基于改进特征点的电子稳像算法研究

合集下载

基于改进FAST特征匹配的电子稳像算法

基于改进FAST特征匹配的电子稳像算法
聂婷;郝贤鹏;付天骄;赵文才
【期刊名称】《电子测量技术》
【年(卷),期】2015(0)11
【摘要】针对机载摄像机视频抖动问题,提出了基于改进FAST的特征匹配方法,去除视频序列的帧间抖动,实现视频序列的电子稳像。

提出了尺度空间的FAST特征提取方法,结合了优化的SURF描述算子,利用相邻帧的特征点进行匹配,消除视频的帧间旋转量,得到帧间的局部运动矢量,然后通过RANSAC算法求解出全局运动矢量,最后利用二次线性插值算法逐帧补偿。

实验结果表明,稳像后的视频帧间PSNR 提高5dB,提出的稳像算法去除了视频帧间复杂抖动,且快速准确并具有一定的鲁棒性。

【总页数】4页(P42-45)
【关键词】FAST;RANSAC;全局运动估计;电子稳像
【作者】聂婷;郝贤鹏;付天骄;赵文才
【作者单位】中国科学院长春光学精密机械与物理研究所
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于特征匹配的电子稳像算法研究 [J], 汪波
2.基于ORB特征匹配的电子稳像算法 [J], 初守艳
3.基于改进FAST检测的ORB特征匹配算法 [J], 袁小平; 张毅; 张侠; 崔棋纹; 闫泽宇
4.基于ORB特征匹配的电子稳像算法 [J], 初守艳
5.基于特征匹配的电子稳像算法研究 [J], 汪波
因版权原因，仅展示原文概要，查看原文内容请购买。

基于特征点匹配的电子稳像技术

２．ＳｃｈｏｏｌｆｏＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｃｈｕｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ１３００２２，Ｃｈｉｎａ）
ｉｎｇｔｏｔｈｅｄｉｉｃｆｕｌｔｉｅｓａｎｄｔｈｅｆｕｔｕｒｅｔｒｅｎｄｓｏｆｔｈｅＥＩＳ，ｔｈｅｄｅｖｅｌｏｐｉｎｇｄｉｒｅｃｔｉｏｎｆｏｒｆｅａｔｕｒｅｍａｔｃｈｉｎｇａｌｇｏｒｉｔｈｍｓ
ｇｅｎｅｒａｔｅｄｂｙｔｈｅｉｍａｇｉｎｇｅｑｕｉｐｍｅｎｔａｎｄｔｏｓｔａｂｉｌｉｚｅｉｔｓｖｉｄｅｏｏｕｔｐｕｔ．Ｆｉｒｓｔｌｙ，ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｓｔａｔｕｓｏｆＥＩＳｉｓｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅｎｔｈｅｍｏｔｉｏｎｅｓｔｉｍａｔｉｏｎｍｏｄｕｌｅｉｓｓｔｕｄｉｅｄｉｎｄｅｔａｉｌｓ，ｗｈｉｃｈｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｍｏｄ —
吉淑娇，朱明，胡汉平
（１．中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３；２．长春大学电子信息工程学院，吉林长春１３００２２）

基于特征点匹配的电子稳像算法研究

基于特征点匹配的电子稳像算法研究
随着图像处理技术的普及和发展，电子稳像技术也随之进步。

在这种技术中，特征点匹配算法大大提高了对不同图像中相同物体的识别精度。

本文将对基于特征点匹配的电子稳像算法进行研究，并从原理上分析其运行机制，以及如何改进其性能。

首先，要研究基于特征点匹配的电子稳像算法，就必须理解其基本原理和机理。

特征点匹配算法的核心是寻找不同图像中的对应点，其基本过程如下：首先，根据视觉原理，从图像中提取出若干特征点，例如角点、轮廓等；其次，将两张图像中提取到的特征点进行比对，找到相应的对应点，从而求出图像间的相似度；最后，计算两个图像间的平移以及旋转矩阵，完成图像的稳像对齐。

