jù)?？蛇x地，所述視頻數(shù)據(jù)是靜態(tài)數(shù)字圖片的離散時(shí)間序列，每一張數(shù)字圖片稱(chēng)為該視頻數(shù)據(jù)的“一幀”。每一幀對(duì)應(yīng)的時(shí)刻由其序數(shù)以及該視頻數(shù)據(jù)的幀速率計(jì)算得到。
利用本發(fā)明，能夠從視頻資料中提取目標(biāo)人物或物體的影像信息。


圖1為本發(fā)明基于視頻數(shù)據(jù)的物象增強(qiáng)方法的基本流程圖；圖2為本發(fā)明基于視頻數(shù)據(jù)的物象增強(qiáng)方法的詳細(xì)流程圖。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。本發(fā)明提出一種基于視頻數(shù)據(jù)的物象增強(qiáng)方法，其中視頻數(shù)據(jù)是指通過(guò)數(shù)字?jǐn)z影設(shè)備(如智能手機(jī)、電腦攝像頭等)拍攝的數(shù)字格式視頻數(shù)據(jù)，或經(jīng)模擬攝影設(shè)備(如一些監(jiān)控?cái)z像頭、模擬式攝像機(jī)等)拍攝的模擬視頻經(jīng)轉(zhuǎn)換后得到的數(shù)字視頻數(shù)據(jù)。該數(shù)據(jù)為靜態(tài)數(shù)字圖片的離散時(shí)間序列，每一張數(shù)字圖片稱(chēng)為該視頻數(shù)據(jù)的“一幀”。每一幀對(duì)應(yīng)的時(shí)刻可以由其序數(shù)以及該視頻數(shù)據(jù)的幀速率計(jì)算得到。每一幀可以是單通道格式的數(shù)字圖片，對(duì)應(yīng)于灰度(有時(shí)也稱(chēng)黑白)視頻數(shù)據(jù)；也可以是三通道格式的數(shù)字圖片，三個(gè)通道分別對(duì)應(yīng)紅、綠、藍(lán)三色分量，則對(duì)應(yīng)于彩色視頻數(shù)據(jù)。而物像增強(qiáng)是指從對(duì)比度、分辨率、信噪比三個(gè)方面對(duì)物像進(jìn)行修正。對(duì)比度也稱(chēng)反襯度，是衡量畫(huà)面中最亮部分和最暗部分的亮度的比值。通常一副畫(huà)面的對(duì)比度越高，看起來(lái)也就越生動(dòng)。但由于圖像輸出設(shè)備的限制，圖像值要規(guī)格化到某一個(gè)確定的范圍，并且只能用有限的位數(shù)來(lái)近似規(guī)格化后的數(shù)值。如果圖像中存在某個(gè)亮度遠(yuǎn)大于其他部分的局部，則其他部分的亮度差異將會(huì)被近似為很接近甚至相同的數(shù)值。這樣一來(lái)，畫(huà)面整體的對(duì)比度雖然很高，但大部分區(qū)域的局部對(duì)比度卻是很差的。假如我們感興趣的物像恰好位于對(duì)比度低的區(qū)域，我們就需要調(diào)整其對(duì)比度，將其亮度范圍拉伸至較大的區(qū)間。分辨率用于衡量圖像中相鄰物體被分辨的程度。假設(shè)有一理想的點(diǎn)光源，其空間亮度分布函數(shù)即為點(diǎn)脈沖函數(shù)。使用實(shí)際的成像系統(tǒng)對(duì)這樣一個(gè)光源進(jìn)行成像，其圖像為具有一定面積和形狀以及亮度分布的光斑。這個(gè)效應(yīng)叫做點(diǎn)擴(kuò)展效應(yīng)，如果前述的理想點(diǎn)光源亮度為單位亮度，那么其光斑即為該成像系統(tǒng)的點(diǎn)擴(kuò)展函數(shù)。點(diǎn)擴(kuò)展函數(shù)與成像系統(tǒng)的分辨率密切相關(guān)，常常用點(diǎn)擴(kuò)展函數(shù)半高全寬來(lái)量化分辨率。
