CN102637295A - 一种快速图像电子稳定方法及装置 - Google Patents

一种快速图像电子稳定方法及装置 Download PDF

Info

Publication number
CN102637295A
CN102637295A CN2012100910309A CN201210091030A CN102637295A CN 102637295 A CN102637295 A CN 102637295A CN 2012100910309 A CN2012100910309 A CN 2012100910309A CN 201210091030 A CN201210091030 A CN 201210091030A CN 102637295 A CN102637295 A CN 102637295A
Authority
CN
China
Prior art keywords
image
matching area
benchmark
relative displacement
piece
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012100910309A
Other languages
English (en)
Other versions
CN102637295B (zh
Inventor
曾建平
孙楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Netposa Technologies Ltd
Original Assignee
Beijing Zanb Science & Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zanb Science & Technology Co Ltd filed Critical Beijing Zanb Science & Technology Co Ltd
Priority to CN201210091030.9A priority Critical patent/CN102637295B/zh
Publication of CN102637295A publication Critical patent/CN102637295A/zh
Application granted granted Critical
Publication of CN102637295B publication Critical patent/CN102637295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明提供了一种快速图像电子稳定的方法，该方法包括：将参考图像分块，计算每个图像块的纹理特征，根据纹理特征获取基准图像块；在当前图像内搜索基准图像块的匹配区域，根据匹配区域估算图像的相对位移。与现有技术相比，本发明的快速图像电子稳定方法及装置更加快速和可靠。