在实际应用中，基于特征点匹配的电子稳像算法具有较高的准确率和实时性，这也是它高度受欢迎的原因。

然而，特征点匹配算法仍存在一些不足，如耗时较长、精度不高等。

为了克服这些问题，可以采用一些优化措施，如采用更精确的特征提取算法；改善匹配参数，如调整匹配阈值；采用稳像优化技术，以提高稳像精度，例如光流法等等。

此外，基于特征点匹配的电子稳像算法也可以用于视觉定位，即在安装视觉传感器的机器人中应用，实现目标物体的自动定位和跟踪。

这一技术的优势在于，其能够根据多种图像建模，并且可以对许多不同的目标物体进行定位，这使得其在机器视觉任务中起到了重要的作用。

综上所述，基于特征点匹配的电子稳像算法具有较高的准确性、可靠性和实时性，可以有效提高图像处理的精度，并可用于自动定位和跟踪。

未来，将继续改进特征点匹配算法，以满足用户对视觉处理任务的需求，并有效改善视觉系统的性能。

基于改进Canny边缘检测算子的电子稳像算法研究的开题报告

基于改进Canny边缘检测算子的电子稳像算法研究的开题报告一、选题背景和意义随着电子稳像技术的迅速发展，该技术在无人机、智能手机、安防等领域得到了广泛的应用。

其中，边缘检测是电子稳像算法中的重要环节之一，可提高电子稳像的效果和帧率。

当前常用的边缘检测算法包括Sobel算法、Prewitt算法和Canny算法等。

虽然Canny算法在准确率和鲁棒性上表现较好，但它的计算复杂度较高，限制了其在实际应用中的使用。

本研究旨在通过改进Canny边缘检测算子，提升电子稳像算法的效率和稳定性，满足实际应用的需求，具有较高的研究意义和应用价值。

二、研究内容和方法本研究的主要内容是基于改进Canny边缘检测算子的电子稳像算法研究。

具体研究方法如下：1.研究和分析现有边缘检测算法的特点和局限性；2.介绍Canny算法的原理和实现过程，并分析其计算复杂度的问题；3.在Canny算法的基础上，提出一种改进算子，以减少Canny算法的计算复杂度并提升边缘检测的准确性和稳定性；4.通过实验对改进算子进行验证和分析，评估其性能和可行性；5.进一步优化改进算子，以达到更好的边缘检测效果和更高的计算效率。

三、预期成果和意义本研究预期的成果包括：1.提出一种基于改进Canny边缘检测算子的电子稳像算法，并验证其性能和可行性；2.分析改进算子的优点和局限性，探究可行的优化方法和实现方案；3.实现一款高效、稳定的电子稳像系统，并在相关领域进行应用和推广。

本研究的意义在于：1.提高电子稳像算法的效率和稳定性，满足实际应用的需求；2.探索新型边缘检测算法，为相关领域的算法研究提供新思路和新路径；3.促进电子稳像技术的发展和应用推广，对于提高图像质量和实现无人化控制等具有深远的意义。

四、进度安排和可行性分析本研究预计用时12个月，按以下时间节点进行计划：第1-2个月：文献调研和研究现有算法的特点和局限性；第3-4个月：分析Canny算法的原理和实现细节，并分析其计算复杂度的问题；第5-6个月：提出改进算子并进行编码实现，验证和分析性能；第7-10个月：优化改进算子，探索可行的优化方法和实现方案；第11-12个月：实现一款高效、稳定的电子稳像系统，并在相关领域进行应用和推广。

一种基于特征点跟踪的电子稳像算法

ｃｒｃｅｉｔｃｐｉｒｃｉｈａａｔｒｓｉｏｎｔｔａｋｎｇ
ＪＡＮＧｅ —ａＩＷｎｔｏ，ＣＥＮｅ— ｏｇ，ＬＩＬｉｎ —ｕＨＷｉｎｄａｇｆ
（ ’ ｎＩｓｉｔｆＡｐｌｄＯｐｉｓＸｉａｎｔｕｅｏｐｉｔ，Ｘｉａ１０５ｔｅｃ ’ ｎ７０６，Ｃｈｎ）ｉａ
第３１卷第１期２１年１００月
文章编号：０２２８（０００ — ０３０１０ — ０２２１）１０７ — ５

