[發(fā)明專利]基于灰度積分投影互相關(guān)函數(shù)特征的運(yùn)動(dòng)參數(shù)估計(jì)方法

有效

• 申請?zhí)枺?/td>: 201410176256.8
• 申請日: 2014-04-28
• 公開（公告）號(hào): CN103955930B
• 公開（公告）日: 2017-01-18
• 發(fā)明（設(shè)計(jì)）人: 王雙慶;李宏生;邢建春;王平;孫亮
• 申請（專利權(quán)）人: 中國人民解放軍理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;H04N19/51
• 代理公司: 南京理工大學(xué)專利中心32203
• 代理人: 朱顯國

技術(shù)領(lǐng)域

本發(fā)明屬于圖像分析技術(shù)領(lǐng)域，特別是一種基于灰度積分投影互相關(guān)函數(shù)特征的運(yùn)動(dòng)參數(shù)估計(jì)方法。

背景技術(shù)

數(shù)字圖像穩(wěn)定系統(tǒng)基于數(shù)字圖像處理技術(shù)，檢測圖像抖動(dòng)向量并進(jìn)行實(shí)時(shí)補(bǔ)償，它不需要依托陀螺或棱鏡等專用設(shè)備，檢測精度和補(bǔ)償精度只與算法實(shí)現(xiàn)有關(guān)，因此設(shè)置靈活，且能處理大范圍抖動(dòng)，可直接應(yīng)用于現(xiàn)已普及的視頻監(jiān)視系統(tǒng)后端，與現(xiàn)有系統(tǒng)兼容，因此得到大范圍的研究和應(yīng)用。數(shù)字穩(wěn)像系統(tǒng)一般包括兩個(gè)處理單元：運(yùn)動(dòng)估計(jì)單元和運(yùn)動(dòng)補(bǔ)償單元。運(yùn)動(dòng)估計(jì)單元獲取抖動(dòng)圖像序列的全局運(yùn)動(dòng)參數(shù)，運(yùn)動(dòng)補(bǔ)償單元根據(jù)運(yùn)動(dòng)估計(jì)單元的結(jié)果，生成補(bǔ)償運(yùn)動(dòng)向量，獲得連續(xù)的、平滑的圖像序列。運(yùn)動(dòng)估計(jì)單元是數(shù)字穩(wěn)像系統(tǒng)的核心和基礎(chǔ)。常用的運(yùn)動(dòng)估計(jì)算法包括圖像塊匹配法(Blocks?Matching?Algorithm，BMA)、灰度積分投影法(Intensity?Integral?Projections?Algorithm，IIPA)、特征跟蹤法(Features?Tracking?Algorithm，F(xiàn)TA)等。

海域安全監(jiān)控應(yīng)用領(lǐng)域中的視頻圖像多數(shù)具有低對(duì)比度、高分辨率等特點(diǎn)，且風(fēng)致振動(dòng)導(dǎo)致圖像抖動(dòng)嚴(yán)重。去抖操作的全局運(yùn)動(dòng)參數(shù)估計(jì)采用特征跟蹤法(FTA)時(shí)，發(fā)現(xiàn)低對(duì)比度、高分辨率圖像的灰度變化不劇烈，角點(diǎn)等特征很不明顯，角點(diǎn)的搜索閾值非常小，且經(jīng)常搜索失敗。采用對(duì)圖像小鄰域特征不敏感的塊匹配法(BMA)時(shí)需要事先設(shè)定好大小、位置合適的匹配塊，這在海域安全監(jiān)控應(yīng)用中很難滿足，而傳統(tǒng)的灰度積分投影法(IIPA)雖不需要人為過多干預(yù)，但在直接應(yīng)用時(shí)的實(shí)時(shí)性和準(zhǔn)確性無法達(dá)到應(yīng)用要求。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種精度高、效果好的基于灰度積分投影互相關(guān)函數(shù)特征的運(yùn)動(dòng)參數(shù)估計(jì)方法，有效估計(jì)低對(duì)比度、高分辨率圖像的全局運(yùn)動(dòng)參數(shù)。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于灰度積分投影互相關(guān)函數(shù)特征的運(yùn)動(dòng)參數(shù)估計(jì)方法，包括以下步驟：