Description

一种快速图像电子稳定方法及装置
技术领域
本发明涉及图像处理，特别涉及图像电子稳定方法及装置。
背景技术
在视频监控中，由于环境因素的影响，例如大风天气或者地面震动，摄像头输出的视频图像存在抖动现象，因此需要一种方法消除这种抖动，使图像稳定，以改善监控质量。另外在智能视频监控中，背景建模技术要求监控场景的背景是静止的，图像的抖动会降低背景模型的性能，因此在建模视频图像的背景前进行图像的电子稳定是一个必要的步骤。
申请号为200610100522.4的中国专利提出了一种光学图像稳定器，其通过移动图像稳定光学元件以抵消图像抖动；申请号为200880120628.8的中国专利提出了一种基于块的图像稳定方法，该方法通过计算图像的块运动向量，使用块运动向量来内插或外插个别像素或像素子块的运动向量，通过平均化第一图像的像素中的每一者与第二图像的对应于由多个运动向量指示的位置的像素而平均化所述第一和第二图像。但上述方法仍存在一定问题。
综上所述，目前迫切需要提出一种能简单、有效的图像电子稳定方法及装置。
发明内容
有鉴于此，本发明的主要目的在于实现快速图像电子稳定。
为达到上述目的，按照本发明的第一个方面，提供了一种快速图像电子稳定方法，该方法包括步骤：
第一步骤，将参考图像分块，计算每个图像块的纹理特征，根据纹理特征获取基准图像块； 
第二步骤，在当前图像内搜索基准图像块的匹配区域，根据匹配区域估算图像的相对位移。
其中，第一步骤中所述将参考图像                                               
Figure 2012100910309100002DEST_PATH_IMAGE002
分块：将参考图像网格化划分成16﹡16共256个图像块
Figure 2012100910309100002DEST_PATH_IMAGE004
，
Figure 2012100910309100002DEST_PATH_IMAGE006
。
第一步骤中所述计算每个图像块的纹理特征包括：
计算纹理丰富性特征包括：首先根据图像块
Figure 2012100910309100002DEST_PATH_IMAGE008
在参考图像上的位置，沿着8个方向各平移一个像素，即
Figure 2012100910309100002DEST_PATH_IMAGE010
，以获得8个子图像；将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量
Figure 2012100910309100002DEST_PATH_IMAGE012
；取上述8个相似度量的最小值作为纹理丰富性特征，即
Figure 2012100910309100002DEST_PATH_IMAGE014
；
计算图像匹配阈值
Figure 2012100910309100002DEST_PATH_IMAGE016
，其公式如下，其中
Figure 2012100910309100002DEST_PATH_IMAGE020
。
第一步骤中所述根据纹理特征获取基准图像块包括：使用纹理丰富性特征将图像块按照从大到小的顺序排序；选取前
Figure 2012100910309100002DEST_PATH_IMAGE022
个图像块
Figure 351788DEST_PATH_IMAGE008
，
Figure 331245DEST_PATH_IMAGE006
作为基准图像块
Figure 2012100910309100002DEST_PATH_IMAGE024
，
Figure 2012100910309100002DEST_PATH_IMAGE026
。
第二步骤中所述在当前图像内搜索基准图像块的匹配区域包括：在当前图像对应位置的8*8邻域内，遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量
Figure 2012100910309100002DEST_PATH_IMAGE028
，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量和匹配相似度量
Figure 2012100910309100002DEST_PATH_IMAGE032
；若匹配相似度量
Figure 297933DEST_PATH_IMAGE032
﹤图像匹配阈值
Figure 755459DEST_PATH_IMAGE016
，则认为基准图像块搜索匹配成功。
第二步骤中所述根据匹配区域估算图像的相对位移包括：统计与基准图像块匹配成功的匹配区域的数目；若匹配成功的匹配区域数目≥第一阈值T1，则使用RANSAC算法，根据匹配成功的匹配区域的相对位移量
Figure 694465DEST_PATH_IMAGE030
来估算图像的相对位移，若匹配成功的匹配区域数目＜第一阈值T1，则继续根据与下一个基准图像块匹配成功的匹配区域，来估算图像的相对位移，直到所有的基准图像块都搜索完毕；输出图像的相对位移。其中，第一阈值T1∈[5,7]。
按照本发明的快速图像电子稳定方法还可以包括：
第三步骤，根据图像的相对位移，校正视频图像。
按照本发明的另一个方面，提供了一种快速图像电子稳定装置，该装置包括：
基准图像块获取单元，用于将参考图像分块，计算每个图像块的纹理特征，根据纹理特征获取基准图像块；
相对位移计算单元，用于在当前图像内搜索基准图像块的匹配区域，根据匹配区域估算图像的相对位移。
所述基准图像块获取单元包括：
参考图像分块模块，用于将参考图像网格化划分成16﹡16共256个图像块
Figure 77780DEST_PATH_IMAGE004
，
Figure 407130DEST_PATH_IMAGE006
；
图像块的纹理特征计算模块，用于计算纹理丰富性特征和图像匹配阈值
Figure 2012100910309100002DEST_PATH_IMAGE034
；
根据纹理特征获取基准图像块模块，用于使用纹理丰富性特征将图像块按照从大到小的顺序排序；选取前个图像块