应用光学
ＪｕｎｌｆＡｐｌｄＯｐｉｓｏｒａｐｉｔｏｅｃ
Ｖｏ１３１Ｎｏ．１．
理方法，以有效地消减摄像机抖动导致的视频序可
ｃａａｔｒｓｉｐｉｔｂｓｄｏＫａｍａｉｅｉｇｎｔｅｏｌｗ— ｐｍａｅ，ａｄｔｅｔｈｓｈｒｃｅｉｔｏｎｓａｅｎｃｌｎｆｌｒｎｉｈｆｌｔｏｕｉｇｓｎｈｎｍａｃｅｃｏｄｎｔｓｏｈｈｒｃｅｉｔｃｐｉｔｎｃｒｅｔｉｇｓａｄｒｆｒｎｅｉｇｓｏｒｉａｅｆｔｅｃａａｔｒｓｉｏｎｓｉｕｒｎｍａｅｎｅｅｅｃｍａｅ．Ｔｈａａｔｒｅｐｒｍｅｅｓ
ｏｆｄｓｌｃｍｅｎｄｒｔｔｏｎａｅｄｅｉｅｙｔｆｉｅｍｏｄｌｈｔｉｆｉａｅｓｃｖｒｅｉｐａｅｎｔａｏａｉｒｒｖｄｂｈｅａｆｎｅ，ｔｅｍａｒｘｏｍｇｓｉｏｎｅｔｄｒｖｒｅｙａｈｔｂｌｉｅｍａｅｒｂｔｉｄｅｅｓｌｎｄｔｅｓａｅｖｄｏｉｇｓａｅｏａｎｅ．Ｔｈｅｕｌｒｅｒｓｔｆｏｍｘｒｍｅｔｉｄｉａｅｈｔｔｅｅｐｅｉｎｎｃｔｓｔａｈａｇｏｉｈｗｈｃｓｅｓｏｏｒｔｎｓｇｅｔａｉｉｙｔｅｉｔａｓｕｒａｅｃｎｇｔｇｏｌｒｔｍｉｈｉａｙｔｐｅａｅａｄｈａｒａｂｌｔｏｒｓｓｎｙｄｉｔｂｎｃａｅｏｄ

基于特征点匹配的电子稳像算法研究

基于特征点匹配的电子稳像算法研究本文旨在研究一种基于特征点匹配的新型电子稳像算法。

电子稳像技术是一种应用在增强现实（AR）、虚拟现实（VR）、机器视觉（MV）等领域的技术，其目的是提高画面质量，避免抖动或抖动变形。

电子稳像还可以用于实时跟踪和对抗路径。

由于电子稳像技术的广泛应用，研究人员和工程师们一直在努力改进和改善现有的电子稳像技术。

由于特征点的存在，许多经典的电子稳像算法，如 Lucas-Kanade、Horn-Schunck和Farneback算法，已经提出来应用于电子稳像技术。

但是，这些算法有一些缺点，例如运行时间长、计算量大、精度低等。

因此，一种基于特征点匹配的新型电子稳像算法需要提出来，该算法可以解决上述问题。

本文将详细介绍基于特征点匹配的新型电子稳像算法的原理及其应用，以及所涉及的相关技术。

一、基于特征点匹配的新型电子稳像算法基于特征点匹配的新型电子稳像算法是基于使用特征点（如Harris角点、SIFT等）来检测和比较视频帧之间的变化而提出的。

这种算法通过分析视频中特征点的运动情况来检测和追踪视频帧之间的变化。

该算法的具体步骤如下：首先，选择一个检测器（如Harris角点检测器）来检测图像中的特征点；其次，使用一种特征点描述算法（如SIFT算法）来描述每个特征点；然后，使用旋转不变、缩放不变和尺度不变进行特征点匹配；最后，使用RANSAC或其他拟合算法来估计特征点匹配的位置关系，估计两帧之间的运动变换。

