[发明专利]基于特征匹配的电子稳像方法

权利要求书

1.基于特征匹配的电子稳像方法，其特征是用于监控视频的前期处理，获取稳定图像供后期应用，包括以下步骤：

1)运动估计

首先提取监控视频参考帧中的特征点，所述参考帧为当前帧的前一帧，特征点为图像中的角点，接着在当前帧中进行搜索，提取当前帧中与前一帧的特征点对应的点，根据找到的特征点对，估算出两帧间的运动参数，即得到全局运动矢量和局部运动矢量；

2)运动滤波

采用Kalman滤波器对全局运动矢量行滤波，利用统计学方法构造状态空间模型，描述有意和无意运动参数的变化，然后利用Kalman递归方程对步骤1)所得全局运动矢量进行滤波，得出有意运动参数，抖动分量为全局运动参数和对应的有意运动参数之差，所述差即为需要补偿的抖动参数；

3)运动补偿

由步骤2)滤波得到的需要补偿的抖动参数，得到当前帧与前一帧的变换关系，对视频当前帧进行补偿，将当前帧上的点变换到补偿后的坐标位置；

4)视频修复

利用视频的时空冗余信息，采用快速推进FMM算法修复补偿后的图像中未定义区域的局部运动矢量，由此得到未定义区域的完整局部运动场，再利用局部运动矢量在参考帧中搜索，得到未定义区域所有像素点的亮度信息并进行填充，由此完成未定义区域的重建；

通过以上步骤对视频序列逐帧处理，获得稳定的稳像视频输出，步骤4)完成稳像视频边界未定义区域的重建，避免视频图像四周出现黑色的空洞。

2.根据权利要求1所述的基于特征匹配的电子稳像方法，其特征是步骤1)的运动估计采用分散式Harris角点提取算法，具体为：

1)在视频图像的窗口中构造一个屏蔽窗口

2)设置角点的临界距离d_c，在d_c为半径的圆周内不再取其它角点；

在当前帧中提取与前一帧的角点匹配的点，采用多分辨率L-K光流算法。

3.根据权利要求2所述的基于特征匹配的电子稳像方法，其特征是采用随机抽样一致RANSAC算法对匹配后的特征点对进行精匹配。

4.根据权利要求1所述的基于特征匹配的电子稳像方法，其特征是步骤2)中Kalman递归方程包括状态方程、观测方程和更新方程，建立主动运动的完整状态空间模型，滤波时首先初始化Kalman滤波器的各参数，然后用Kalman滤波器的递归方程对运动状态进行有意扫描分量的预测，确定需要补偿的抖动参数。

5.根据权利要求4所述的基于特征匹配的电子稳像方法，其特征是初始化Kalman滤波器时，根据抖动的剧烈程度，设置系统参数，包括观测噪声R和过程噪声，以动态调节滤波器对运动的跟踪能力；定义Kalman滤波器的状态矢量为S(k)＝[θ，dx，dv_x，dy，dv_y]，各分量分别为旋转角θ、水平运动分量dx、水平运动速率dv_x、垂直运动分量dy和垂直运动速率dv_y；观测矢量定义为Z(k)＝[θ，dx，dy]，滤波前分别对状态矢量和观测矢量进行初始化。

6.根据权利要求1所述的基于特征匹配的电子稳像方法，其特征是步骤3)的运动补偿采用仿射模型，根据步骤2)的需要补偿的抖动参数，得到当前帧相对于前一帧的变换关系。

7.根据权利要求1-6任一项所述的基于特征匹配的电子稳像方法，其特征是步骤4)的稳像视频修复采用基于运动修复的视频修复算法，对步骤3)所得的稳像视频进行原分辨率修复：利用时空冗余信息对当前帧受损区域进行修复，先在时间轴上与当前帧相邻的帧中搜索，利用邻帧中同一区域的局部运动矢量估计当前帧相应未定义区域的局部运动，再通过局部运动场引导像素亮度值的修复；对通过时间轴搜索无法修复的点采用帧内搜索，用静态图像修复的方法进行修复，完成所有未定义区域的重建。