电子稳像综述
电子稳像
2、相似变换模型
轾cos q - s sin q m2 s 犏 M = 犏sin q s cos q m5 s 犏 犏0 0 1 臌
常用模型
3、仿射变换模型
轾0 m 犏 M = 犏3 m 犏 犏 0 臌 m1 m4 0 m2 m5 1
块匹配运动估计准则
2、最小均方误差
1 MSE (i, j ) = f 邋n= 1 轾k (m, n)- fk- 1 (m + i, n + j ) 臌 MN m= 1 3、归一化互相关函数
M N 2
邋
NCCF (i, j ) =
M
N
f k (m, n) f k- 1 (m + i, n + j )
所有可能的候选位置计算SAD(i,j)的值 ，从中找出最小SAD，其对应偏移量 即为所求运动矢量。
全搜索法图示
FS算法是最简单、最原始的搜索算法 ，由于可靠，且能够得到全局最优的 结果，通常是其它算法性能比较的标 准，但它的计算量的确很大，这就限 制了在需要实时应用的场合，所以有 必要进一步研究其它快速算法。
示意图
算法分析
由于灰度投影算法利用了图像的整体 灰度信息，且只对两个1维向量作相关 运算，故对图像的整体灰度变化、像 面曝光度及噪声均较不敏感，运动矢 量估计精度高、运算量较小，适合实 时运动矢量检测。
算法分析
灰度投影算法的应用需要一定的条件： 首先是图像的灰度变化应较丰富，图 像有一定的对比度，否则，灰度投影 曲线变化不明显，难以精确地求出运 动矢量。 其次，成像环境复杂，存在小运动物 体，这些因素都会影响投影法的精度 。
电子稳像技术综述
电子稳像技术综述【摘要】本文对电子稳像的关键技术进行了综述,介绍了电子稳像基本原理及系统结构，并对电子稳像的基本方法及其图像稳定的评价方法进行了分析。
【关键词】电子稳像技术；方法；评价引言稳像技术的应用主要用于军事目的以及民用测绘仪器中。
在航空摄影和地形测绘仪器中,为在仪器像平面上得到稳定的测量基准必须采用稳像技术,以便在仪器的测量面上提供一个相对稳定的坐标系,使测量结果准确无误。
当在飞机、车辆、舰船等运动载体上用望远镜观瞄目标时,由于机座的震动,像面上的图像不稳定,使观察者易于疲劳,同时也降低了测瞄精度。
近几十年来,稳像技术在武器系统上得到了普遍应用,从大型的制导、火控系统到小型的自寻的导引头,都广泛采用了稳像技术。
稳像技术的应用,消除了运动载体对像面的影响,使这些武器系统的运动攻击性能和其他作战指标得以显著提高。
从最早的机械式稳像、光学稳像、机电稳像到电子稳像,稳像技术的研究已开展了多年。
稳像技术向着更精确、更灵活、体积小以及价格低、能耗小、易于操作的方向发展。
1电子稳像基本原理及系统结构1.1 基本原理电子稳像最基本的技术是像移补偿技术,其基本原理如下:如图1所示,摄像机连续两帧成像焦平面(第K和K+1帧),每一格代表一个像素。
摄像机成像过程中,由于摄像机位置或参数发生变化,导致曝光时间内相机与目标存在相对运动,目标在焦平面上所成的像不是静止的,而是运动变化的,此即像移。
从监视器上来看,像移使目标成像相互混叠,导致监视器图像抖动、模糊退化及分辨率下降,大大降低了视频图像质量。
图1摄像机成像焦平面对于面阵摄像机,它每一帧的图像信息是按行输出的,每行又是按照像元所排列的序号顺序输出的。
因此,为了获得平稳、清晰的视频图像,首先检测出参考帧图像与当前帧图像之间的运动矢量,对运动矢量进行滤波、校正,转换为监视器图像的运动矢量,然后通过对CCD图像传感器的行、列序号重组,沿运动矢量反方向补偿第K+1帧图像,使监视器图像与第K帧图像近似相同或重合。
实用电子稳像技术原理及方法