该算法与传统电子稳像算法相比，有许多优点，例如运行时间短、计算量小、精度高等。

此外，该算法可以在帧间的快速变化（如大弯曲）中发挥作用，这是传统稳像算法所不能比拟的。

二、基于特征点匹配的电子稳像算法的应用基于特征点匹配的新型电子稳像算法可以应用于AR、VR、MV等行业，以提高画面质量、改善画面抖动或者抖动变形等。

该算法可以用于实时跟踪和对抗路径，以实现更佳的运动效果。

此外，该算法还可以应用于视频编辑软件，以提高视频效果。

电子稳像技术算法研究

Ａｂｔａｔｓｒｃ：Ｆｉｓｌｈａｉｒｎｉｌｆｅｅｔｏｉｍａｅｓａｉｚｎｅｈｏｏｙｗａｎｒｄｅ．Ｔｗｏｋｉｄｆｅｅｔｏｉｒｔｙ，ｔｅｂｓｃｐｉｃｐｅｏｌｃｒｎｃｉｇｔｂｌｉｇｔｃｎｌｇｓｉｔｏｕｃｄｉｎｓｏｌｃｒｎｃｉｇｔｂｌｉｇａｇｒｔｍｒｎｌｚｄ，ｗｈｓｅｉａｄｄｍｅｉｗｅｅｉｔｏｕｅｎｄｔｉ．Ｓｃｎｌ，ａｌｃｒｎｃｍａｅｓａｉｚｎｌｏｉｉｈｗｅｅａａｙｅｏｅｍｒｔｎｅｒｔｒｎｒｄｃｄｉｅａｌｓｅｏｄｙｎｅｅｔｏｉｉａｅｓａｌａｉｎａｇｒｔｍａｅｎｉｇｅｔｒｓｗａｒｐｓｄ，ａｄｔｅｂｓｃｓｅｓｄｔｃｉｎｏｍａｅｆａｕｅ，ｍｇｔｂｉｚｔｏｌｏｉｉｈｂｓｄｏｍａｅｆａｕｅｓｐｏｏｅｎｈａｉｔｐｗａｅｅｔｏｆｉｇｅｔｒｓｅｔｍａｉｎｏｍａｅｍｏｉｎｖｃｏｎｙｆｉａｅｃｍｐｓｔｏｒｅａｌｄｓｉｔｏｆｉｇｔｏｅｔｒａｄｗａｓｏｇｏｏｉｎｗｅｅｄｔｉ．Ｇｌｂｔｎｖｃｏｅｗｅｎｔｅｒｆｒｍｉｅｏｅｍｏｉｅｔｒｂｔｅｈｅｅ — ｏ
Ｏ引言
随着计算机技术和大规模集成电路的迅猛发展，算计
载体的运动导致了车载图像序列的不稳定，尤其当路面颠
簸不平造成车体振动剧烈，或是采用长焦距、高分辨力的摄像系统时，图像序列晃动量较大，易使观察者产生疲劳，从而导致误判和漏判，极大地影响了目标跟踪的精度。在航载和舰载图像跟踪系统中，支撑摄像机平台的震动会引起图像画面的抖动，令观察者视觉疲劳，从而产生漏警和虚警，因此必须对图像序列进行稳定。电子稳像技术具有实时性强、体积小巧等优点，从而得以广泛应用，国外在该领域的研究已有近２年的历史，Ｏ而国内起步相对较晚。

一种基于特征点跟踪的电子稳像算法

一种基于特征点跟踪的电子稳像算法姜文涛;陈卫东;李良福【摘要】提出一种基于特征点跟踪的稳像算法.该算法从参考帧图像中提取出一组特征点,然后在后续帧中进行基于Kalman滤波的特征点的跟踪,匹配参考帧图像中特征点的坐标和当前图像中基于Kalman滤波修正后得到的特征点的坐标,并通过仿射模型求出位移量及旋转参数,最后进行反向变换,从而得到稳定的视频图像.实验结果表明:该算法稳像效果好,运算复杂度低,且具有较强的鲁棒性.【期刊名称】《应用光学》【年(卷),期】2010(031)001【总页数】5页(P73-77)【关键词】电子稳像;特征提取;Kalman滤波;运动补偿;仿射模型【作者】姜文涛;陈卫东;李良福【作者单位】西安应用光学研究所,陕西,西安,710065;西安应用光学研究所,陕西,西安,710065;西安应用光学研究所,陕西,西安,710065【正文语种】中文【中图分类】TN911.78引言电子稳像是一种结合电子设备和数字图像处理方法,可以有效地消减摄像机抖动导致的视频序列不稳定甚至模糊现象的技术,是现代稳像技术发展的主要方向之一。

目前,电子稳像技术已经被广泛用于摄像机抖动的检测和消除,视频压缩、图像拼接、运动目标的检测和跟踪等领域。

经典的稳像算法包括代表点匹配法[1]、投影算法[2]、位平面匹配法[3]、特征量跟踪法[4]等。

其中代表点匹配法可以有效地实现帧间平移运动的补偿,对旋转运动及变焦运动也能得到补偿。

但是由于代表点是确定的,并非图像上有明显特征的点,因此对图像的变化不敏感。

灰度投影算法不需要对图像的每一像素点做相关运算,而是利用图像的灰度投影曲线做一次互相关运算来求其图像序列帧间的运动矢量,因而具有很高的计算速度。

但此算法不能用来识别图像的旋转运动变化,否则将导致灰度投影算法的匹配精度下降,这些条件限制了灰度投影算法的应用范围。

为此,本文提出基于特征点跟踪的电子稳像算法。

特征跟踪法的基本思想是通过跟踪特征点求取摄像机运动参数,进行运动补偿,从而得到稳定的显示。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

