高分辨率灰度投影算法及其在电子稳像中的应用

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第32卷第3期2006年5月

光学技术OPTICAL TECHN IQU E Vol.32No.3

May 2006

文章编号:1002-1582(2006)03-0378-03高分辨率灰度投影算法及其在电子稳像中的应用

孙辉1,张永祥1,熊经武1,刘晶红1,权春娟2

(1.中国科学院长春光学精密机械与物理研究所,长春　130022;2.云南大学物理系,昆明　650091)

摘　要:提出一种用于检测图像运动矢量的高分辨率灰度投影算法。灰度投影算法将图像在水平和垂直方向上的灰度投影数据作为图像特征,获得图像运动信息,一般只能达到一个像元精度。而通过采用相关计算进一步细分灰度投影数据,可以提高图像运动特征位置信息的精度,获得亚像元级的图像运动矢量。实验室摇摆台电子稳像实验结果表明,该方法可以有效提高图像运动矢量的计算精度。

关

键

词:应用光学电子学;像素灰度;投影算法;运动矢量;电子稳像

中图分类号:TP751 文献标识码:A

The application of high resolution gray projection algorithm

in electronic image stabilization technology

SUN Hui 1,ZH ANG Y ong-xiang 1,XONG Jing-wu 1,LI U Jing-hong 1,QUAN Chun-juan 2

(1.Changchun Institute of Optics ,Fine Mechanics and Physics ,Chinese Academy of Sciences ,Changchun 130022,China )

(2.Department of Physics ,Yunnan University ,Kunming 650091,China )

Abstract :In order to improve the precision of image movement characteristic information ,an algorithm of high-resolution gray project was proposed for detecting image motion vector.In usually gray project algorithm ,the gray project data is used as image characteristic to obtain image motion information ,but only one pixel precision can be ing correlation calculation to further subdivide gray project data ,precision of image motion characteristic position information was improved ,and sub pixel image motion vector could be gotten.The experimental result on wave platform shows that the algorithm can effectively im 2prove the calculation precision of image motion vector.

K ey w ords :optoelectronics ;pixel gray ;project algorithm ;motion vector ;electronic image stabilization

1　引　言

在机载、车载、船载、弹载等动载体电视摄像系统中,由于受到载体运动的影响,摄像系统采集到的图像序列是不稳定的,严重影响人们观测、识别目标。电子稳像的目的就是通过检测图像运动矢量,采取相应的补偿手段校正图像,输出稳定的图像序列。

在一些电子稳像算法中[1—3],对图像运动矢量的检取都可以收到较好的效果,但由于算法本身的特点,一般来说只能检测到一个像元级精度的运动量。由于图像运动量的连续性,如果采用像元级运动量作为补偿数据,补偿效果仍然带有运动残差,在视觉上难以满足实际的应用要求。

灰度投影算法是一种统计意义上的特征匹配方法,将二维图像灰度数据匹配简化成两个一维灰度特征匹配问题,即可以保证匹配精度,又提高了运算

速度。本文就是在灰度投影算法基础上,通过图像灰度投影数据细分及相关运算,获取亚像元级的图像运动矢量数据,提高对运动图像的补偿精度。

2　高精度投影算法

灰度投影算法[4,5]是将图像灰度分布特征作为运动估计的基本元素,具有较好的稳定性和计算精度。由于该算法是以图像行和列为单位对图像进行灰度累加,灰度累加数据作为特征进行相关运算,一般只能检测像元级的运动量。下面介绍一种用于提高特征分辨率的灰度投影数据细化方法,结合相关运算,可以获取亚像元级的运动量,从而提高灰度投影算法的计算精度。　2.1　二维平移运动模型

根据图像运动的复杂性不同,描述二维图像运动模型有很多种,其中最简单同时也是最常用的是在x 和y 轴方向的平移运动。

73Ξ收稿日期:2004-12-03;收到修改稿日期:2005-06-21 E -m ail :sunh @

作者简介:孙辉(1963-),男,吉林省人,长春光学精密机械与物理研究所副研究员,从事图像处理与计算机仿真研究。

二维平移运动模型是一种线性变换,可表示为

X c Y c

X r Y r

d x d y

(1)

式中(X c ,Y c )、

(X r ,Y r )分别为当前图像和参考图像中像素点坐标;(d x ,d y )为当前图像相对参考图像的运动量,用来描述图像在水平和垂直方向上的瞬时运动。图像运动矢量定义为

V =(d x ,d y )

对于包含平移和沿z 轴方向的旋转运动来说,可以根据上述平移运动模型,通过对图像区域分割的方法检测各图像块的平移运动矢量,然后采用数据拟合技术计算图像的全局运动矢量。　2.2　灰度投影算法

灰度投影算法是将一幅M ×N 图像的二维灰度信息{f (i ,j )}映射成两个独立的一维投影序列。具体公式如下

X (i )=∑N

j =1f (i ,j )N (2a )Y (i )=

∑

j =1

f (i ,j )M

(2b )

i =1,2,3…M ;j =1,2,3,…N

式中X (i )、Y (j )分别表示图像{f (i ,j )}第i 行和第j 列的灰度投影值。

根据图像运动的连续性,灰度投影数据也具有较好的连续性。为了获取高精度的投影数据,对上述灰度投影数据进行K 细分线性插值处理,算法[6]如下

X i +k

K =1-k K X (i )+k

K X (i +1)(3a )Y j +

k K

k K Y (i )+k

Y (j +1)(3b )

k =0,1,2,3,…K -1

　2.3　运动量计算-相关运算

根据灰度投影数据计算运动量就是通过二维运动模型,建立当前图像投影数据与参考图像投影数据的一一对应的关系,在当前图像序列的投影数据中,找出与参考图像最逼近的投影数据。

设图像尺寸m ×n ,首先根据公式(2)(3),分别计算参考图像的灰度投影数据序列{X r (i )}、

{Y r (j )}和当前图像窗口的灰度投影数据序列{X c (i )}与{Y c (j )},然后根据最小匹配准则,对投

影数据在每一个可能的候选运动矢量上进行搜索匹配,计算当前图像相对参考图像的运动量。

本文采用最小均方误差(MSE )作为最小匹配准则,构造相关函数如下

R (p ,q )=

∑m

i =1[X r (

i )-X c (i +p )]2+∑

j =1

[Y r (j )-Y c (j +q )]

(4)

式中(p ,q )∈A ,A 表示全部投影矢量集合。

根据上述定义,运动矢量估计变成在(p ,q )∈A 范围内,求R (p ,q )的最小值问题。即

[d x ,d y ]

min (p ,q )∈A

R (p ,q )(5)

图1　相关函数分布,在运动量附近趋近于零寻找最佳匹

配矢量需要对每一个矢量作一次