步驟1，將目標(biāo)圖像等分為N×N個(gè)矩形分塊，并對(duì)每個(gè)分塊進(jìn)行灰度積分投影，確定每個(gè)分塊灰度積分投影的方差，遴選方差較大的R個(gè)區(qū)域作為備選區(qū)域，R為整數(shù)且2≤R≤N；

步驟2，對(duì)連續(xù)兩幀目標(biāo)圖像中備選區(qū)域的灰度積分投影進(jìn)行互相關(guān)運(yùn)算，確定互相關(guān)函數(shù)極值點(diǎn)的二階導(dǎo)數(shù)，對(duì)灰度積分投影的方差和互相關(guān)函數(shù)極值點(diǎn)的二階導(dǎo)數(shù)進(jìn)行加權(quán)求和，獲得各個(gè)備選區(qū)域的優(yōu)劣因子，將優(yōu)劣因子降序排列，選擇排列靠前的Q個(gè)區(qū)域作為優(yōu)質(zhì)區(qū)域，其中Q≤R；

步驟3，分別對(duì)所得的優(yōu)質(zhì)區(qū)域進(jìn)行局部運(yùn)動(dòng)參數(shù)估計(jì)，獲得每個(gè)區(qū)域的X軸或Y軸平移運(yùn)動(dòng)參數(shù)，再對(duì)這些局部運(yùn)動(dòng)參數(shù)進(jìn)行加權(quán)求和獲得全局運(yùn)動(dòng)參數(shù)。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)為：(1)不需要事先了解圖像的特點(diǎn)，通過圖像分塊計(jì)算各個(gè)分塊的灰度投影以及互相關(guān)函數(shù)，利用灰度積分投影的方差和互相關(guān)函數(shù)在極值點(diǎn)的二階導(dǎo)數(shù)定量描述各個(gè)分塊區(qū)域的優(yōu)劣，篩選優(yōu)質(zhì)區(qū)域進(jìn)行后續(xù)計(jì)算，避免了對(duì)匹配塊大小和位置、以及對(duì)角點(diǎn)檢測閾值的依賴；(2)運(yùn)算速度快，由于只對(duì)灰度積分投影方差較大的若干分塊區(qū)域進(jìn)行互相關(guān)計(jì)算，而不進(jìn)行全幅面的灰度積分投影互相關(guān)運(yùn)算，因此計(jì)算量大大降低；(3)算法精度高，避免了以整幅面低對(duì)比度圖像的灰度積分投影為匹配對(duì)象，而是基于區(qū)域優(yōu)劣因子選擇若干優(yōu)質(zhì)區(qū)域進(jìn)行匹配和參數(shù)估計(jì)，因此得到的全局運(yùn)動(dòng)參數(shù)相對(duì)準(zhǔn)確，精度比IIPA提高了約30％；(4)魯棒性強(qiáng)，由于基于分塊區(qū)域的灰度積分投影，因此隨機(jī)噪聲的影響很小。

附圖說明

圖1是本發(fā)明基于灰度積分投影互相關(guān)函數(shù)特征的運(yùn)動(dòng)參數(shù)估計(jì)方法的流程圖。

圖2是本發(fā)明第(p,q)分塊子圖像的灰度積分投影曲線圖，其中(a)為行灰度積分投影曲線圖，(b)為列灰度積分投影曲線圖。

圖3是本發(fā)明連續(xù)兩幀目標(biāo)圖像中備選區(qū)域的灰度積分投影互相關(guān)曲線圖，其中(a)為行灰度積分投影的互相關(guān)曲線圖，(b)為列灰度積分投影的互相關(guān)曲線圖。

圖4是本發(fā)明連續(xù)兩幀目標(biāo)圖像中不同備選區(qū)域的行灰度積分投影互相關(guān)曲線圖。

圖5是本發(fā)明實(shí)施例中幾種不同方法進(jìn)行數(shù)字穩(wěn)像后的圖像灰度差平方和棒狀圖。

具體實(shí)施方式

下面結(jié)合附圖及具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

如圖1所示，本發(fā)明基于灰度積分投影互相關(guān)函數(shù)特征的運(yùn)動(dòng)參數(shù)估計(jì)方法，包括以下步驟：