相似度，hi,h2為濾波參數(shù)，50 <h2< 150,且需要滿足
[0026]
【主權(quán)項】
1. 一種雙模非局部均值濾波方法，其特征在于，包括以下步驟： (1) 輸入待處理的圖像序列； (2) 根據(jù)目標先驗知識確定濾波模型參數(shù)； (3) 以圖像中的待處理像素為中心，劃定相似窗，并在下一幀圖像中確定干涉區(qū)域范 圍； (4) 根據(jù)干涉區(qū)域中當前像素確定匹配窗，利用（3)中的相似窗和當前匹配窗的像素 灰度值得到相似窗向量和匹配窗向量； (5) 利用步驟（4)中的相似窗向量和匹配窗向量進行背景模型和目標模型的相似度測 量； (6) 根據(jù)步驟（5)中的背景模型和目標模型相似度測量值計算雙模權(quán)值； (7) 判斷當前處理的匹配窗是否是以干涉區(qū)域內(nèi)最后一個像素為中心的匹配窗，如果 滿足該條件，則利用步驟（4)-(6)得到的所有匹配窗中心像素值和該匹配窗的權(quán)值獲得待 處理像素對應(yīng)的估計值，然后進行步驟（8)，否則返回步驟（4)繼續(xù)處理干涉區(qū)域下一個像 素； (8) 判斷當前處理像素是否為圖像中最后一個像素，如果滿足該條件，則將所得估計背 景圖像與原始圖像作差，獲得目標得到增強而背景得到抑制的圖像，否則轉(zhuǎn)到步驟（3)處 理圖像中的下一像素。
2. 如權(quán)利要求1所述的雙模非局部均值濾波方法，其特征在于，所述步驟（2)具體 為，根據(jù)輸入的目標尺寸的先驗知識確定濾波模型的尺寸，濾波模版分別為相似窗，匹配 窗和干涉區(qū)域，相似窗和匹配窗尺寸相同，都為RXR，干涉區(qū)域大小為LXL，且滿足L < 2R，窗口模版分為目標模型和背景模型區(qū)域，目標模型為以待處理像素為中心的中央小 型窗rXr大小的區(qū)域B，背景模型區(qū)域為剩下部分組成的環(huán)形區(qū)域A，其中目標尺寸不超 過tXt像素塊大小，r,t,R的關(guān)系滿足R>r=t; 采用高斯模型w =exp(-DISbA2)計算目標模型權(quán)值，采用復(fù)合指數(shù)模型to=exp(h/(DISA+l))計算背景模型權(quán)值，其中DISJPDISB分別為背景模型和目標模型的相似 度，h2為濾波參數(shù)，50 <h2< 150,且有
其中，of為噪聲標準差，為背景標準差，(T32為目標標準差。
3. 如權(quán)利要求2所述的雙模非局部均值濾波方法，其特征在于，滿足關(guān)系R=r+2,L= R+2 〇
4. 如權(quán)利要求1或2所述的雙模非局部均值濾波方法，其特征在于，所述步驟（3)中， 相似窗和干涉區(qū)域的位置和大小按照根據(jù)如下方法確定： 相似窗以待處理像素為中心，選取RXR大小的圖像塊，干涉區(qū)域以下一幀圖像中與待 處理像素同一位置的像素為中心選取LXL大小的圖像塊。
5. 如權(quán)利要求1或2所述的雙模非局部均值濾波方法，其特征在于，所述步驟（4)包括 以下子步驟： (4-1)以當前像素為中心選取RXR大小的圖像塊為匹配窗； (4-2)將以像素i為中心的相似窗隊劃分為兩個區(qū)域，分別是以待處理像素為中心的 中央小型窗rXr大小的區(qū)域B(目標模型區(qū)域）和剩下部分組成的環(huán)形區(qū)域A(背景模型 區(qū)域），對以像素j為中心的匹配窗％進行同樣處理； (4-3)將相似窗隊與匹配窗Nj中的區(qū)域A中的像素灰度值按同樣的先后順序分別組 成向量V(NiA)和V(NjA); (4-4)將相似窗隊與匹配窗Nj中的區(qū)域B中的像素灰度值按同樣的先后順序分別組 成向量V(NiB)和V(Njl3)。
6. 如權(quán)利要求5所述的雙模非局部均值濾波方法，其特征在于，所述步驟（5)包括以下 子步驟： (5-1)根據(jù)（4-3)中得到的相似窗與匹配窗區(qū)域A對應(yīng)的向量v(NiA)和v(NjA)按照如 下公式求取兩個向量的歐氏距離DISa:
(5-2)根據(jù)（4-4)中得到的相似窗與匹配窗區(qū)域B對應(yīng)的向量v(NiB)和v(NjB)，并按照 如下公式求取兩個向量的歐氏距離DISb:
7. 如權(quán)利要求1或2所述的雙模非局部均值濾波方法，其特征在于，所述步驟（6)包括 以下子步驟： (6-1)利用相似窗隊與匹配窗N」對應(yīng)的背景模型相似度DISA和目標模型相似度DISB 根據(jù)如下公式來計算與匹配窗中心像素j對應(yīng)的權(quán)值：
其中，DISJPDISB分別為背景模型和目標模型的相似度，hph2為濾波參數(shù)； (6-2)將匹配窗％對應(yīng)的權(quán)值累加至相似窗Ni對應(yīng)的所有匹配窗權(quán)值累加和中，用于 權(quán)值歸一化計算。
8. 如權(quán)利要求1或2所述的雙模非局部均值濾波方法，其特征在于，所述步驟（7)包括 以下子步驟： (7-1)判斷當前處理的匹配窗是否為像素i的干涉區(qū)域中最后一個像素對應(yīng)的匹配 窗，如果滿足該條件，則按（7-2)所述計算背景估計值，否則繼續(xù)處理干涉區(qū)域中下一像 素； (7-2)按照如下公式計算待處理像素i的背景估計值:
其中，I為待處理像素i對應(yīng)的干涉區(qū)域，j為干涉區(qū)域I中所有匹配窗中心像素，f(j) 為其像素灰度值，《(i，j)為匹配窗％對應(yīng)的權(quán)值，Z(i)為相似窗\的干涉區(qū)域內(nèi)所有匹 配窗權(quán)值累加和。
【專利摘要】本發(fā)明公開了一種雙模非局部均值濾波方法，該方法首先利用目標先驗知識確定濾波模型參數(shù)，根據(jù)圖像中待處理像素，定位相似窗以及下一幀圖像中的干涉區(qū)域，然后遍歷干涉區(qū)域像素，定位匹配窗，對于每一個匹配窗，首先提取相似窗向量和匹配窗向量，分別計算相似窗和匹配窗的目標模型相似度以及背景模型相似度，然后利用目標模型相似度和背景模型相似度計算高斯模型和復(fù)合指數(shù)模型權(quán)值，根據(jù)干涉區(qū)域內(nèi)所有雙模權(quán)值得到相似窗中心像素的背景估計值，最后用原始圖像和估計背景圖像作差，獲取背景抑制結(jié)果。本發(fā)明有效解決了由于復(fù)雜背景造成的強雜波干擾問題，并克服弱小目標造成的有效的幾何輪廓特征缺乏問題，適用于復(fù)雜背景弱小運動目標的提取。
【IPC分類】G06T5-00
【公開號】CN104715458
【申請?zhí)枴緾N201510128328
【發(fā)明人】胡靜, 余一, 董帆, 萬秦琪, 高洪濤, 劉凡
【申請人】華中科技大學(xué)
【公開日】2015年6月17日
【申請日】2015年3月23日