[发明专利]基于灰度积分投影互相关函数特征的运动参数估计方法

说明书

技术领域

本发明属于图像分析技术领域，特别是一种基于灰度积分投影互相关函数特征的运动参数估计方法。

背景技术

数字图像稳定系统基于数字图像处理技术，检测图像抖动向量并进行实时补偿，它不需要依托陀螺或棱镜等专用设备，检测精度和补偿精度只与算法实现有关，因此设置灵活，且能处理大范围抖动，可直接应用于现已普及的视频监视系统后端，与现有系统兼容，因此得到大范围的研究和应用。数字稳像系统一般包括两个处理单元：运动估计单元和运动补偿单元。运动估计单元获取抖动图像序列的全局运动参数，运动补偿单元根据运动估计单元的结果，生成补偿运动向量，获得连续的、平滑的图像序列。运动估计单元是数字稳像系统的核心和基础。常用的运动估计算法包括图像块匹配法(Blocks Matching Algorithm，BMA)、灰度积分投影法(Intensity Integral Projections Algorithm，IIPA)、特征跟踪法(Features Tracking Algorithm，FTA)等。

海域安全监控应用领域中的视频图像多数具有低对比度、高分辨率等特点，且风致振动导致图像抖动严重。去抖操作的全局运动参数估计采用特征跟踪法(FTA)时，发现低对比度、高分辨率图像的灰度变化不剧烈，角点等特征很不明显，角点的搜索阈值非常小，且经常搜索失败。采用对图像小邻域特征不敏感的块匹配法(BMA)时需要事先设定好大小、位置合适的匹配块，这在海域安全监控应用中很难满足，而传统的灰度积分投影法(IIPA)虽不需要人为过多干预，但在直接应用时的实时性和准确性无法达到应用要求。

发明内容

本发明的目的在于提供一种精度高、效果好的基于灰度积分投影互相关函数特征的运动参数估计方法，有效估计低对比度、高分辨率图像的全局运动参数。

实现本发明目的的技术解决方案为：一种基于灰度积分投影互相关函数特征的运动参数估计方法，包括以下步骤：

步骤1，将目标图像等分为N×N个矩形分块，并对每个分块进行灰度积分投影，确定每个分块灰度积分投影的方差，遴选方差较大的R个区域作为备选区域，R为整数且2≤R≤N；

步骤2，对连续两帧目标图像中备选区域的灰度积分投影进行互相关运算，确定互相关函数极值点的二阶导数，对灰度积分投影的方差和互相关函数极值点的二阶导数进行加权求和，获得各个备选区域的优劣因子，将优劣因子降序排列，选择排列靠前的Q个区域作为优质区域，其中Q≤R；

步骤3，分别对所得的优质区域进行局部运动参数估计，获得每个区域的X轴或Y轴平移运动参数，再对这些局部运动参数进行加权求和获得全局运动参数。

本发明与现有技术相比，其显著优点为：(1)不需要事先了解图像的特点，通过图像分块计算各个分块的灰度投影以及互相关函数，利用灰度积分投影的方差和互相关函数在极值点的二阶导数定量描述各个分块区域的优劣，筛选优质区域进行后续计算，避免了对匹配块大小和位置、以及对角点检测阈值的依赖；(2)运算速度快，由于只对灰度积分投影方差较大的若干分块区域进行互相关计算，而不进行全幅面的灰度积分投影互相关运算，因此计算量大大降低；(3)算法精度高，避免了以整幅面低对比度图像的灰度积分投影为匹配对象，而是基于区域优劣因子选择若干优质区域进行匹配和参数估计，因此得到的全局运动参数相对准确，精度比IIPA提高了约30％；(4)鲁棒性强，由于基于分块区域的灰度积分投影，因此随机噪声的影响很小。

附图说明

图1是本发明基于灰度积分投影互相关函数特征的运动参数估计方法的流程图。

图2是本发明第(p,q)分块子图像的灰度积分投影曲线图，其中(a)为行灰度积分投影曲线图，(b)为列灰度积分投影曲线图。

图3是本发明连续两帧目标图像中备选区域的灰度积分投影互相关曲线图，其中(a)为行灰度积分投影的互相关曲线图，(b)为列灰度积分投影的互相关曲线图。

图4是本发明连续两帧目标图像中不同备选区域的行灰度积分投影互相关曲线图。

图5是本发明实施例中几种不同方法进行数字稳像后的图像灰度差平方和棒状图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

如图1所示，本发明基于灰度积分投影互相关函数特征的运动参数估计方法，包括以下步骤：