稳像技术光机电信息2003 年第2 期实用电子稳像技术原理及方法王明佳1 金光1 钟平1 张炜2(1. 中国科学院长春光学精密机械与物理研究所,吉林长春130022 ;2. 总装备部驻长春地区军代表室,吉林长春130022)摘要电子稳像技术是一项新兴的技术,同时也是一门很有生命力的学科。
本文介绍了电子稳像的现状以及电子稳像的各种方法,最后论述了当图像序列有旋转和变焦时如何矫正图像偏移量,以达到图像序列的稳定。
1 引言电视摄像系统现已广泛应用于各个领域。
当工作环境比较恶劣,尤其是在航空或野外操作时, 支撑摄像机平台的振动会引起图像画面抖动,容易使观察者产生疲劳。
为了消除图像抖动,稳像技术应运而生。
稳像主要有三种手段,即机械式稳像、光学稳像和电子稳像。
这三种方法的原理都是首先确定帧间图像的偏移量,然后对偏移量进行补偿,从而达到消除图像抖动的目的。
其中机械式稳像和光学稳像在确定帧间偏移量时,首先求出光学系统的运动量,再将其转换成图像的偏移量。
稳像装置不仅体积庞大、结构复杂,而且价格相当昂贵。
产生于20 世纪80 年代的电子稳像技术采用电子元件直接对图像进行处理,以得到图像间的偏移量。
近年来伴随着电子技术的革命,计算机性能不断提高,电子元件集成度越来越高,价格越来越低廉。
人们将研究重点逐渐从机械式稳像、光学稳像转移到电子稳像技术。
电子稳像具有体积小、价格低和精度高的特点,从长远角度看有取代其他稳像方法的趋势。
以美国、加拿大、日本为代表的一些发达国家已在电子稳像技术的研究上取得了重大进展。
由美国军事实验室研制的应用在无人驾驶越野车上的稳像装置的稳像精度优于1 个像素。
加拿大的DREV 实验室利用电子稳像技术可以把从直升机上拍到的512 ×512 个像素、抖动在±10 个像素的图像稳定到0. 5 个像素范围内,处理速度达30 帧/ s 。
综观电子稳像的发展历史,可处理图像抖动偏差的范围越来越大,稳定精度越来越高。
稳像
摘要（2）电子防抖技术。
目前使用的电子防抖是针对CCD上大约2/3 的面积进行图像分析，然后根据抖动，利用边缘的图像来进行补偿[2，3，4]，大多数数码摄像机都采用这种方法。
不过，这种方法首先是降低了CCD的利用率，其次，对静态图像的帮助不大。
（3）CCD 防抖技术，其代表性厂商是柯尼卡美能达公司。
它没有把防抖装置安装在镜头中，而是设计在CCD 上。
CCD 防抖的原理就是将CCD 安置在一个可以上下左右移动的支架上，先检测出是否有抖动，由于使用陀螺传感器，抖动的检测与光学防抖基本相同。
然后传感器检测出的信号经过处理，计算出可以抵消抖动的CCD 移动量。
与光学防抖相比，这种结构避免了光学防抖补偿方式带来的球差问题，也同时解决了困扰单反交换镜头的诸多体积和由此带来的成像质量下降的各种问题，缺点就是由于对应高精度的机构要求，确保这种要求的制造技术有一定难度。
影像稳定技术在望远镜上的应用现状与数码相机和摄像机的多样化防抖动方式相比，影像稳定系统在传统望远镜上应用，通常只能采用光学防抖的方式。
国外的一些光学仪器公司已经推出了带有影像稳定系统的望远镜，而国内在这方面的研究与产品几乎处于空白。
目前带有影像稳定的望远镜厂商主要包括美国博士能（Bushnell）、日本尼康、日本佳能，以及一些俄罗斯厂商。
主要的防抖望远镜产品，放大倍数在10倍左右，并且是固定放大倍数；重量大多在1kg 左右，供电电源范围在3V-9V之间。
表1-1 是一些主要的防抖望远镜产品的数据。
表1-1 防抖望远镜的主要产品Table 1-1 Anti-Vibration telescopes望远镜型号倍率重量（g）电源长/宽/高（mm）博士能18-1035 10 1244 DC6V —尼康14x40IS 14 1340 DC6V 186/148/88俄罗斯12x40 12 2000 6 节AA 240/190/100佳能15x50IS 15 1180 2 节AA 193/152/81佳能12x36IS II 12 660 2 节AA 174/127/70佳能8x25IS 8 490 1 枚CR123 137/120/61目前最小巧的防抖望远镜是佳能8x25IS，重量只有490g，使用 1 枚3V 的CR123 锂电池，可以连续工作 6 小时。
