基于矢量聚類與Kalman濾波的數(shù)字穩(wěn)像技術(shù)研究.pdf

1、隨著電子攝像設(shè)備在軍事與民用領(lǐng)域的廣泛應(yīng)用，人們對視頻質(zhì)量也提出越來越高的要求，尤其是在某些特殊的拍攝場景下，如手持?jǐn)z像系統(tǒng)、地震中的監(jiān)控系統(tǒng)和軍用無人機(jī)拍攝系統(tǒng)，采集到的視頻常常伴隨著較大的抖動，十分不利于人眼觀測和有用信息的提取。數(shù)字穩(wěn)像技術(shù)就是以去除干擾噪聲為目的，利用數(shù)字圖像處理中的相關(guān)方法消除相機(jī)抖動，最終獲得穩(wěn)定視頻序列的視頻穩(wěn)定技術(shù)。本文著重對數(shù)字穩(wěn)像過程的核心環(huán)節(jié)進(jìn)行研究，并對運動估計算法與運動分離算法進(jìn)行相應(yīng)的改進(jìn)。<

2、br>　　本文首先對數(shù)字穩(wěn)像技術(shù)的發(fā)展現(xiàn)狀進(jìn)行研究，通過比較不同算法的優(yōu)缺點，最終選擇相似矩陣作為圖像變換模型，同時采用Harris角點檢測與KLT跟蹤相結(jié)合的方式完成圖像特征點的提取，并利用實時性與準(zhǔn)確性均較好的Kalman濾波器實現(xiàn)運動參數(shù)的分離。
　　針對運動目標(biāo)對運動估計干擾問題，本文提出了一種抗前景干擾的運動估計算法。首先根據(jù)相鄰幀圖像間的匹配特征點定義運動矢量，利用改進(jìn)的k means聚類算法將具有差異性的運動矢量分成

3、不同的類別，完成了圖像中所有特征點的分類;并依據(jù)所提出的連續(xù)視頻圖像中運動目標(biāo)剔除準(zhǔn)則，有效的實現(xiàn)了背景的盲分離，使得保留的特征點其局部運動矢量具有一致性;最后，將保留的特征點運動矢量用于計算全局運動參數(shù)，確保得到更準(zhǔn)確、真實的相機(jī)運動。
　　此外，本文提出了一種基于改進(jìn)Kalman預(yù)測的混合濾波器結(jié)構(gòu)，此方法結(jié)合了低通濾波器的平滑特性與Kalman濾波器的預(yù)測特性，可以更有效地實現(xiàn)運動分離，濾除相機(jī)抖動噪聲。同時，改進(jìn)的Kalm