基于特征匹配的视频稳像算法

应用电子稳像技术的基本原理,以机载成像设备所摄取的图像为研究对象,实现了抖动视频序列稳像的过程。首先对参考帧图像提取特征点,在当前帧找到匹配的特征点以求取帧间运动矢量。采用Kalman滤波方法对运动矢量进行处理,去除抖动分量,再对参考帧进行逐帧运动补偿。经过穏像前后的视频序列帧间差值对比可知,很好的去除了视频序列的抖动。     

矿井移动载体摄像的电子稳像算法

针对矿井移动载体摄像造成的视频抖动,提出一种电子稳像算法,分离移动载体摄像中的主动扫描运动矢量和随机抖动矢量,实现视频序列的稳像补偿.算法首先利用平移运动模型建立图像运动矢量估计方程,以视频序列的角点特征建立帧间映射,求解其最小二乘解得到帧间图像全局运动矢量.然后针对移动载体摄像抖动的不确定性,构建粒子状态预测方程,采用二维欧氏距离定义观测值和观测概率密度,求解运动补偿矢量.通过算法有效性和稳像准确度实验,结果表明:该稳像算法可有效保留摄像机主动扫描运动、去除随机抖动,提高了输出视频的图像质量,稳像后峰值信噪比(PSNR)的平均值比稳像前提高了25.38DB.     

一种基于改进运动估计的电子稳像技术

在摄像机载体运动过程中会造成图像序列的不稳定,从而产生观察者的视觉疲劳甚至会丢失观察目标,电子稳像是解决以上问题的有效手段。电子稳像首先对全局运动进行估计,求出参考帧和当前帧图像的全局运动矢量。本文先取视频序列相邻两帧图像的子图像进行块匹配得出局部运动矢量,根据计算得到的运动矢量弧度值剔除错误的运动矢量,然后对剩余的运动矢量求平均值作为此区域的运动矢量,并把与此矢量弧度相近的块的中心点作为特征点,利用仿射变换模型求解出变换参数,最后经过运动补偿技术去除视频抖动。实验结果表明,该方法可以有效地抑制帧间的平移和旋转等抖动,达到了预期的效果。     

基于经验模式分解和多种评价准则的电子稳像

针对摄影中易产生视频抖动的问题,提出一个实时鲁棒的视频去抖动系统.该系统具有如下特性：1)提取参考帧和当前帧的Sift特征点,并对它们进行匹配,通过随机采样一致（RANSAC）算法来得到全局运动参数;2)基于经验模式分解以及多种评价准则(全局运动参数和特征点对位置误差)来确定抖动参数以实现对当前帧的运动补偿;3)结合图像纹理合成算法来修复运动补偿后的视频帧,从而得到稳定和完整的输出视频.通过比较抖动视频和去抖动后的视频结果表明:该系统能够在保持实时性的同时提高视频的平均信噪比约7.2 dＢ,大大提高人对视频中内容的辨识度和观察舒适感.     

一种鲁棒的电子稳像系统

基于特征点跟踪的全局运动估计和利用Kalman滤波的运动补偿,提出一种鲁棒的电子稳像系统．首先,提取特征点的局部信息以估计全局运动,其中各特征点的跟踪是通过特征窗匹配来完成的,同时根据特征点集间具有稳定相对位置的结构特征,提出距离准则,对特征匹配进行验证,来去除前景运动点或误匹配点(即局部特征点)．然后,将所有验证后的匹配点对(全局特征点)带入运动模型,并利用Levenberg-Marquardt进行最优化迭代,求出全局运动矢量． 最后,对原始运动矢量序列进行Kalman滤波,提取抖动参数以补偿图像．实验结果表明,该系统可以处理图像序列的平移、旋转和缩放等抖动,并且对于场景中的局部运动有良好的鲁棒性．     

视频稳像的Sift算法优化

针对连续拍摄的相邻视频帧具有视场重叠度高,视角转换小,平移量小等特点,对Sift特征匹配算法进行优化,以降低视频稳像的运算量.研究了图像尺度空间变换,尺度空间的特征点提取,特征点匹配算法和相邻帧间的平移旋转矩阵,并给出了Sift优化的说明和算法的实验结果.首先对当前帧的图像提取相邻两个尺度空间的特征点,并与上一帧图像的两个尺度空间的特征点进行匹配.然后去掉匹配度小于某一阈值的特征点,对剩余的特征点根据旋转平移矩阵求解视频帧的旋转分量和平移分量.实验证明本算法能够将Sift算法运算量减小96.8％,同时视频的旋转稳像误差在±0.3％以内.     