1 引言
电子稳像是指利用电子设备和数字图像处理相结合的方法 ,从输入的视频图像序列中去除因为摄像机的随机运动而引入的图像扰动 ,使图像序列稳定的处理过程.
目前用电子稳像算法有多种 ,其中典型的稳像算法有 :块匹配法 BMA[1 ] 、投影算法 PRA[224 ] 、位平面匹配法 B PM[5 ] 、特征量跟踪算法 F TA[6 ] 等. 特征点匹配算法实质是构造出某种相关运算机制 ,得到电子稳像系统帧间运动向量 ,然后进行运动补偿 ,使两帧图像最大限度的重合 ,此算法依赖于图像中的某些特征 ,具有很高的精度.
2 基于特征点的电子稳像算法原理
基于特征点的匹配算法是在基于普通的块匹配
算法的基础上提出的 ,由于全匹配搜索算法计算量大 ,效率较低 ,一般来说 ,很难做到实时地稳像处理 , 而特征点匹配算法是分别在参考图像和当前图像选取一些特征点 ,然后对特征点进行相关匹配 ,求运动向量. 这样既能提高系统的运算速度 ,又能保证运动向量的检测精度 ,其原理如图 1 所示.
Study on Improved Features Tracking Algorithm in Electronic Image Stabilization
ZHOU Tong , ZOU Li2xin , YOU Jin2zheng , WAN G Hai2yan , DU Wei2wei
(School of Physics Science and Technology , Soochow University , Suzhou 215006 , China)
xk- 1
1 - θ xk Δx
yk- 1 = s θ 1
yk + Δy
(4)
通过将所求的 N 对匹配的特征点代入式 (4)
后 ,得到线性方程组 ,由于每一对特征点可得到两个
方程 ,因此 , 线性系统有 2 N 个方程 ,3 个未知量 θ、
Δx 、Δy ,所以有 :
x ( k - 1) i
1 - θ x ki
代表点匹配算法能较精确地求出子区域水平和垂直
方向的局部运动向量.
如何确定子区域的大小是一个非常重要的问
题. 一方面 ,各子区域不能太大 ,以保证同一区域内
的图像点的运动具有一致性. 另一方面 ,各区域的尺
寸又不能太小 ,否则 ,区域划分过小 ,每个区域的图
像特征不明显 ,用代表点匹配算法难以估计出运动
Abstract : Presents an improved features tracking algorit hm in electronic image stabilization. Through dividing image into many blocks in reason , t he suitable feature points can be selected , propose t he distance invariant criterion to check t he fea2 ture matching , Kalman filter is applied to motion compensation to achieve t he stability of t he image sequence. The results of experiment show t hat t his met hod has good performances in image stabilization. Key words : electronic image stabilization ; feature extraction ; region segmentation ; feature matching ; motion estimation
图 1 基于特征点电子稳像算法的原理图
收稿日期 : 2009 - 02 - 03 ; 修回日期 : 2009 - 05 - 10 基金项目 : 江苏省高校自然科学基础研究项目 (06 KJA14003)
第 3 期
周同 ,等 :基于改进特征点的电子稳像算法研究
127
3 改进的特征点稳像算法
传统的特征点稳像算法只能稳定图像序列的平
图 2 部分图像序列
由于图像的噪声很大 ,所以在进行电子稳像实验之前应对实验图像进行高斯滤波 ,高斯滤波后 ,便
开始进行本次课题所研究的基于改进特征点的稳像处理实验. 实验中 ,在进行区域划分时 ,兼顾稳像的速度和精度要求 ,将图像序列中的各帧图像分成 12 个垂直的区域 ,选取灰度最大的点作为图像的特征点 ,共可选择 12 个特征点 ;根据距离不变准则对特征点校正 ,其中正确匹配的特征点对标记为黄色的 “ 3 ”,误匹配的特征点对标记为红色的“ + ”,实验结果如图 3 所示[9210 ] .
(8)
128
