[发明专利]一种面向微型无人机的视频稳像方法

说明书

技术领域

本发明涉及图像处理技术领域，具体的涉及一种面向微型无人机的视频稳像方法。

背景技术

近年来，随着自动化技术的不断提高，无人机在军用、工业和民用领域都得到了快速发 展。基于无人机拍摄的视频处理也成为计算机视觉领域中一个重要分支。无人机在飞行过程 中不可避免的存在机身晃动和动作突变，导致获取的视频图像出现模糊晃动等现象，严重影 响了后续视频处理的效果。因此，使用稳像技术来对这种模糊晃动视频进行处理，在无人机 视频分析领域有非常好的应用前景。

稳像方法是指由于拍摄平台自身不稳定，导致通过该平台获取的图像模糊晃动的视频进 行防抖处理，最终得到一个稳定且流畅的视频图像序列的方法。稳像方法大体可以分为3类： 机械稳像、光学稳像和电子稳像。其中机械稳像和光学稳像由于设备制造难度大、成本高、 体积大等缺点，在应用中多受限制。而电子稳像具有成本低、易操作、灵活性强等优点，是 目前稳像技术领域的研究热点。

常见的电子稳像方法有：块匹配法、灰度投影法和特征匹配法。

块匹配法是最常见的运动矢量估计方法，通过合适的搜索路径，快速准确搜索最佳匹配 块得到运动矢量。但块匹配法是基于块内运动一致性的假设，只能估计平移运动，当图像存 在旋转运动时，所得结果精度较低甚至会出现误匹配情况，限制了该方法的实际应用。

灰度投影法图像处理速度较快，但对所处理图像的质量要求较高，这主要是因为如果所 处理图像质量较低，则灰度投影曲线变化不明显，难以精确的求出运动矢量。

特征匹配法是选取图像中的典型特征，如边缘、轮廓和角点等特征，通过特征匹配来进 行运动估计。其中的关键技术是如何提取特征和匹配正确的特征。由于该方法较好的接近人 类的视觉特性并且大量使用图像的有用信息，能提供较好的稳像结果。这类方法为了稳像的 效果，往往使用比较复杂的特征，特征提取和特征匹配计算量比较大，不利于实时处理。而 且实际处理中该方法一般只能对旋转角度较小的视频进行稳像，对同时存在大角度旋转和抖 动的视频稳像效果较差。

无人机作为一种特殊的飞行载体，具有更为复杂的运动特性，导致拍摄的视频往往存在 大量的大角度旋转和剧烈抖动图像。另外，无人机视频通常被用于实时处理系统，例如跟踪 系统。这些情况都需要稳像方法能实时对视频进行处理。所以如何设计合理的稳像方法，能 够同时处理存在大角度旋转和抖动的视频，又要具有较高的实时处理能力，还不能耗费较多 的资源，现有各类稳像方法均无法较好的解决这个难题。

发明内容

本发明的目的在于提供一种面向微型无人机的视频稳像方法，该发明解决了现有技术中 稳像处理方法无法实时高效的处理存在大角度旋转和抖动的视频的技术问题。

本发明提供了一种面向微型无人机的视频稳像方法，包括以下步骤：

步骤S100：将通过无人机获得的视频中的两两相邻帧图像分别设为参考帧和当前帧，将 参考帧和当前帧分别均匀分为多个子区域，在每个子区域内提取一个区域特征点，将每个区 域特征点描述为128维的特征向量，并对当前帧区域特征点集合F₁和参考帧区域特征点集合 F₂通过双向最近邻距离比匹配法，求得从当前帧到参考帧匹配点集合 {<dot,dot′>,dot∈F₁,dot′∈F₂}和从参考帧到当前帧的匹配点集合 {<dot',dot>,dot′∈F₂,dot∈F₁}，并将二者的交集作为匹配点集合M；

步骤S200：通过相似变换模型获得参考帧和当前帧之间的估计旋转角度，累加多个相邻 帧之间的估计旋转角度，得到当前帧相对于第l帧的旋转角度，将当前帧旋转旋转角度，得到 消除旋转的视频；

步骤S300：通过位平面匹配法计算消除旋转的视频中的旋转当前帧的全局运动量μ^t，并对全局运动量μ^t进行曲线拟合，得到主运动量按得到旋转当前帧的运动补偿量依据运动补偿量对旋转当前帧进行补偿，得到稳定的视频。

进一步地，步骤S100中包括以下步骤：

步骤S110：将参考帧与当前帧的两幅图像均匀地分为多个子区域，在每个子区域中使用 FAST角点检测算法对每个子区域进行检测，得到检测特征点；