引入Harris角点检测的运动图像边缘轮廓提取

对运动目标图像进行边缘轮廓特征提取,提高运动图像的电子稳像性能,从而准确实现运动目标的检测和识别.提出了一种基于Harris角点检测的运动图像边缘轮廓提取算法,对运动图像进行仿射不变闭合区域增强处理,采用Kalman滤波和运动状态相邻帧补偿的方法进行运动图像Harris角点检测,提高相邻两帧之间边缘轮廓的角点检测能力,实现了运动图像边缘轮廓的提取和稳像处理.仿真结果表明,用该方法进行图像边缘轮廓角点提取的准确度高且稳健性好.     

一种改进的灰度码位平面运动估计算法

提出用于电子稳像的一种改进的灰度码位平面运动估计算法.该算法首先提取视频中当前帧和参考帧的相邻2层位平面,并进行比特变换,然后对其进行子图像运动估计,从而得到当前帧相对于参考帧的运动矢量,进而进行运动补偿,实现视频稳定.实验结果表明,该算法能在减小计算复杂度的同时提高稳像精度,实际应用效果较好.     

基于人眼特性的视频稳定方法

在分析人眼视觉稳像原理和特性的基础上,提出了一种基于特征块匹配的视频稳定算法。该算法采用均匀分布的方式确定特征块。根据视频图像抖动特性对运动矢量进行预测,确定运动搜索的起始点。采用大钻石与小钻石搜索模板结合的方式,在阈值和搜索空间的约束下完成特征块匹配。然后通过运动平滑选择有效的运动矢量。利用仿射变换矩阵对原始图像进行配准,得出稳定视频序列。实验表明,该算法有效地稳定了图像序列,并且满足快速性和实时性的要求。     

结合级联仿射变换和K-means聚类的全局运动估计

视频稳像中全局运动的提取过程常会受到局部运动的干扰。针对这一问题,提出一种结合级联仿射变换和K-means聚类的全局运动估计方法。首先,利用加速鲁棒性特征算法(SURF)匹配帧间特征点,并建立二维特征空间。然后通过K-means聚类法剔除误匹配点对,最后采用级联仿射变换模型计算出帧间全局运动估计,消除了视频中的局部运动,获得了稳定的视频序列。     

投影算法与块匹配法结合的实时数字稳像方法

为了实时地稳定摄像系统的输出视频，特别是图像序列中存在运动物体的视频，提出了一种稳像方法.首先用灰度投影算法对图像序列进行粗匹配；然后用块匹配法在粗匹配的基础上进行精确匹配；最后将两次匹配得到的运动矢量相加得到最后的运动矢量，补偿图像序列的运动.进行匹配的小块是根据参考帧的拉普拉斯变换选取的.对实时稳像实验结果的定量分析和评价表明，该方法切实可行，并具有速度快、精度高的特点.     

基于背景差分法的电网巡检运动目标检测技术

针对无人机对电网巡检过程中移动镜头下的目标检测问题，采用背景补偿与背景差分法实现了动态场景下的目标检测.建立了全局运动矢量模型，并利用SIFT特征点提取和匹配技术，完成了视频图像的特征点匹配，实现了移动镜头下的背景补偿.通过降维和局部匹配方式对SIFT特征点提取和匹配技术进行优化.结果表明，优化后的特征向量生成时间是原来的30%～40%,与经典SIFT算法相比，提取特征点的总时间是原来的30%～50%,该方法能准确检测运动目标并排除干扰.     

基于SIFT动态背景下的视频目标跟踪方法

提出了一种基于尺度不变性特征变换(SIFT)的视频目标跟踪方法.该方法通过提取前后两帧的SIFT特征,利用全图SIFT特征进行匹配,通过匹配的点对计算两帧的几何变换关系,再利用变换矩阵确定下一帧目标位置,实现了连续状态下的自动跟踪.实验结果表明此方法在遮挡、噪声、旋转、光照、缩放、小视角变化等方面有较好的鲁棒性.     

