(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211292393.9 (22)申请日 2022.10.21 (71)申请人 长沙超创电子科技有限公司 地址 410205 湖南省长 沙市高新 开发区麓 景路2号长沙科技 成果转化基地孵化、 培训楼306房 (72)发明人 彭蓉华　黄飞　余知音　向北海　 (74)专利代理 机构 长沙三七知识产权代理事务 所(普通合伙) 43287 专利代理师 段红玉 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 5/50(2006.01) G06T 7/33(2017.01)G06T 7/37(2017.01) G06T 7/215(2017.01) G06T 7/194(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于图像配准和动态目标融合的去湍 流方法 (57)摘要 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。 权利要求书2页 说明书5页 附图3页 CN 115358953 A 2022.11.18 CN 115358953 A 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Ik， 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：  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：权　利　要　求　书 1/2 页 2 CN 115358953 A 2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： ， 。权　利　要　求　书 2/2 页 3 CN 115358953 A 3