[发明专利]一种适用于帧间的图像稳像方法

说明书

技术领域

本发明涉及图像稳像技术领域，具体涉及一种适用于帧间的图像稳像方法。

背景技术

电子稳像是集电子学、计算机、图像识别等技术于一体，确定图像序列帧间映射关系并进行补偿的新一代序列图像稳定技术，旨在消除视频序列中的随机运动。电子稳像技术的研究始于20世纪80年代中期。目前，稳像技术广泛应用于机器人远程遥控系统、无人车辆导航系统、视频侦察系统、导弹电视制导系统以及车载火控系统中的观瞄系统等，是电视精确制导、目标检测与跟踪的关键预处理技术，是移动成像系统不可缺少的一种重要视频增强技术。

电子稳像关键技术包括运动估计和运动校正。运动估计是提取由摄像机引起的场景背景的视在运动，即全局运动；而运动校正对全局运动区分为意向运动分量和随机运动分量，运用运动滤波算法消除随机运动分量的影响，计算补偿分量并进行补偿。

电子稳像运动估计技术目前研究最多的是基于图像块的方法和基于图像特征的方法。传统的基于图像块的方法基于全匹配搜索算法，计算量大，效率较低，一般来说，很难做到实时地稳像处理，在此基础上发展而成的图像代表点匹配算法在一定程度上减少了运算量，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，而且这两种方法存在共同的缺点，即只能针对平移运动。传统的基于图像特征的方法需要选取具有明显特征的点，受图像变化影响小，可以实现帧间的平移和旋转运动补偿，但是当特征过于集中于局部区域时,特征误匹配率高；且容易把局部物体的运动当成全局运动造成错误补偿。

此外，目前电子稳像的运动估计模型大多针对平移运动，而实际应用环境往往较为复杂，包含平移、水平扫动、垂直扫动、旋转、缩放等多种情况，平移运动模型不能完整地描述摄像机的运动特征。

综上所述，现有的电子稳像技术存在以下缺点：

（1）具有代表性的两大运动估计算法分别存在计算复杂、对图像变化不敏感和误匹配率高、易造成错误补偿的不足。

（2）运动模型简单，不能准确描述实际运动情况，适用性较差。

发明内容

有鉴于此，本发明提供了一种适用于帧间的图像稳像方法，能够有效消除视频序列中的图像帧间晃动，改善图像质量，同时具有更广泛的适用性。

本发明的一种适用于帧间的图像稳像方法，包括如下步骤：

步骤一：对当前帧图像提取视觉敏感点，基于视觉敏感点将图像划分为若干个感兴趣的区域，具体方法如下：

S101：将当前帧图像划分成7×7大小的区域，并计算每个区域的平均灰度值：

S102：搜索局部最大值点：

针对S101中划分的每一个区域，选取该区域的中心点作为邻域中心点，以3×3为邻域范围，判断该区域的平均灰度值是否大于或者等于邻域范围内的平均灰度值：如果是，则该区域中心点为局部最大值点，如果否，则该区域中心点不是局部最大值点；最后得到的N个局部最大值点定义为视觉敏感点；

S103：对感兴趣特征区域的标记及区域划分：

对S102中搜索到的每一个视觉敏感点按顺序进行标记；然后将当前帧图像划分为N个感兴趣区域，并确保每个感兴趣区域有且只有一个视觉敏感点；

步骤二：针对步骤一对当前帧图像划分的每一个感兴趣区域，采用SURF算法提取该感兴趣区域内的特征点，然后与参考帧图像中对应感兴趣区域内的特征点进行匹配，计算得到该感兴趣区域的对应特征点的运动参数，采用上述方法遍历当前帧图像的所有感兴趣区域，得到每个感兴趣区域的局部运动量；所述局部运动量包括8个当前帧相对于参考帧的运动参数，即为m₀～m₇：其中m₀表示尺度、m₁,m₃,m₄表示旋转量，m₂和m₅分别表示水平方向和垂直方向的平移量，m₆和m₇分别表示水平和垂直方向的变形量；

步骤三：针对步骤二获得的N组局部运动量中的每一个运动参数分别求均值，得到表征全局运动量的运动参数

步骤四：采用步骤一至步骤三的方法对获得的原始视频序列中的多个图像进行处理，分别得到全局运动量，然后采用递归Kalman滤波方法对全局运动量按照到达的时间顺序进行序贯滤波处理，得到经过滤波处理的八个参数后组成图像帧间透射变换关系矩阵，然后将该矩阵进行逆变换，得到逆矩阵将该逆矩阵与原图像做乘积运算，得到稳定的图像。