信噪比是用來(lái)衡量圖像質(zhì)量的重要指標(biāo)。數(shù)字圖像的信噪比由信號(hào)強(qiáng)度與噪聲強(qiáng)度的比值計(jì)算得到。通常還會(huì)取該比值的以10為底的對(duì)數(shù)，并乘以系數(shù)10，得到單位為“分貝”(dB)的數(shù)值。在噪聲強(qiáng)度保持不變的情況下，成像系統(tǒng)的分辨率越高，物像的點(diǎn)擴(kuò)展效應(yīng)越細(xì)微，信號(hào)就越集中，因此信噪比也就越好。本發(fā)明基于視頻數(shù)據(jù)的物像增強(qiáng)方法的原理是將視頻數(shù)據(jù)考慮為對(duì)目標(biāo)真實(shí)亮度分布的連續(xù)、多次成像。每次成像結(jié)果都是視頻數(shù)據(jù)中的一幀畫(huà)面。這些畫(huà)面中不相關(guān)的像素疊加到一起，由于無(wú)論圖像中的信號(hào)成分還是噪聲成分都沒(méi)有相關(guān)性，所以會(huì)趨于某個(gè)未知的均值。對(duì)應(yīng)于目標(biāo)同一個(gè)位置的像素因包含相關(guān)的信號(hào)成分，而噪聲成分是不相關(guān)的，因此將這樣的像素疊加之后得到的信號(hào)成分趨于真實(shí)亮度，而噪聲則彼此相互抵消。該方法的實(shí)現(xiàn)包含兩個(gè)環(huán)節(jié)以物像模板搜索相關(guān)像素和更新物像模板。本發(fā)明中將對(duì)應(yīng)于目標(biāo)同一個(gè)位置的像素稱(chēng)為相關(guān)像素。不同幀的相關(guān)像素之所以不一定出現(xiàn)在同樣的位置，主要有以下幾個(gè)原因1)在拍攝視頻過(guò)程中，目標(biāo)發(fā)生了移動(dòng)。如平移、旋轉(zhuǎn)、靠近或者遠(yuǎn)離等等；2)目標(biāo)沒(méi)有移動(dòng)，而是拍攝者(或設(shè)備)有移動(dòng)，如抖動(dòng)等；3)目標(biāo)發(fā)生了形變。比如目標(biāo)人物面部有表情變化、肢體有動(dòng)作，或者目標(biāo)物體有其他形變。 對(duì)于不同類(lèi)型的視頻數(shù)據(jù)，以上三種因素的成分不同。例如，固定式監(jiān)控?cái)z像頭取得的視頻數(shù)據(jù)中，造成相關(guān)像素位置變化的主要原因就是目標(biāo)的運(yùn)動(dòng)；手持設(shè)備取得的視頻數(shù)據(jù)中，造成相關(guān)像素位置變化的主要原因則可能是拍攝者手部難以避免的抖動(dòng)。圖1為本發(fā)明基于視頻數(shù)據(jù)的物像增強(qiáng)方法流程圖。圖2為本發(fā)明基于視頻數(shù)據(jù)的物象增強(qiáng)方法的詳細(xì)流程圖。參照?qǐng)D1并結(jié)合圖2，該方法包括步驟步驟1，將視頻數(shù)據(jù)d的第k幀畫(huà)面dk中出現(xiàn)的物像作為物像模板T，其中該視頻數(shù)據(jù)包含L幀，I < k < L ;選擇模板T的方法是，用戶在視頻中手動(dòng)挑選出最為優(yōu)化的的一幀Cltjpt (假設(shè)為第k幀dk)，然后從中圈選出矩形區(qū)域，內(nèi)含圖像模板T。后面的增強(qiáng)均基于此模板。因此該模板應(yīng)該包含用戶感興趣的所有目標(biāo)，且盡可能不含無(wú)關(guān)對(duì)象。步驟2，在視頻數(shù)據(jù)的每一幀畫(huà)面中尋找模板T的匹配位置，其中第i幀的匹配位置為(Xi，yi)，T在dk中的位置記為(xk, yk)，其中I彡i彡L ;其中結(jié)合圖2，步驟2進(jìn)一步包括步驟2. O,令 i = I ;步驟2. 1，使用算法對(duì)T進(jìn)行完全小波變換，得到第I至J階尺度的小波系數(shù)W1至& ；atrous算法在本領(lǐng)域通常被稱(chēng)為“多孔算法”，屬于該領(lǐng)域公知的一種技術(shù)。該技術(shù)用于計(jì)算離散小波變換，優(yōu)點(diǎn)是可以將小波變換表達(dá)成卷積形式，且各個(gè)尺度的小波基可以寫(xiě)成卷積核內(nèi)嵌O元素的形式。步驟2. 2,使用ditrous算法對(duì)(Ii進(jìn)行I至J階小波變換,得到第I至J階尺度的小波系數(shù)V1至Vj ;假設(shè)圖像高度為H像素，寬度為W像素，則J = floor (log (min (H，ff)) /log (2))，亦即，不大于H與W中較小者的以2為底的對(duì)數(shù)的最大的正數(shù)。