Figure 25641DEST_PATH_IMAGE008
，
Figure 81322DEST_PATH_IMAGE006
作为基准图像块
Figure 897968DEST_PATH_IMAGE024
，
Figure 195832DEST_PATH_IMAGE026
。
其中，图像块的纹理特征计算模块中所述计算纹理丰富性特征包括：首先根据图像块
Figure 781534DEST_PATH_IMAGE008
在参考图像上的位置，沿着8个方向各平移一个像素，即
Figure 2012100910309100002DEST_PATH_IMAGE010A
，以获得8个子图像；将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量
Figure 962111DEST_PATH_IMAGE012
；取上述8个相似度量的最小值作为纹理丰富性特征，即
Figure 203736DEST_PATH_IMAGE014
。
图像块的纹理特征计算模块中所述计算图像匹配阈值
Figure 541177DEST_PATH_IMAGE016
，其公式如下，其中。
所述相对位移计算单元包括：
匹配区域搜索模块，用于实现以下操作：在当前图像对应位置的8*8邻域内，遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量
Figure 2012100910309100002DEST_PATH_IMAGE028A
，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量和匹配相似度量
Figure 137670DEST_PATH_IMAGE032
；若匹配相似度量﹤图像匹配阈值
Figure 95710DEST_PATH_IMAGE016
，则认为基准图像块搜索匹配成功；
图像相对位移估算模块，用于实现以下操作：统计与基准图像块匹配成功的匹配区域的数目；若匹配成功的匹配区域数目≥第一阈值T1，则使用RANSAC算法，根据匹配成功的匹配区域的相对位移量
Figure 46348DEST_PATH_IMAGE030
来估算图像的相对位移，若匹配成功的匹配区域数目＜第一阈值T1，则继续根据与下一个基准图像块匹配成功的匹配区域，来估算图像的相对位移，直到所有的基准图像块都搜索完毕；输出图像的相对位移。其中，第一阈值T1∈[5,7]。
按照本发明的快速图像电子稳定装置还可以包括：
图像校正单元，用于根据图像的相对位移，校正视频图像。
与现有技术相比，按照本发明的快速图像电子稳定方法及装置更加快速和可靠。其中，快速表现在由于本发明只对参考图像提取特征，且要求的匹配特征较少，因此算法的计算量较小，更满足实时需要；可靠表现在由于本发明能够根据图像内容资助选择图像特征并自适应地调整算法参数，因此在各种环境条件下都具有较高的可靠性和稳定性。
附图说明
图1示出了按照本发明的快速图像电子稳定方法的流程图；
图2示出了按照本发明的快速图像电子稳定方法的第二种流程图；
图3示出了按照本发明的快速图像电子稳定装置的框架图；
图4示出了按照本发明的基准图像块获取单元的框架图；
图5示出了按照本发明的相对位移计算单元的框架图；
图6示出了按照本发明的快速图像电子稳定装置的第二种框架图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明进一步详细说明。
图1表示按照本发明的快速图像电子稳定方法的流程图。如图1所示，按照本发明的快速图像电子稳定方法包括：
第一步骤101，将参考图像分块，计算每个图像块的纹理特征，根据纹理特征获取基准图像块； 
第二步骤102，在当前图像内搜索基准图像块的匹配区域，根据匹配区域估算图像的相对位移。
第一步骤：
所述将参考图像
Figure 2012100910309100002DEST_PATH_IMAGE002A
分块：将参考图像网格化划分成16﹡16共256个图像块
Figure 614339DEST_PATH_IMAGE004
，
Figure 29140DEST_PATH_IMAGE006
。以一幅352*288的CIF图像为例，经过第一步骤101分块后，有256个尺寸为22*18的图像块。
所述计算每个图像块的纹理特征包括：
计算纹理丰富性特征包括：首先根据图像块
Figure 34005DEST_PATH_IMAGE008
在参考图像上的位置，沿着8个方向各平移一个像素，即，以获得8个子图像；将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量
Figure 222672DEST_PATH_IMAGE012
；取上述8个相似度量的最小值作为纹理丰富性特征，即
Figure 204141DEST_PATH_IMAGE014
；
计算图像匹配阈值
Figure 739028DEST_PATH_IMAGE016
，其公式如下
Figure 914794DEST_PATH_IMAGE018
，其中
Figure 361998DEST_PATH_IMAGE020
。
所述根据纹理特征获取基准图像块包括：使用纹理丰富性特征将图像块按照从大到小的顺序排序；选取前
Figure 648623DEST_PATH_IMAGE022
个图像块
Figure 273901DEST_PATH_IMAGE008
，
Figure 620569DEST_PATH_IMAGE006
作为基准图像块，
Figure 123411DEST_PATH_IMAGE026
。例如
Figure 367311DEST_PATH_IMAGE022
取64。
第二步骤：
所述在当前图像内搜索基准图像块的匹配区域包括：在当前图像对应位置的8*8邻域内，遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量
