一种基于图像配准和动态目标融合的去湍流方法与流程

技术特征：
1.一种基于图像配准和动态目标融合的去湍流方法，其特征在于，包括以下步骤：步骤一：获取湍流干扰后的图像序列，搭建基于深度学习非刚性配准网络，对网络进行初始化后进行迭代优化获取去湍流形变图像；步骤二：提取当前图像的运动目标：采用vibe前景提取算法提取场景中的运动目标部分，形成运动目标掩膜；步骤三：对去湍流形变图像和原图图像运动区域进行局部区域融合，得到包含当前运动目标的去除了湍流的图；步骤四：采用基于分块导向滤波算法增强图像细节部分，得到清晰的去湍流图像。2.根据权利要求1所述的基于图像配准和动态目标融合的去湍流方法，其特征在于，所述深度学习非刚性配准网络由网格变形网络和图像生成网络组成。3.根据权利要求1所述的基于图像配准和动态目标融合的去湍流方法，其特征在于，对网络进行初始化，包括获取湍流干扰图像i
k
，初始化网络：根据下式初始化网络，让网络的输入和输出最相似：式中表示绝对偏差，为分别为网格变形网络和图像生成网络的权重变量，表示均匀网格图，表示第k个网格变形网络，表示图像生成网络；然后使用1000次最小化迭代后权重作为网络初始化权重。4.根据权利要求3所述的基于图像配准和动态目标融合的去湍流方法，其特征在于，使用傅里叶特征映射对网格输入进行预处理，以表示更高频的细节信息，高斯傅里叶特征映射如下：如下： 表示网格坐标，b是一组高斯分布随机采样点。5.根据权利要求4所述的基于图像配准和动态目标融合的去湍流方法，其特征在于，网络迭代优化，学习生成去湍流图像，包括：根据下式进行最小化迭代，直到网络收敛得到去除湍流的图像：式中,表示图像生成网络输出的湍流图像，，表示形变网格，表示去湍流图像和变形网格之间的约束；表示去湍流图像和变形网格之间的约束；表示对去湍流图像依据形变网格进行的形变操作。6.根据权利要求5所述的基于图像配准和动态目标融合的去湍流方法，其特征在于，将当前帧的运动目标掩模m和去湍流图x进行图像融合处理，得到保留运动物体的去除湍流的影响的融合图y，融合的具体步骤为：计算去湍流图和当前帧的运动物体区域局部差异值，根据差异值计算图像融合权重，当差异值越小时，当前图的权重比例越大：
根据权重值进行两幅图像的融合，融合的公式为：。7.根据权利要求1所述的基于图像配准和动态目标融合的去湍流方法，其特征在于，图像细节增强具体步骤为：对步骤三得到的融合图像进行分块，块的大小为m*n，m和n分别为块的行和列大小；对每个块采用导向滤波，分解为基础层图像和细节层图像，计算每个块的纹理复杂度，复杂度为该块的梯度值，具体公式如下所示： ,
ꢀꢀ
其中为图像像素值；采用基于纹理复杂度的方法计算每个块的细节增强比例值，最后和基础层叠加形成细节增强图像，细节增强比例值和细节增强图像计算如下：，。

技术总结
本发明公开了一种基于图像配准和动态目标融合的去湍流方法，包括步骤：获取湍流干扰后的图像序列，搭建基于深度学习非刚性配准网络，对网络进行初始化后进行迭代优化获取去湍流形变图像；提取当前图像的运动目标：采用vibe前景提取算法提取场景中的运动目标部分，形成运动目标掩膜；对去湍流形变图像和原图图像运动区域进行局部区域融合，得到包含当前运动目标的去除了湍流的图；采用基于分块导向滤波算法增强图像细节部分，得到清晰的去湍流图像。本发明采用基于深度学习非刚性配准得到去湍流图像；采用运动目标提取算法，将运动目标部分与去湍流的图像进行融合，可有效去除运动目标的拖影以及运动目标模糊问题。目标的拖影以及运动目标模糊问题。目标的拖影以及运动目标模糊问题。


技术研发人员：彭蓉华 黄飞 余知音 向北海
受保护的技术使用者：长沙超创电子科技有限公司
技术研发日：2022.10.21
技术公布日：2022/11/18