基于運動估計和運動分離等技術(shù)的電子穩(wěn)像算法研究.pdf

1、計算機視覺技術(shù)是信息科學(xué)中的熱門研究領(lǐng)域，通過對攝像機獲取的視頻進行一系列的智能處理，從而對外部環(huán)境做出正確決策。然而，由于攝像系統(tǒng)的工作效果受到載體不同時刻姿態(tài)變化或振動的影響，導(dǎo)致視頻圖像不穩(wěn)定、模糊，進而影響整個系統(tǒng)的性能表現(xiàn)。電子穩(wěn)像技術(shù)是基于圖像處理的防抖技術(shù)，相比機械和光學(xué)穩(wěn)像技術(shù)，有諸多優(yōu)勢，可以顯著提高運動載體攝像的穩(wěn)定性，在軍事偵察、航空、交通等領(lǐng)域有廣泛應(yīng)用。本文將以提高電子穩(wěn)像處理過程的準(zhǔn)確性、實時性和完整性為出發(fā)

2、點，依托 OpenCV開發(fā)平臺，從運動估計、運動分離和運動補償三個環(huán)節(jié)入手，研究和分析主要算法，做出相應(yīng)改進。
　　本文首先概述了攝像系統(tǒng)的成像原理，建立圖像變換的數(shù)學(xué)模型；然后對攝像機運動的特點及其影響做了簡要介紹，分析并指出圖像背景的全局運動具備良好的一致性；分別討論電子穩(wěn)像中運動估計、運動分離和運動補償?shù)年P(guān)鍵技術(shù)，并對其理論進行詳細分析和實驗；簡要介紹 OpenCV計算機視覺函數(shù)庫的結(jié)構(gòu)和特性，并依托 OpenCV平臺進行后

3、續(xù)的算法研究；總結(jié)電子穩(wěn)像中的關(guān)鍵問題并提出改進思路。
　　第三章分析運動估計的主要方法，選取特征點匹配法并驗證其可行性和實時性；指出傳統(tǒng)特征匹配算法的局限性，提出亞像素級 Harris角點的自適應(yīng)選取算法，通過基于平均背景法的前景運動物體檢測，保證角點選取的合理性，通過計算亞像素級角點坐標(biāo)和控制角點數(shù)量，提高角點的定位精度和穩(wěn)像處理的實時性；最后，根據(jù)圖像變換模型獲取運動參數(shù)，并利用RANSAC方法篩選出全局運動矢量。
　

4、　第四章著重討論運動分離和補償?shù)南嚓P(guān)問題。針對攝像機載體存在期望運動和隨機抖動相耦合的問題，提出采用Kalman濾波的方法，對運動參數(shù)曲線進行濾波處理，分析了濾波器參數(shù)的設(shè)置問題，得到希望保留的期望運動參數(shù)軌跡。對于濾波所得的運動參數(shù)，采用改進后的最鄰近插值法對視頻圖像進行穩(wěn)像補償；針對補償后的圖像出現(xiàn)的“黑邊”問題，提出結(jié)合圖像拼接技術(shù)來實現(xiàn)全景補償，提高輸出視頻的感官質(zhì)量和觀察效果；從峰值信噪比PSNR、圖像均方差等幾個指標(biāo)入手，對