Figure 242470DEST_PATH_IMAGE030
和匹配相似度量
Figure 204609DEST_PATH_IMAGE032
；若匹配相似度量
Figure 334502DEST_PATH_IMAGE032
﹤图像匹配阈值
Figure 698487DEST_PATH_IMAGE016
，则认为基准图像块搜索匹配成功。
所述根据匹配区域估算图像的相对位移包括：统计与基准图像块匹配成功的匹配区域的数目；若匹配成功的匹配区域数目≥第一阈值T1，则使用RANSAC算法，根据匹配成功的匹配区域的相对位移量
Figure 869181DEST_PATH_IMAGE030
来估算图像的相对位移，若匹配成功的匹配区域数目＜第一阈值T1，则继续根据与下一个基准图像块匹配成功的匹配区域，来估算图像的相对位移，直到所有的基准图像块都搜索完毕；输出图像的相对位移。其中，第一阈值T1∈[5,7]，RANSAC算法可以参考文献“Fischler, M.A. and Bolles, R.C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM , 24(6): 381-395, 1981”。
如图2所示，按照本发明的快速图像电子稳定方法还可以包括：
第三步骤103，根据图像的相对位移，校正视频图像。该步骤可以通过现有的图像校正方法实现。
图3示出了按照本发明的快速图像电子稳定装置的框架图。如图3所示，按照本发明的快速图像电子稳定装置包括：
基准图像块获取单元1，用于将参考图像分块，计算每个图像块的纹理特征，根据纹理特征获取基准图像块；
相对位移计算单元2，用于在当前图像内搜索基准图像块的匹配区域，根据匹配区域估算图像的相对位移。
图4示出了按照本发明的基准图像块获取单元的框架图，如图4所示，所述基准图像块获取单元1包括：
参考图像分块模块11，用于将参考图像网格化划分成16﹡16共256个图像块，
Figure 252200DEST_PATH_IMAGE006
；
图像块的纹理特征计算模块12，用于计算纹理丰富性特征和图像匹配阈值
Figure 2012100910309100002DEST_PATH_IMAGE034A
；
根据纹理特征获取基准图像块模块13，用于使用纹理丰富性特征将图像块按照从大到小的顺序排序；选取前
Figure 77549DEST_PATH_IMAGE022
个图像块
Figure 500702DEST_PATH_IMAGE008
，
Figure 171855DEST_PATH_IMAGE006
作为基准图像块
Figure 407664DEST_PATH_IMAGE024
，，例如取64。
其中，图像块的纹理特征计算模块12中所述计算纹理丰富性特征包括：首先根据图像块
Figure 105603DEST_PATH_IMAGE008
在参考图像上的位置，沿着8个方向各平移一个像素，即
Figure DEST_PATH_IMAGE010AAA
，以获得8个子图像；将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量
Figure 567939DEST_PATH_IMAGE012
；取上述8个相似度量的最小值作为纹理丰富性特征，即
Figure 495444DEST_PATH_IMAGE014
。
图像块的纹理特征计算模块12中所述计算图像匹配阈值
Figure 696618DEST_PATH_IMAGE016
，其公式如下
Figure 903215DEST_PATH_IMAGE018
，其中。
图5示出了按照本发明的相对位移计算单元的框架图，如图5所示，所述相对位移计算单元2包括：
匹配区域搜索模块21，用于实现以下操作：在当前图像对应位置的8*8邻域内，遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量
Figure DEST_PATH_IMAGE028AAA
，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量
Figure 951254DEST_PATH_IMAGE030
和匹配相似度量
Figure 323329DEST_PATH_IMAGE032
；若匹配相似度量
Figure 954905DEST_PATH_IMAGE032
﹤图像匹配阈值
Figure 70629DEST_PATH_IMAGE016
，则认为基准图像块搜索匹配成功；
图像相对位移估算模块22，用于实现以下操作：统计与基准图像块匹配成功的匹配区域的数目；若匹配成功的匹配区域数目≥第一阈值T1，则使用RANSAC算法，根据匹配成功的匹配区域的相对位移量
Figure 972726DEST_PATH_IMAGE030
来估算图像的相对位移，若匹配成功的匹配区域数目＜第一阈值T1，则继续根据与下一个基准图像块匹配成功的匹配区域，来估算图像的相对位移，直到所有的基准图像块都搜索完毕；输出图像的相对位移。其中，第一阈值T1∈[5,7]，RANSAC算法可以参考文献“Fischler, M.A. and Bolles, R.C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM , 24(6): 381-395, 1981”。
如图6所示，按照本发明的快速图像电子稳定装置还可以包括：
图像校正单元3，用于根据图像的相对位移，校正视频图像。所述图像校正单元3可以通过现有的图像校正方法实现。
与现有技术相比，按照本发明的快速图像电子稳定方法及装置更加快速和可靠。其中，快速表现在由于本发明只对参考图像提取特征，且要求的匹配特征较少，因此算法的计算量较小，更满足实时需要；可靠表现在由于本发明能够根据图像内容资助选择图像特征并自适应地调整算法参数，因此在各种环境条件下都具有较高的可靠性和稳定性。
    以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。