最新-电子稳像计算方法 精品
电子稳像计算方法1概述在目标跟踪过程中，摄像机载体的随机振动和姿态变化产生的不平稳运动会导致视频图像序列的不稳定甚至模糊，这种不平稳运动不仅影响系统的成像质量、造成观测者的视觉疲劳，还会给运动目标检测带来困难。
电子稳像,是指利用图像处理手段从输入的视频图像序列中去除由摄像机的随机运动造成的图像扰动，使输出图像序列保持稳定的技术手段。
帧间运动估计是实现电子稳像的关键环节，目前应用于稳像的运动估计方法有很多，灰度投影法[1-5]是其中的一种重要方法。
它能充分利用图像灰度总体分布的变化规律，较准确地估计图像的运动矢量，具有计算量小、精度高的特点[1]。
美国研究实验室采用此方法在1号自控目标跟踪系统中实现了图像的实时稳定。
但是投影算法有一定的应用条件，图像的灰度变化应较丰富，具有一定的对比度，否则灰度投影曲线变化不明显，难以精确地求出运动矢量，容易造成误差。
通过对图像进行直方图均衡化处理，能在一定程度上处理对比度较差的图像，增强算法的鲁棒性，但是不能从根本上解决此问题[2]。
为此，本文提出一种基于梯度投影法的电子稳像算法。
2灰度投影法灰度投影法是一种基于投影算法的稳像方法，利用图像灰度分布变化的特点求取图像帧间运动向量，分为灰度映射和相关计算2个步骤。
21灰度映射对输入的二维图像进行预处理后，将其灰度信息映射成2个独立的一维投影序列。
设,为第帧图像点,处的像素灰度值，、分别为图像投影区域的行、列数。
图像第行的灰度投影值为,1图像第列的灰度投影值为,2投影曲线反映了图像灰度分布的特点，为方便描述，将图像行方向的投影曲线记为水平投影曲线，将图像列方向的投影曲线记为垂直投影曲线。
22投影滤波处理当图像的位移量大时，由于每一幅图像的边缘信息是唯一的，因此会导致投影的波形在边缘处的差异性。
传统灰度投影通常采用全投影，即将投影区域每行列进行映射，行列内的每个像素都参与投影。
在进行相关计算时，会对互相关峰值产生影响而降低精度。
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近几十年来，随着计算机视觉技术的发展，在智能手机和机器人等领域的应用日益广泛。
电子稳像算法是计算机视觉技术的重要组成部分，它的目的是根据抓取的图像数据来恢复图像的稳定性。
电子稳像算法主要有三种，即空间处理算法、角点特征点匹配算法和基于光流的密集算法。
其中，基于特征点匹配的电子稳像算法是最常用的一种，它可以极大地提高稳像效果。
特征点匹配稳像算法是一种能够检测不同图像之间具有相同特征的算法，特征点是指在图像中具有一定程度的特征的点，可以提供有用的信息，如果在不同的图像中出现的特征点非常相似，那么这些特征点就可以用来实现稳像。
特征点匹配算法的核心思想是利用不同图像中的特征点来实现稳像，即在不同图像中检测到的特征点，将它们进行匹配，并利用匹配度来确定其稳定性。
为了能够实现特征点匹配稳像算法，首先需要对图像中的特征点进行检测、提取与计算，这就涉及到特征检测、特征提取和特征跟踪三个过程。
特征检测阶段，主要通过像素梯度、纹理特性等方法来检测图像中的特征点；在特征提取阶段，主要采用局部特征描述符、颜色直方图、特征向量等方法对所检测的特征点进行提取；在特征跟踪阶段，则需要使用基于KLT跟踪算法或者基于中值滤波器的跟踪算法来分析特征点之间的运动特征。