步驟2.3，令 j = l，步驟2. 3. 1，計(jì)算Vj與Wj的交叉相關(guān)系數(shù)矩陣C」，記該矩陣的最大值為Cmaxj ；步驟2. 3. 2, j = j+1,然后重復(fù)步驟2. 3.1 ;直到j(luò) = J，繼續(xù)下一步2. 4 ；步驟2. 4,從得到的J個(gè)cmax」中尋找最大值cmax以及最大值(cmax_j, j =I，... J,共J個(gè)，從中找到最大的，假設(shè)第j_m個(gè)最大,則記cmax_j_m為cmax)對(duì)應(yīng)的小波尺度九；九是1至J中的一個(gè)。步驟2. 5,確定Cjm中該最大值cmax出現(xiàn)的位置(Xi, Yi),作為視頻數(shù)據(jù)第i巾貞畫(huà)面中模板T的匹配位置，T在dk中的位置記為(xk，yk)；在步驟2. 6，記第i中貞的偏移量為Si = (X1-Xk, Y1-Yk)；步驟2. 7,令i = i+Ι,重復(fù)步驟2.1 ;直到i = L。步驟3，將視頻數(shù)據(jù)的各幀按照其偏移量Si進(jìn)行偏移，然后疊加得到ds(x,y)=讀=1 CliCx - Xi + xk,y- yt + yk)d_i是原視頻的第i幀數(shù)據(jù)；d_s是通過(guò)平移增強(qiáng)后的一幀。同時(shí)，視頻數(shù)據(jù)的各 幀也被更正為d_s_i (X, y) = d_i (x_x_i+x_k, y-y_i+y_k)ds/(x,y) = di{x ~ Xi + xk,y -Ji + yk)步驟4，如果ds令人滿意的質(zhì)量指標(biāo)能夠達(dá)到預(yù)先設(shè)定的閾值指標(biāo)，則結(jié)束流程。在該步驟，ds，的質(zhì)量主要從分辨率、信噪比、對(duì)比度三個(gè)角度判定，判定依據(jù)是針對(duì)分辨率、信噪比、對(duì)比度預(yù)先設(shè)定閾值，如果ds的分辨率、信噪比、對(duì)比度均能夠達(dá)到預(yù)先設(shè)定的閾值，則認(rèn)為經(jīng)偏移后的視頻數(shù)據(jù)符合要求，則結(jié)束程序；如果ds不符合質(zhì)量要求，并且是因?yàn)槠圃斐傻哪：?判定依據(jù)參與此步驟的Cli各幀中目標(biāo)在圖像中的大小、角度基本不變，只有位置變化，且4的模糊是均勻的，并不存在某個(gè)特別的角度或者維度。)則返回步驟2重新執(zhí)行各步驟。下面提到的視頻數(shù)據(jù)是否符合要求，均是指視頻數(shù)據(jù)的質(zhì)量指標(biāo)是否能夠達(dá)到預(yù)先設(shè)定的閾值指標(biāo)。如果步驟4中得到的ds滿足要求符合要求，則將平移校正過(guò)的圖像ds中的物像作為物像模板T，執(zhí)行下一步。步驟5,令A(yù) = 180度,令i = I,執(zhí)行步驟5.1,令 η = I, a = Α/10步驟5. 2,將dSi旋轉(zhuǎn)n*a_A (此處A是旋轉(zhuǎn)校正的上界，a為校正的步長(zhǎng))。步驟5. 3,使用ditrous算法對(duì)旋轉(zhuǎn)后的d_s_i進(jìn)行I至J階小波變換，得到第I至J階尺度的小波系數(shù)V1至V1:步驟5. 3.1計(jì)算Vj與Wj的交叉相關(guān)系數(shù)矩陣Cj,記該矩陣的最大值為cmaXj ；步驟5. 3. 2, j = j+1,然后重復(fù)步驟5. 3.1 ;直到j(luò) = J，繼續(xù)下一步；步驟5. 4,從得到的J個(gè)cmax」中尋找最大值cmax以及最大值(cmax_j, j =