Claims (7)

1.一种快速图像电子稳定方法，该方法包括：
第一步骤，将参考图像分块，计算每个图像块的纹理特征，根据纹理特征获取基准图像块； 
第二步骤，在当前图像内搜索基准图像块的匹配区域，根据匹配区域估算图像的相对位移；
其中，第一步骤中所述将参考图像                                               分块：将参考图像网格化划分成16﹡16共256个图像块
Figure 2012100910309100001DEST_PATH_IMAGE004
，
Figure 2012100910309100001DEST_PATH_IMAGE006
；
第一步骤中所述计算每个图像块的纹理特征包括：
计算纹理丰富性特征包括：首先根据图像块
Figure 2012100910309100001DEST_PATH_IMAGE008
在参考图像上的位置，沿着8个方向各平移一个像素，即，以获得8个子图像；将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量
Figure 2012100910309100001DEST_PATH_IMAGE012
；取上述8个相似度量的最小值作为纹理丰富性特征，即
Figure 2012100910309100001DEST_PATH_IMAGE014
；
计算图像匹配阈值
Figure 2012100910309100001DEST_PATH_IMAGE016
，其公式如下
Figure 2012100910309100001DEST_PATH_IMAGE018
，其中
Figure 2012100910309100001DEST_PATH_IMAGE020
；
第一步骤中所述根据纹理特征获取基准图像块包括：使用纹理丰富性特征将图像块按照从大到小的顺序排序；选取前个图像块，
Figure 311744DEST_PATH_IMAGE006
作为基准图像块
Figure 2012100910309100001DEST_PATH_IMAGE024
，
Figure 2012100910309100001DEST_PATH_IMAGE026
。
2.如权利要求1所述的方法，其特征在于，第二步骤中所述在当前图像内搜索基准图像块的匹配区域包括：在当前图像对应位置的8*8邻域内，遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量
Figure 2012100910309100001DEST_PATH_IMAGE028
，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量
Figure 2012100910309100001DEST_PATH_IMAGE030
和匹配相似度量
Figure 2012100910309100001DEST_PATH_IMAGE032
；若匹配相似度量
Figure 278432DEST_PATH_IMAGE032
﹤图像匹配阈值
Figure 611325DEST_PATH_IMAGE016
，则认为基准图像块搜索匹配成功。
3.如权利要求1所述的方法，其特征在于，第二步骤中所述根据匹配区域估算图像的相对位移包括：统计与基准图像块匹配成功的匹配区域的数目；若匹配成功的匹配区域数目≥第一阈值T1，则使用RANSAC算法，根据匹配成功的匹配区域的相对位移量
Figure 2012100910309100001DEST_PATH_IMAGE034
来估算图像的相对位移，若匹配成功的匹配区域数目＜第一阈值T1，则继续根据与下一个基准图像块匹配成功的匹配区域，来估算图像的相对位移，直到所有的基准图像块都搜索完毕；输出图像的相对位移；其中，第一阈值T1∈[5,7]。
4.如权利要求1所述的方法，该方法还可以包括：
第三步骤，根据图像的相对位移，校正视频图像。
5.一种快速图像电子稳定装置，该装置包括：
基准图像块获取单元，用于将参考图像分块，计算每个图像块的纹理特征，根据纹理特征获取基准图像块；
相对位移计算单元，用于在当前图像内搜索基准图像块的匹配区域，根据匹配区域估算图像的相对位移；
其中，所述基准图像块获取单元包括：
参考图像分块模块，用于将参考图像网格化划分成16﹡16共256个图像块
Figure 2012100910309100001DEST_PATH_IMAGE036
；
图像块的纹理特征计算模块，用于计算纹理丰富性特征和图像匹配阈值
Figure 737281DEST_PATH_IMAGE016
；
根据纹理特征获取基准图像块模块，用于使用纹理丰富性特征将图像块按照从大到小的顺序排序，并选取前
Figure 497427DEST_PATH_IMAGE022
个图像块
Figure 702143DEST_PATH_IMAGE008
作为基准图像块
Figure 2012100910309100001DEST_PATH_IMAGE038
；
其中，所述图像块的纹理特征计算模块中所述计算纹理丰富性特征包括：首先根据图像块
Figure 298382DEST_PATH_IMAGE008
在参考图像上的位置，沿着8个方向各平移一个像素，即，以获得8个子图像；将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量
Figure 278845DEST_PATH_IMAGE012
；取上述8个相似度量的最小值作为纹理丰富性特征，即
Figure 209892DEST_PATH_IMAGE014
；
图像块的纹理特征计算模块中所述计算图像匹配阈值的公式如下，其中
Figure 99985DEST_PATH_IMAGE020
。
6.如权利要求5所述的装置，其特征在于，所述相对位移计算单元包括：
匹配区域搜索模块，用于实现以下操作：在当前图像对应位置的8*8邻域内，遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量
Figure 841414DEST_PATH_IMAGE030
和匹配相似度量
Figure 83039DEST_PATH_IMAGE032
；若匹配相似度量
Figure 295846DEST_PATH_IMAGE032
﹤图像匹配阈值
Figure 375535DEST_PATH_IMAGE016
，则认为基准图像块搜索匹配成功；
图像相对位移估算模块，用于实现以下操作：统计与基准图像块匹配成功的匹配区域的数目；若匹配成功的匹配区域数目≥第一阈值T1，则使用RANSAC算法，根据匹配成功的匹配区域的相对位移量
Figure DEST_PATH_IMAGE034A
来估算图像的相对位移，若匹配成功的匹配区域数目＜第一阈值T1，则继续根据与下一个基准图像块匹配成功的匹配区域，来估算图像的相对位移，直到所有的基准图像块都搜索完毕；输出图像的相对位移；其中，第一阈值T1∈[5,7]。
7.如权利要求5所述的装置，该装置还可以包括：
图像校正单元，用于根据图像的相对位移，校正视频图像。
CN201210091030.9A 2012-03-31 2012-03-31 一种快速图像电子稳定方法及装置 Active CN102637295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210091030.9A CN102637295B (zh) 2012-03-31 2012-03-31 一种快速图像电子稳定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210091030.9A CN102637295B (zh) 2012-03-31 2012-03-31 一种快速图像电子稳定方法及装置

