论文部分内容阅读
车辆行驶产生的颠簸、晃动,会严重影响车载拍摄系统采集视频的质量,不利于图像中决策信息的观察和判读。为消除视频抖动、改善视频质量,对模糊图像进行快速有效的抖动补偿和平滑稳定处理,有理论和现实的迫切需要。本文主要针对车载平台拍摄视频抖动模糊的问题,结合车载平台应用的特点,介绍了摄像系统的成像原理和运动方式,分析了模糊视频序列的成因,对车载电子稳像方法的关键技术和现阶段电子稳像方法存在的问题进行了深入的研究。并针对车载平台设备处理器能力有限且具有实时视频处理的要求的特点,设计了高速有效的电子稳像方法,实现了抖动视频的稳定处理。本文主要研究工作和研究成果如下:1.对车载平台的特点和车载电子稳像系统的机理进行了详细的分析。首先分析了摄像系统晃动对像面的影响,然后介绍了二维图像中不同运动形式的坐标变换模型,在此基础上推导了仿射变换中全局运动矢量估计算法的单应性矩阵。并重点讨论了电子稳像方法中的关键技术和现阶段稳像方法中存在的主要问题。2.在车载平台的稳像技术中,深入研究了基于特征提取与匹配的去抖动方法,分析了稳像算法的实时性和有效性之间的矛盾关系。由于车载平台对实时性要求更为严格,选取了基于二值特征提取与匹配的稳像方法。针对二值特征类算法普遍存在鲁棒性不强、误匹配率高的问题,提出了一种亮度信息与梯度极值相结合的特征提取策略,并在预处理阶段采用了非线性扩散滤波建立尺度空间来锐化图像中的边缘信息。通过亮度信息快速分割潜在特征角点,再计算其周围像素区域内的梯度变化,进而快速识别出强显著性的特征角点,提高特征提取方法的效率。实验表明,采用该方法提取到的特征点更易分布在两种景物的交界处,不易发生扭曲形变或消失,表现出具有良好的辨识度,有效地改善了算法的鲁棒性,适应全天候多种场景视频拍摄的稳像设计。3.针对车载平台计算能力有限且车载设备仅具有俯仰、方位两自由度的特点,提出了一种由广及深的二值特征描绘方法以增强描绘器之间的差异性,增设描绘器亮度比对的阈值,进一步提高描绘器自显著的特性,并去除了基于特征提取与匹配类算法描绘器的旋转不变特性。实验表明,采用该方法在满足实时性的条件下,有层次地建立了特征量与周围像素区域的联系,显著地增强了二值特征类算法的有效性。4.针对需要进行指定区域长时间目标监控的场景,结合车载移动设备镜头光圈较小且焦距有限的特点,设计了可适用于以小幅度动作和小范围变化为主要运动状态的基于目标运动轨迹的稳像方法。首先,在特征描绘阶段通过采用亮度信息进行特征的快速分割并建立强显著性的二值特征描绘器。然后,在特征选择阶段提出一种稀疏搜索模板,进一步提高算法执行效率。最后,建立存储目标初始信息的静态库与不断更新目标外观或运动变化信息的动态库,通过对比静、动态库与搜索模板区域中的信息,确立感兴趣目标位置,建立参考监控目标位置变化轨迹的稳像方法。实验结果表明,提出的稳像方法可有效地改善目标信息提取的准确度,能够进行长时间监控目标位置并输出稳定的视频序列。5.在IOS和安卓嵌入式系统中,设计并构建了一种适合移动智能设备的稳像系统。针对移动智能设备严格实时性的要求,通过灰度图像亮度比对进行特征的快速分割,采用能够快速描绘与匹配的二值特征描绘器建立特征与周围区域的联系。然后,为提高稳像算法准确性,采用特征位置复验的方法,通过增加对特征点匹配对相应位置的限定,可实现剔除远位上的错误匹配特征点对和改善动目标上的局部运动影响全局运动矢量估计准确度的问题。实验证明,提出的方法在智能移动设备处理器的计算能力有限且具有高实时性要求的条件下,展现了良好的鲁棒性,可适用于有限计算能力的移动智能设备。