1，... J，共J個(gè)，從中找到最大的，假設(shè)第jm個(gè)最大，則記emaxIm為cmax)，到該最大值為cmaxu,jm。步驟5. 5，如果η = 20，則執(zhí)行步驟6，如果η < 20，令η = η+1，返回到步驟5. 2 ；步驟6，比較η從I至20的各個(gè)Cmaxi,n,jm，其中最大的為Cmaxuimjm，其對(duì)應(yīng)的旋轉(zhuǎn)角度為A = nma-A ；步驟7,如果i = L,則進(jìn)行下一步,如果i < L,則令i = i+Ι,返回步驟5.1 ；步驟8，將視頻數(shù)據(jù)各幀旋轉(zhuǎn)量、偏移量校正。首先根據(jù)旋轉(zhuǎn)量校正，校正方法為反向旋轉(zhuǎn)相等的角度；然后根據(jù)偏移量校正，方法為反向移動(dòng)相等的距離。然后疊加得到d.-SO,y) = ^Σ =ι咖(diO-》+ y-+ yfc),η)，其中rοt的含義為圖像旋轉(zhuǎn)操作,數(shù)字圖像處理中有多種方法均可實(shí)現(xiàn)這個(gè)操作，例如雙三次插值、雙線性插值等方法，均是很成熟的公開(kāi)方法。步驟9，如果dre滿足要求符合要求，則結(jié)束程序。如果步驟9中的CU不符合要求，并且是由于旋轉(zhuǎn)造成的模糊，則令
權(quán)利要求
1.一種基于視頻數(shù)據(jù)的物像增強(qiáng)方法，該方法包括步驟 步驟1，將視頻數(shù)據(jù)d的第k幀畫(huà)面dk中出現(xiàn)的物像作為物像模板T，其中該視頻數(shù)據(jù)包含L幀，I彡k彡L ; 步驟2，在視頻數(shù)據(jù)的每一幀畫(huà)面中確定模板T的匹配位置，其中第i幀的匹配位置為(Xi, y)，T在dk中的位置記為(xk, yk)，其中I彡i彡L ; 步驟3，獲得L幀中每一幀的偏移量，其中第i幀的偏移量為Si = (X1-Xk, y1-yk)，將視頻數(shù)據(jù)的各幀按照其偏移量進(jìn)行偏移； 步驟4，判斷偏移后的視頻數(shù)據(jù)的質(zhì)量指標(biāo)是否能夠達(dá)到預(yù)先設(shè)定的閾值，如果能夠達(dá)至IJ，則結(jié)束流程。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2進(jìn)一步包括 步驟2. O，令i = I ; 步驟2. 1，使用算法對(duì)T進(jìn)行完全小波變換，得到第I至J階尺度的小波系數(shù)W1至Wj ； 步驟2. 2，使用dtixnis算法對(duì)Cli進(jìn)行I至J階小波變換，得到第I至J階尺度的小波系數(shù)V1至Vj ; 步驟2.3，令j = 1，執(zhí)行 步驟2. 3. 1，計(jì)算 ' 與Wi的交叉相關(guān)系數(shù)矩陣&記該矩陣的最大值為Cmaxj ； 步驟2. 3. 2, j = j+1,然后重復(fù)步驟2. 3.1 ;直到j(luò) = J,繼續(xù)下一步； 步驟2. 4,從得到的J個(gè)cmaXj中尋找最大值cmax以及最大值對(duì)應(yīng)的小波尺度jm ； 步驟2. 5,確定Cjm中該最大值cmax出現(xiàn)的位置(Xi, y) , T在dk中的位置記為(xk, yk)； 在步驟2. 6,記第i巾貞的偏移量為Si = (X1-Xk, Y1-Yk)； 步驟2. 7,如果i < L,則令i = i+Ι,重復(fù)步驟2.1,如果i = L則執(zhí)行下一步。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟3進(jìn)一步包括 經(jīng)偏移后的視頻數(shù)據(jù)為ds(x,y) = ^Σ[=ιΦ(χ -Xi + xk,y -yt + yK)苴中，(Ii是原視頻的第i幀數(shù)據(jù)，ds是通過(guò)平移增強(qiáng)后的視頻數(shù)據(jù)。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，如果步驟4中判斷ds的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且是因?yàn)槠圃斐傻哪：?，則將視頻數(shù)據(jù)中不同于第k幀畫(huà)面的另外一幀畫(huà)面中的物像作為物像模板T，返回步驟2重新執(zhí)行各步驟。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，如果步驟4中得到的ds的質(zhì)量指標(biāo)能夠達(dá)到預(yù)先設(shè)定的閾值，則將平移校正過(guò)的圖像ds中的物像作為物像模板T，并執(zhí)行以下步驟 步驟5,令A(yù) = 180度,令i = 1，執(zhí)行步驟 5.1,令 η = I, a = Α/10步驟5.2，將屯旋轉(zhuǎn)n*a-A 步驟5. 