Publications (2)

Publication Number Publication Date
CN102637295A true CN102637295A (zh) 2012-08-15
CN102637295B CN102637295B (zh) 2014-07-23

Family

ID=46621681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210091030.9A Active CN102637295B (zh) 2012-03-31 2012-03-31 一种快速图像电子稳定方法及装置

Country Status (1)

Country Link
CN (1) CN102637295B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104079800A (zh) * 2014-06-24 2014-10-01 上海波汇通信科技有限公司 一种视频监控中视频图像的抗抖动方法
CN104318568A (zh) * 2014-10-24 2015-01-28 武汉华目信息技术有限责任公司 一种图像配准的方法和系统
CN104809716A (zh) * 2014-01-24 2015-07-29 青岛海信移动通信技术股份有限公司 一种确定图像偏移量的方法及设备
CN105447842A (zh) * 2014-07-11 2016-03-30 阿里巴巴集团控股有限公司 一种图像匹配的方法及装置
CN103237156B (zh) * 2013-04-02 2016-08-10 哈尔滨工业大学 应用于电子稳像的改进块匹配算法
CN109155054A (zh) * 2016-06-15 2019-01-04 高通股份有限公司 差分图像处理

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006023863A1 (en) * 2004-08-23 2006-03-02 Intergraph Software Technologies Company Real-time image stabilization
WO2007118197A2 (en) * 2006-04-06 2007-10-18 Qualcomm Incorporated Electronic video image stabilization
WO2009064810A1 (en) * 2007-11-12 2009-05-22 Qualcomm Incorporated Block-based image stabilization
CN101729763A (zh) * 2009-12-15 2010-06-09 中国科学院长春光学精密机械与物理研究所 数字视频电子稳像方法
CN101924874A (zh) * 2010-08-20 2010-12-22 北京航空航天大学 一种匹配块分级的实时电子稳像方法
CN101951464A (zh) * 2010-05-19 2011-01-19 上海稳像信息技术有限公司 基于积分图特征块匹配的实时视频稳像方法
CN101951463A (zh) * 2010-05-19 2011-01-19 上海稳像信息技术有限公司 基于简易快速全局运动参数估计的实时视频稳像方法
CN102256061A (zh) * 2011-07-29 2011-11-23 武汉大学 一种二维三维混合的视频稳定方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006023863A1 (en) * 2004-08-23 2006-03-02 Intergraph Software Technologies Company Real-time image stabilization
WO2007118197A2 (en) * 2006-04-06 2007-10-18 Qualcomm Incorporated Electronic video image stabilization
WO2009064810A1 (en) * 2007-11-12 2009-05-22 Qualcomm Incorporated Block-based image stabilization
CN101729763A (zh) * 2009-12-15 2010-06-09 中国科学院长春光学精密机械与物理研究所 数字视频电子稳像方法
CN101951464A (zh) * 2010-05-19 2011-01-19 上海稳像信息技术有限公司 基于积分图特征块匹配的实时视频稳像方法
CN101951463A (zh) * 2010-05-19 2011-01-19 上海稳像信息技术有限公司 基于简易快速全局运动参数估计的实时视频稳像方法
CN101924874A (zh) * 2010-08-20 2010-12-22 北京航空航天大学 一种匹配块分级的实时电子稳像方法
CN102256061A (zh) * 2011-07-29 2011-11-23 武汉大学 一种二维三维混合的视频稳定方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103237156B (zh) * 2013-04-02 2016-08-10 哈尔滨工业大学 应用于电子稳像的改进块匹配算法
CN104809716A (zh) * 2014-01-24 2015-07-29 青岛海信移动通信技术股份有限公司 一种确定图像偏移量的方法及设备
CN104809716B (zh) * 2014-01-24 2018-01-26 青岛海信移动通信技术股份有限公司 一种确定图像偏移量的方法及设备
CN104079800A (zh) * 2014-06-24 2014-10-01 上海波汇通信科技有限公司 一种视频监控中视频图像的抗抖动方法
CN105447842A (zh) * 2014-07-11 2016-03-30 阿里巴巴集团控股有限公司 一种图像匹配的方法及装置
CN105447842B (zh) * 2014-07-11 2019-05-21 阿里巴巴集团控股有限公司 一种图像匹配的方法及装置
CN104318568A (zh) * 2014-10-24 2015-01-28 武汉华目信息技术有限责任公司 一种图像配准的方法和系统
CN109155054A (zh) * 2016-06-15 2019-01-04 高通股份有限公司 差分图像处理