当特征点检测、提取及跟踪都完成后，进入稳像算法的核心阶段，即特征点匹配阶段。
它是电子稳像算法的重要组成部分，主要是在不同图像中检测出的特征点之间进行匹配，并利用匹配度来计算其稳定性，由此得出最佳的位移变换矩阵，实现图像稳像的目的。
现有的特征点匹配稳像算法、具体地说，有双向约束算法、节点算法、散射算法和局部搜索算法等，他们都可以获得较好的稳像效果，但大多数算法存在一定的缺陷，如拓扑约束算法存在计算量大的问题、节点算法存在抗噪声能力差的问题。
因此，为了改进和提高特征点匹配稳像算法的性能，科学家们正在朝着多方面努力，如：对原有的特征提取算法进行改进，使其能够更好地提取图像的特征；结合深度学习技术，进行稳像效果的提高；提出新的稳像模型，使其能够更精确地实现稳像；以及采用更先进的稳像方法，如基于多焦距所见算法等，来提高系统的稳像性能等。
《电子稳像器工作原理》
电子稳像器工作原理1 引言VS8902型电子稳像器采用的是一种基于特征点匹配的电子稳像算法。
本公司开发的这种基于特征点匹配的电子稳像算法具有如下几个优点：稳定精度高；对抖动视频进行水平、垂直和旋转方向上的校正；稳像算法的实现只使用参考帧和当前帧；实时性高；鲁棒性好；本产品稳像算法的结构框图如图1所示。
图1 基于特征点匹配的电子稳像算法的结构框架Fig.1 The basic structure of stabilization algorithm with feature points matching 如图所示。
预处理是稳像算法的初始化过程，是对视频数据进行属性等方面的分析，为后续稳像算法的实现和处理奠定基础。
预处理实现的功能主要有：初始化A/D和D/A芯片、配置稳像系统的工作模式、建立稳像算法所需的缓冲区、检测视频数据的有无、识别输入视频信号的制式（NTSC制，PAL制信号）等。
运动估计是计算当前帧图像和参考帧图像相对运动关系的算法。
在稳像算法中运动估计分为局部运动估计和全局运动估计。
局部运动估计又分为特征点提取、特征点匹配、匹配验证三个步骤，来获取各个特征点的局部运动矢量。
特征点提取采用Harris提取角点的算法，特征点匹配采用块匹配的方法，特征点验证主要采用距离约束的准则。
全局运动估计是通过最小二乘法，根据特征点的局部运动矢量求出全局运动矢量。
准确求取全局运动估计是电子稳像算法的基础。
运动滤波是把全局运动矢量分离成有意运动矢量和无意运动矢量，是稳像算法的难点和重点。
若稳像后的图像无法保留摄像机自身的主运动，稳像效果会失真，稳像算法会无法执行，从而导致稳像算法失败。
运动滤波直接决定稳像效果的好坏。
本文的电子稳像系统采用Kalman滤波器。
运动补偿是就是对抖动图像做运动滤波输出结果的反向补偿，以便输出稳定或平滑的图像序列。
运动补偿实质上就是对图像做平移、旋转和缩放处理。
运动补偿的难点问题是算法的实时性和精度。
电子稳像理论及其应用研究
电子稳像理论及其应用研究电子稳像理论及其应用研究电子稳像是一种通过电子设备对图像进行实时调整，抑制摄影或摄像中由震动引起的图像模糊的技术。
随着科技的进步和电子器件的发展，电子稳像技术在摄影、摄像、无人机和医学等领域得到了广泛的应用和研究。
本文将对电子稳像的理论原理及其在不同领域的应用进行探讨。
一、电子稳像的理论原理电子稳像的理论基础是图像处理和图像信号处理。
其基本原理是通过对图像进行实时处理和调整，消除由于摄像设备在使用过程中发生的震动或晃动而引起的图像模糊。
具体而言，电子稳像技术通过设备内部的加速度传感器或陀螺仪来检测摄像机的震动状态，然后根据检测到的信息对图像进行实时调整。
电子稳像技术主要包括两个步骤：图像采集和图像处理。
在图像采集阶段，通过记录机身的震动状态，设备可以检测到摄像机的晃动、抖动或旋转。
