[发明专利]一种基于视觉显著性的抗干扰电子稳像方法

说明书

本发明公开了一种基于视觉显著性的抗干扰电子稳像方法，包括以下步骤：(1)输入不稳定视频，对相邻帧提取SURF特征点，并对特征点进行由粗到精的匹配；(2)利用时空融合的视觉显著性算法，检测视频帧中的运动目标；(3)剔除运动目标所对应的特征点匹配对；(4)将视频帧划分为M×N的网格，并计算每个网格对应的运动矢量；(5)对所有时间点的运动矢量进行累乘，获得每个网格的运动路径；(6)采用多路径平滑策略实现路径的平滑；(7)利用平滑后的路径，对图像进行反向补偿，输出稳定视频。本发明的优点在于，通过融入视觉显著性剔除了运动前景对运动估计的干扰，同时结合多网格的运动路径进行运动补偿，大大提高了稳像的精度。

技术领域：

本发明属于视频处理技术领域，具体涉及一种通过融入视觉显著性检测技 术剔除了运动前景对运动估计的干扰，同时结合多网格的运动路径进行运动补 偿，大大提高了稳像精度的基于视觉显著性的抗干扰电子稳像方法。

背景技术：

手机、数码相机等手持设备凭借便携性，已成为人们日常拍摄的首选器材， 然而，拍摄的视频不可避免的存在画面抖动的问题.不仅会影响视觉效果，而 且容易导致误判或漏判。因此，将这些视频信号转化为高质量的稳定视频具有 十分重要的理论意义和实用价值。目前的稳像技术包括主要机械、光学以及电 子稳像等，由于电子稳像技术具有体积小、质量轻、精度高、灵活性强等优势， 目前已经被广泛应用于军事和民用领域，是增强视频效果关键技术，已经成为 当前的研究热点。

传统的电子稳像算法一般包括运动估计-运动平滑-反向补偿三个步骤。实 际的拍摄场景中，不可避免的会存在各种类型的运动前景(比如行人或车辆等)， 运动估计时需要利用背景信息求解运动模型，但是当存在大前景或多运动前景 干扰时，降低了运动估计的精度，进而影响稳像精度。因此，剔除运动前景对 稳像的干扰尤为重要。

视觉显著性技术是利用计算机模拟人眼的视觉注意选择机制，检测中图像 中密度、颜色、形状等与周围有显著差异的区域，相对背景区域，运动前景更 容易被筛选出来，因此，将视觉显著性检测技术融入稳像算法中，非常适合解 决运动前景干扰下的稳像难题。

发明内容：

针对上述问题，本发明的主要目的在于提供一种通过融入视觉显著性检测 技术剔除了运动前景对运动估计的干扰，同时结合多网格的运动路径进行运动 补偿，大大提高了稳像精度的基于视觉显著性的抗干扰电子稳像方法。

本发明公开了一种基于视觉显著性的抗干扰电子稳像方法，包括以下步骤：

步骤(1)、输入不稳定视频，对相邻帧提取SURF特征点，并对特征点进 行由粗到精的匹配；

步骤(101)、对相邻帧提取SURF特征点，其中每个特征点用1×64维的 向量表示；

步骤(102)、将特征向量的欧氏距离作为相邻两帧中特征匹配的相似性度 量，并结合最近邻搜索策略得到初始的匹配对集合G₀；

步骤(103)、通过随机抽样一致算法剔除错误的匹配对，实现特征点的精 确匹配，从而得到精确的匹配对集合G₁。

步骤(2)、利用时空融合的视觉显著性算法，检测视频帧中的运动目标；

步骤(201)、利用特征点之间的运动对比度，得到时间显著图SalT(I)。

步骤(202)、利用像素点在整个图像上的颜色对比度，得到空间显著图 SalS(I)。

步骤(203)、将空间显著图和时间显著图进行融合，得到时空显著图Sal(I)。

步骤(204)、对时空显著图进行二值化，识别出运动目标所对应的像素点。

对于特定像素点P_m，通过判断其时空显著值Sal(P_m)与阈值T的关系，确定 该像素点是否为运动目标，即