矩阵填充与主元分析在受损图像配准中的应用

本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。利用矩阵填充技术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中进行图像的配准。针对SIFT算法采用128维特征向量表示特征点,存储空间、匹配时间与特征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。实验结果表明,该算法具有较好的稳定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与视频检索等机器视觉领域。     

基于ViBe算法运动特征的关键帧提取算法

针对视频关键帧提取算法中运动类视频运动目标特征不易提取所造成的错选和漏选问题,提出一种基于背景建模(visual background extractor, ViBe)算法的前景运动目标特征提取的关键帧提取算法。通过ViBe算法对视频序列进行前景目标检测,提取前景运动目标的尺度不变特征变换(scale invariant feature transform, SIFT)特征,并对相邻帧之间的特征数据进行特征点匹配,根据定义的公式计算视频帧的相似度,然后根据提出的关键帧判别方法输出视频的关键帧。试验结果表明,该算法能较好的解决运动类视频关键帧提取中出现的漏选和错选问题,与基于SIFT分布直方图的算法相比,其查准率和查全率的综合指标F₁值有较好提高。因此该算法对于判别运动类视频中包含关键动作的关键帧具有较好的检测效果。     

应用TBD的多波束声呐图像序列SIFT特征追踪

针对声呐图像目标探测中面临的分割阈值选择和单幅图像信息缺失问题,提出了一种基于检测前跟踪(track-before-detect,TBD)的声呐图像序列尺度不变特征变换(scale-invariant feature transform,SIFT)特征追踪方法。这种方法不在单帧图像中判断目标的有无,而依据图形序列中特征轨迹的连续性和一致性进行决策,通过动态亮度分配和中值滤波对图像进行预处理,提取SIFT特征进行帧间匹配并标出潜在目标,在图像序列中展开特征追踪,从潜在目标中筛选出真实目标。真实数据试验的结果表明,预处理改善了图像质量;对比SURF特征和Harris特征,SIFT特征包含更多的帧内信息,具有更好的帧间匹配效果。SIFT特征追踪能够从多波束声呐图像序列中探测到动态小目标和静态目标,并得到动态小目标的运动轨迹。     

面向高空飞艇平台的视频增强与稳像

针对高空飞艇平台获取的视频监测数据存在的问题,提出了帧内增强去雾和帧间去除高频振动分量的稳像方法。采用基于Retinex图像增强技术进行帧内增强处理,去除薄雾,保留图像细节,还原真实色彩;建立四自由度全局运动估计模型,并采用中值滤波方法进行运动补偿,去除高频振动分量,实现帧间稳像;并给出未定义区域重建算法。通过实际应用,证明了本文算法能够很好地实现飞艇视频稳像,在帧内增强和帧间稳像方面均有良好效果,可满足后期监测分析需求。     

基于SIFT特征匹配算法的目标跟踪及视频采集与传输研究

为了有效解决复杂背景情况下运动物体的跟踪问题,提出了一种基于SIFT特征匹配算法的目标跟踪方法。通过构建Do G尺度空间、FIFT特征点检测、特殊点描述子算法、特征点匹配将参考图像和待匹配图形进行SIFT特征点匹配,实现目标跟踪;并通过视频采集模块和无线传输模块将采集的目标图像进行无线传输。实验结果表明:SIFT特征匹配算法可对复杂环境中的目标信息进行有效跟踪。     

改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。     

基于SIFT特征的视频内头部姿态估计

基于对头部左右转动时脸部图像上点之间距离变化特性的分析,提出基于SIFT特征的单摄像头近距离视频图像序列内头部姿态估计算法。该方法首先在脸部图像上提取SIFT特征点,然后对两幅图像进行SIFT特征匹配,基于匹配的特征点之间距离的变化性质判断两幅图像内头部的相对转向与转动程度,得到头部姿态估计结果。在人脸库和视频图像上的实验表明,该方法使用简单,且具有较高的正确度。