在图像处理阶段，设备使用算法对图像进行调整，以抵消或减少震动效应，从而获得更清晰、更稳定的图像。
二、电子稳像的应用研究1. 摄影和摄像领域电子稳像技术在摄影和摄像领域中得到了广泛应用。
尤其是在低光条件下或需要长时间曝光的情况下，由于手持相机容易发生晃动，电子稳像技术可以有效减少图像模糊。
此外，电子稳像技术还可以在运动场景中实现流畅的画面效果，如拍摄体育比赛或快速运动的动物。
2. 无人机领域无人机在航拍、农业、安全监控等领域具有广泛的应用前景。
然而，由于无人机在飞行过程中受到气流和风力的影响，图像模糊问题成为限制无人机应用的重要因素。
通过将电子稳像技术应用于无人机，可以实时调整摄像设备，提供稳定、清晰的图像和视频。
3. 医学领域电子稳像技术在医学领域的应用主要体现在内窥镜和手术等方面。
通过将电子稳像技术应用于内窥镜，可以实现手术过程的实时监测和准确定位，为医生提供更清晰、稳定的视野。
此外，电子稳像技术还可以用于微创手术，帮助医生进行精细的操作。
4. 其他领域除了上述领域，电子稳像技术还有许多其他的应用。
- 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)。
运 动 估 计
特征匹配法 最近几年在一些基本特征点的基础上，出现了一些较 新的算法，如SIFT (Scale Invariant Feature Transform)特征 点、 SURF特征点、FAST （features from accelerated segment test）特征点， 关于这方面的算法 研究也很火热，目前众多特征点提取方法中应用较多的有 经典Harris角点、SIFT特征点、KLT算法，以及较新的 和SURF 算法提取过程复杂， 计算量太大。 FASTSIFT 特征点。 稳像需要对视频图像 中的较大区域提取特征点， 而对较 大区域提取SIFT和SURF特征点， 理论上耗时会很大。
运 动 估 计
代表点法 此方法的优点是算法简单、计算量小。 但是由于代表点是确定的, 并非是图像上有明显特征的 点, 因此对图像的变化不敏感, 对旋转晃动和慢速晃动 尚不能补偿。
运 动 估 计
位平面匹配法BPM
图像每一点的像素值为一个八位的二进制数，这个 图像可被表示为一组二进制数，将该组二进制数所有第 n位(n从0到7，闭集，例如n=2)的数提取出来，组成一 个平面，即为第n位的位平面，采用该方法分析图像称 为为位平面法。 由于用二进制值代替了像素灰度，则后续可用逻辑 运算代替数值运算，从而大大减少了运算量。同时，由 于图像的关键信息处于某特定的位平面，采用单独的位 平面运算并不会降低匹配精度。 假设原始图像在像素点(x, y)位臵上具有2k个灰度等 级，该像素点的灰度值可通过以下公式表示，并可推广 到整幅图像：
运 动 估 计
目前块匹配的准则有很多种，其中最为典型的匹配准则有：最小绝 对差和准则（SAD）、最小平均绝对差值准则（MAD）、 最小均方差 准则（MSE）和归一化相关函数。
块匹配法-匹配准则
以上几个公式中, fk （s,t）和fk+1 （s+i,t+j）分别是参考帧图 像和当前帧图像的相应位臵的像素灰度值。 第一个 NCCF 值取最大 时， 为最优匹配。 后三个匹配准则的值最小时，为最优匹配。 四个匹配准则中最常用的是最小总绝对差 SAD 准则。
图：六边形搜索算子
运 动 估 计
位平面匹配法 主要针对平移运动情况，对图像旋转和缩放处理能 力有限。
运 动 估 计
特征匹配法
基于特征匹配的电子稳像方法， 和其他稳像方法相 比， 可以稳定包含平移和旋转等复杂抖动的视频。 将参考帧和当前帧中的特征量分别提取出来，并采 用一定的匹配准则得到这些匹配两两之间对应的关系，通 过这种对应关系带入图像运动模型中计算出全局运动参数， 利用全局运动参数来补偿抖动分量， 获取稳定视频。