3，計(jì)算旋轉(zhuǎn)后的畫(huà)面第I至J階尺度小波系數(shù)，尋找各尺度小波系數(shù)與模板T的各尺度小波系數(shù)的交叉相關(guān)系數(shù)矩陣最大值，得到該最大值為Cmaxujm。; 步驟5. 4，如果η = 20，則執(zhí)行步驟6，如果η < 20，令η = η+1，返回到步驟5. 2 ; 步驟6，比較η從I至20的各個(gè)cmax Jm，其中最大的為cmaxUm,jm，其對(duì)應(yīng)的旋轉(zhuǎn)角度為 Ti = nma-A ； 步驟7,如果i = L,則進(jìn)行下一步,如果i < L,則令i = i+Ι,返回步驟5.1 ；步驟8，將視頻數(shù)據(jù)各幀旋轉(zhuǎn)量、偏移量校正，然后疊加得到
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，如果步驟9中的CU的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且是由于旋轉(zhuǎn)造成的模糊，則令A(yù) = a、更新T，然后返回步驟5.1重新執(zhí)行各步驟。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，如果步驟9中的CU的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且是由于有縮放造成的模糊，則更新T然后進(jìn)行下一步； 步驟10，令Z = Zm，其中2_ 是目測(cè)視頻中最大物像尺寸與模板物像尺寸的比值；令
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，如果在步驟14中的質(zhì)量指標(biāo)不能夠達(dá)到預(yù)先設(shè)定的閾值，并且其中仍含有尺度差異造成的模糊，則令Zm =、更新T，然后返回10.1執(zhí)行各步驟。
9.根據(jù)權(quán)利要求1-8任一項(xiàng)所述的方法，其特征在于，所述視頻數(shù)據(jù)是指通過(guò)數(shù)字?jǐn)z影設(shè)備拍攝的數(shù)字格式視頻數(shù)據(jù)，或經(jīng)模擬攝影設(shè)備拍攝的模擬視頻經(jīng)轉(zhuǎn)換后得到的數(shù)字視頻數(shù)據(jù)。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述視頻數(shù)據(jù)是靜態(tài)數(shù)字圖片的離散時(shí)間序列，每一張數(shù)字圖片稱(chēng)為該視頻數(shù)據(jù)的“一幀”，每一幀對(duì)應(yīng)的時(shí)刻由其序數(shù)以及該視頻數(shù)據(jù)的幀速率計(jì)算得到。
全文摘要
本發(fā)明公開(kāi)了基于視頻數(shù)據(jù)的物像增強(qiáng)方法，該方法包括步驟步驟1.將視頻數(shù)據(jù)d的第k幀畫(huà)面dk中出現(xiàn)的物像作為物像模板T，其中該視頻數(shù)據(jù)包含L幀，1≤k≤L；步驟2.在視頻數(shù)據(jù)的每一幀畫(huà)面中尋找模板T的匹配位置，其中第i幀的匹配位置為(xi，yi)，T在dk中的位置記為(xk，yk)，其中1≤i≤L；步驟3.獲得第i幀的偏移量為si＝(xi-xk，yi-yk)，將視頻數(shù)據(jù)的各幀按照其偏移量進(jìn)行偏移；步驟4，判斷偏移后的結(jié)果是否符合要求，如果符合，則結(jié)束流程。利用本發(fā)明的方法，能夠從視頻資料中提取目標(biāo)人物或物體的影像信息。
文檔編號(hào)G06T5/00GK103020915SQ201210563588
公開(kāi)日2013年4月3日 申請(qǐng)日期2012年12月21日 優(yōu)先權(quán)日2012年12月21日
發(fā)明者霍卓璽, 周建鋒, 李一鳴, 張茂林 申請(qǐng)人:清華大學(xué)