Also Published As

Publication number Publication date
CN102637295B (zh) 2014-07-23

Similar Documents

Publication Publication Date Title
Wang et al. Frame rate up-conversion using trilateral filtering
CN102637295B (zh) 一种快速图像电子稳定方法及装置
CN103606132B (zh) 基于空域和时域联合滤波的多帧数字图像去噪方法
US7605845B2 (en) Motion stabilization
US8582915B2 (en) Image enhancement for challenging lighting conditions
CN105611116B (zh) 一种全局运动矢量估计方法及监控视频稳像方法及装置
CN103220488A (zh) 一种视频帧率上转换装置及方法
CN103929568A (zh) 用于稳定数字图像帧的第一序列的方法以及图像稳定单元
US9838604B2 (en) Method and system for stabilizing video frames
CN104284059A (zh) 用于稳定图像的设备和方法
CN104079800A (zh) 一种视频监控中视频图像的抗抖动方法
KR20090115234A (ko) 화질 개선을 위한 노이즈 검출 및 평가 기술
CN105519092A (zh) 利用图像模糊校正进行图像稳定的设备和方法
JP2014011807A5 (zh)
CN101867759A (zh) 基于场景检测的自适应运动补偿帧频提升方法
CN102427505A (zh) 一种基于Harris Corner的视频稳像方法及系统
US8644555B2 (en) Device and method for detecting movement of object
CN103391450B (zh) 一种时空联合的无参考视频质量检测方法
Shimano et al. Video temporal super-resolution based on self-similarity
CN109688329B (zh) 一种针对高精度全景视频的防抖方法
CN105791795A (zh) 立体图像处理方法、装置以及立体视频显示设备
CN108668135B (zh) 一种基于人眼感知的立体视频b帧错误隐藏方法
KR20060111528A (ko) 비디오 신호에서 국부적인 시각적 공간-시간 상세의 검출
US20130251045A1 (en) Method and device for determining a motion vector for a current block of a current video frame
CN105046656A (zh) 一种基于边缘保留滤波的形状自适应图像去雾方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: NETPOSA TECHNOLOGIES, LTD.

Free format text: FORMER OWNER: BEIJING ZANB SCIENCE + TECHNOLOGY CO., LTD.

Effective date: 20150716

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150716

Address after: 100102, Beijing, Chaoyang District, Tong Tung Street, No. 1, Wangjing SOHO tower, two, C, 26 floor

Patentee after: NETPOSA TECHNOLOGIES, Ltd.

Address before: 100048 Beijing city Haidian District Road No. 9, building 4, 5 layers of international subject

Patentee before: Beijing ZANB Technology Co.,Ltd.

PP01 Preservation of patent right
PP01 Preservation of patent right

Effective date of registration: 20220726

Granted publication date: 20140723