图：FAST算法检测特征点效果
运 动 估 计
特征匹配法
介绍FAST算法对特征点的求取过程。在一幅图像 中，判断像素p是否为特征点，可通过如下方法完成：
(1) 设定阈值t; (2) 计算 p 点像素值vP 与1 点像索值v1 差值m; 总得来说，对一个像素值是否为特征点的判断，转 (3) 计算p 点像素值vP 与9 点像素值v9 差值n; 化为了该点像素与其周围的 16个点的像素值的大小比较， (4) 若m × n>0时且|m | >t 或| n | > t 中至少有一个为真，则进行第5 在这个环形的像素邻域里，当至少有连续四分之三的像 步，否则返回“ 假’ ： 素与该点像素存在明显差异时，该点为特征点，否则， (5) 计算p点像索值vP 与5 点像素值v5 差值p; (6) 计算p点像素值vP 与13点像素值v13差值q; 该点为非特征点。 (7) 若满足|m | > t, |n | > t, |P | > t , lql > t中至少有3个为真，且m, n, p, q 在为真的表达式中，均同号，则进行第八步，否则返回“ 假＂ . (8) 依次计算其余12点的像索值与p 点像索值的差值，将得到的16 个值按序排成－环形数组（1号与16号是相邻的）： (9) 若数组中存在连续12个或以上像素值与p点像素值相差超过阈值 t，且像素差值均同号，则返回真，否则返回假。
背 景
稳像图示：
(a)参考帧
(b)当前帧
(c)参考帧
(d)稳像后
背 景
技术要求： （1）高精度 （2）快速计算
（3）减少视频信息的丢失 （4）去除局部运动，准确估计全局运动也是一个难 题。前景，背景 （5）利用图像信息区分摄像机的晃动量和摄像机的正 常扫描运动 。
背 景
稳像系统框图：
运动补偿是指根据运 动估计及运动平滑获 得的抖动参数重构视 频图像，重新生成一 个只存在摄像机主观 运动的稳定视频序列 运动滤波 运动补偿
k
ColTotk
Col ( j ) / NC
k
k
Col Pr ojk ( j) Colk ( j) ColTotk
其中式Colk(j) 为第k 帧图像第j 列的灰度值;Curk(i.j)是第k 帧图 像上(i,j)位臵处的像素的值; N C 是列数; ColProjk(j)是第k 帧 图像第j 列修正后的投影值。
电子稳像综述
2016年3月 zgbupc@
目录
· 电子稳像背景 · 稳像算法介绍
背 景
摄像机有时必须安装在有震动的环境中，必然存 在机械震动，而且这些机械震动往往难以消除，机械 震动会引起视频图像的抖动，尤其是在使用高倍放大 的镜头情况下，轻微的机械震动都会引起图像的剧烈 抖动，从而严重影响对视频的观察监视。
运 动 估 计
代表点法
代表点匹配算法是分别。 这样既能大大的提高系统的运算速度，又能较好的保证 运动矢量的检测精度。（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（或叫穷尽搜索算 法）计算量大，效率较低，一般来说，很难做到实时地 稳像处理。） 通常是将图像分成四个区域, 每个区域分别选取30 个代表点, 每个点有一个确定的搜索区域。建立先前帧 与当前帧图像代表点之间关系式, 最后以搜索区域内选 定的代表点为相对参考点作一个相同位移位, 相应的有 一个绝对差值, 对所有代表点坐标的绝对差值求和, 获得 一个相关函数关系式
不需要实时更新参考帧图 像，这种参考帧选取方式 计算量小。不会带来累积 误差，算法的鲁棒性好。
最大程度地利用了图像的特 征信息，减少稳定帧的无定 义区域。