微电子学与计算机
2010 年
而在稳像系统中 , 所得的方程组很难满足上式
的条件 ,因此 ,它没有通常意义上的解 , 该类方程组
一般称为矛盾方程组 (或叫超定方程组) .
对于矛盾方程组我们可以寻求其线性最小二乘
解作为方程组的一个近似解.
根据上述方法所求出的全局运动向量 , 用均值
滤波的方法来确定每一帧图像的运动补偿参数 , 如
Δx
y ( k - 1) i = s θ 1
yki + Δy
(5)
其中 i = 1 ,2 , …, N .
在这里 , x ki , yki 是第 k 帧图像第 i 个特征点的坐标 ,而 x ( k - 1) i , y ( k - 1) i 是第 k - 1 帧图像第 i 个特征点的坐标. 对式 (5) 进行展开并移项得 :
第 i 帧图像的变换参数可以表示为 :
N
∑ Δ Xi
=
1 N n- 1
X i - [ n - ( N +1) / 2 ] -
Xi
N
∑ Δ Y i
=
1 N n- 1
Y i - [ n - ( N +1) / 2 ] -
Yi
(9)
N
∑ Δθi
=
1 N
θi - [ n -
n- 1
( N +1) / 2 ]
x ( k - 1) 1 - s x k1 = - sθyk1 +Δ x
y ( k - 1) 1 - syk1 = sθx k1 +Δy
x ( k - 1) 2 - s x k2 = - sθyk2 +Δ x
y ( k - 1) 2 - syk2 = sθx k2 +Δy
(6)
⁝
x ( k - 1) N - s x kN = - sθykN +Δ x
向量.
对于不同的稳定对象 ,可先估计出图像序列帧
间的最大旋转角度 ,并采用如下的方法来确定图像
划分的最小区域数 ,使其在同一区域内的像素的运
动具有一致性. x′= ( x - x 0) cosθ - ( y - y0) sinθ + x 0 y′= ( x - x 0) sinθ + ( y - y0) cosθ + y0 (1)
移动旋转中心时产生的偏差量.
3. 2 全局运动向量估计与运动补偿
文中采用 Similarity 模型来表示图像序列的帧
间平移、旋转以及变焦运动[8 ] . 定义如下 :
xk- 1
cosθ - sinθ x k Δx
yk - 1 = s sinθ cosθ yk + Δy
(3)
( x k - 1 , yk - 1) 和 ( x k , yk) 分别为第 k - 1 和 k 帧的图像坐标 , (Δx ,Δy) 是在参考帧图像坐标系下所
移运动 ,在实际的动态视频图像序列中 ,往往还存在
旋转运动. 改进的特征点稳像算法提出采用分区的
方法 ,然后把特征点代入给定的变换模型 ,即可求出
包含旋转信息的全局运动向量 ,从而实现图像序列
的平移和旋转运动的补偿.
3. 1 图像区域的划分和代表点的选取
分别对参考图像和当前图像对应地分成若干子
区域 ,当子区域划分较小时 ,可忽略旋转运动[7 ] ,用
式 ,求得坐标为 ( x′2 , y′2) ,且满足 :
| x′1 - x′2 - Δx | = 1 +| x 1 - x 2 |
| y′1 - y′2 - Δy | = 1 +| y1 - y2 |
(2)
那么 ( x′1 , y′1) 和 ( x′2 , y′2) 就是图像点保持运动一致性的最大区域边缘坐标点. 其中 (Δx ,Δy) 是
图 3 特征点匹配结果图
由于在实际应用中摄像机位移向量过大 ,超过一定阈值时 ,使得当前帧偏移参考帧太远 ,造成特征点无法匹配的情况 ,对此可采用如下改进方法 :设置一个运动向量的阈值 ,一旦所检测的运动向量超过这个阈值时 ,即重新选择参考图像.
通过特征点匹配验证后 ,将误匹配点删除 ,留下正确匹配特征点 ,然后进入实际稳像中的关键环节 , 即运动向量估计和补偿阶段. 利用二维运动模型求出运动参量 ,通过均值滤波 ,求出补偿参量 ,对当前帧进行补偿. 4. 2 算法评价
-
θi
确定各帧图像的补偿参数后 , 采用卡尔曼滤波
的方法确定运动补偿参数[8 ] , 代入变换模型对图像
进行变换 ,这样既能有效地保留摄像机的正常扫描
运动 ,同时又能较好的实现图像序列稳定.
4 仿真实验与算法评价
4. 1 仿真实验实验选用一幅 707 ×532 的 8 位灰度图像进行
仿真试验. 实验中的图像序列由编程从该图产生 ,帧数为 20 帧 ,帧间偏移像素为整数个 ,最大偏移为 3 , 最大旋转角度为 3 度. 图像序列的第一帧为剪取原始图像的中央部分产生 ,以后的每一帧为相对第一帧在 X 和 Y 方向上分别进行随机偏移后剪取产生. 为了更好的模拟真实环境的影响 ,在实验前对每一帧图像都加了高斯噪声. 图 2 显示了图像序列中的两帧图像.