缺点：相邻参考帧棋式占 缺点：随着摄像机的运动， 用很大的存储空间，计算 图像也会发生变化，图像 量增大，容易出现累积错 的重叠区域慢慢减小。 误。
运 动 估 计
块匹配法-搜索方法： 〃基本块匹配搜索算法是在匹配窗口中进行遍历 搜索，称为全匹配搜索法。 〃目前最为常用的是三步搜索法。
运 动 估 计
块匹配法-缺点：
（1）BMA目前更多的还是用于估计平移运动， 估计旋 转和缩放运动的精度还是很低； （2）如果选用全匹配搜索（full search）的搜索策略， 运算量很大，目前工程应用中常三步搜索法，虽然匹配 的精度有所下降，但匹配的速度得到很大提高。块匹配 算法利用的都是单像素点的灰度信息，通过逐点的匹配 计算，来得到运动矢量， 而且在匹配过程中非常容易 陷入局部最优，降低运动矢量的估计精度； （3）块匹配法BMA只适用于存在小幅度运动的场景， 计算量大，效率低， 稳像精度取决于块的大小、搜索 的策略及匹配准则，适用性不强；
运 动 估 计
灰度投影法：
图：参考帧图像列方向投影数据曲线
图：当前帧图像列方向投影数据曲线
图：当前帧和参考帧的列相关曲线
对于一段视频，如果序列图像之间存在水平或者垂直方向上的 平移，其实反映在这两个曲线上的变化也是曲线的左移或者右移。 这样通过对当前帧的灰度投影曲线和参考帧的灰度投影曲线进行互 相关运算就可以计算出两帧图像间水平和垂直方向上发生的偏移量。
式中，G(x,y) 表示(x, y)点像素的灰度值，bk为一个布尔值，取值为0或 者1。
运 动 估 计
位平面匹配法BPM
对于一个灰度为256的图像，k=8，则经过位平面变换后，可 以得到8个等级的位平面。 图像的第k个位面构成的布尔矩阵为bk(x, y)，其中的每个值 均为0或者1，后续计算相应被简化了。每一个位面对应一个级别， 第k个位面的级别是2k，这样一个k位的灰度图像就可以看作是由k 个二值的位平面图像矩阵bk(x, y)构成。 一个位平面仅能够描述图像的部分信息，但等级越高的位平 面包含的信息量越大。
式中：（a1,a2,a3,a4,a5,a6）为摄像机的全局运动参数；其中 （a1，a5）为缩放参数， （a2，a4）为旋转参数，（a3,a6）为 平移参数： （x,y）为参考帧的像素坐标： （x ’，y ’）为抖动视 频当前帧对应的像素坐标。
算 法 原 理
参考帧的选取： 分为固定参考帧模式和相邻参考帧模式。
运 动 估 计
当前运动估计算法有：
灰度投影算法PA ( projection algorithm ) 块匹配法BMA（Block Matching Algorithm） 位平面匹配法BPM ( Bit plane matching ) 代表点法RPM(Representative point matching) 特征匹配法 也有一些在经典算法基础上改进后的新算法。
运 动 估 计
位平面匹配法BPM-位平面匹配：
得到的位平面即可用于图像匹配。同时，我们引入两帧图像的位 平面匹配测度作为匹配准则。假设t-1时刻参考帧中待匹配的块大小 为M × N ，t时刻当前图像中搜索区域为(M+2p) × (N+2q)，选取 第k位平面进行匹配，分别表示为 bkt-1和 bkt，则两帧图像的位平面 匹配测度可由下式得到：
运 动 估 计
灰度投影法：
尽管视频序列帧之间存在着一定的几何变化和光照亮度的变化，但相邻 帧之间必然存在很大的图像重合区域，这个区域里图像的像素灰度信息分布 规律基本是一样的。 灰度投影就是建立在这样的前提假设之下， 此算法将图像在水平和垂直 方向上分别对每行和每列的像素灰度值进行累加， 这样对于这幅图像就会产 生两条灰度投影曲线，分别代表着这幅图像水平和垂直方向上的灰度分布规 律。 Col ( j) Cur (i, j)