CN103475802A - 一种电子稳像方法 - Google Patents

Abstract

本发明提供一种电子稳像方法，包括：选取当前帧与参考帧；对当前帧和参考帧进行直方图均衡化处理；选取实时子区域、参考子区域，对实时子区域、参考子区域进行Hough线段检测；获取当前Hough线段相对于参考Hough线段的运动位移矢量、当前子区域相对于参考子区域的运动位移矢量，以得到当前帧相对于参考帧的全局运动位移矢量，并估计当前帧相对于参考帧的全局运动位移偏移量；之后，根据全局运动位移偏移量阈值范围内，将当前帧进行反方向等值补偿，得到稳定的当前视频图像。本发明具有抗干扰性强、稳像精度高、整体图像效果好等特点，可广泛应用于图像处理领域中。

Description

一种电子稳像方法

技术领域

本发明涉及图像处理技术，特别是涉及一种电子稳像技术。

背景技术

目前，图像处理技术无论在军事领域还是在民用领域都取得了广泛应用。在远离地面的井下作业中，轨道运输车上通常均装设有摄像设备，以记录井下巷道实际情况。实际应用中，井下环境比较恶劣，比如，摄像设备的震动、巷道粉尘、光线不足等情况；因此，摄像设备获得的视频图像会出现比较模糊、不稳定等问题。视频图像质量好坏会影响后续调度、预警等应用，如，井下视频追踪、视频联动以及视频存储压缩与视频编码解码的效率等。实际应用中，电子稳像技术已成为图像处理的关键技术之一。

目前，电子稳像方法有多种。比如，申请号为201110178881.2、名称为“基于特征匹配的电子稳像方法”的中国专利申请，其对当前帧图像块与参考帧图像块进行搜索已达到快匹配的目的，但对具有移动物体的视频图像的处理效果较差。再比如，申请号为201110300029.8、名称为“一种基于改进块匹配的电子稳像方法”的中国专利申请，其采用Harris角点进行匹配，在特征点提取较少的情况下，容易造成特点错误匹配的问题。

由此可见，现有技术中，电子稳像技术抗干扰性较差、稳像精度较低且体现视频图像整体信息效果较差。

发明内容

有鉴于此，本发明的主要目的在于提供一种抗干扰性强、稳像精度高且能较好体现视频图像整体信息的电子稳像方法。

为了达到上述目的，本发明提出的技术方案为：

一种电子稳像方法，包括如下步骤：

步骤1、每个时刻，将摄像设备获取的实时视频图像作为当前帧；实时视频图像的前一幅图像为参考视频图像，将参考视频图像作为参考帧；预设全局运动位移偏移量阈值。

步骤2、对当前帧和参考帧进行直方图均衡化处理，分别得到预处理当前帧、预处理参考帧；预处理当前帧、预处理参考帧分别对应预处理实时视频图像、预处理参考视频图像。

步骤3、在预处理实时视频图像、预处理参考视频图像中分别选取实时子区域、参考子区域，对实时子区域、参考子区域进行Hough线段检测，并依次得到实时Hough线段、参考Hough线段后，执行步骤4；依次对预处理实时视频图像、预处理参考视频图像进行行投影与列投影，并分别得到预处理当前帧行像素总和

预处理当前帧列像素总和

预处理参考帧行像素总和

预处理参考帧列像素总和

之后，执行步骤6；其中，Cur′_k(i,j)为预处理实时视频图像(i,j)处的像素值，Cur′_r(i,j)为预处理参考视频图像(i,j)处的像素值，ML为实时视频图像宽度，MR为实时视频图像长度，i、j、k、r为自然数，且0≤i≤ML，0≤j≤MR。

步骤4、对实时Hough线段进行行投影、列投影，分别得到实时Hough线段第k帧行像素总和

实时Hough线段第k帧列像素总和

对参考Hough线段进行行投影、列投影，分别得到参考Hough线段第r帧行像素总和

参考Hough线段第r帧列像素总和

其中，Cur_k(i,j)为实时视频图像(i,j)处的像素值，Cur_r(i,j)为参考视频图像(i,j)处的像素值。

步骤5、对实时Hough线段行像素总和、参考Hough线段行像素总和进行行相关处理

得到Hough线段相对行位移R(w)；对实时Hough线段列像素总和、参考Hough线段列像素总和进行列相关处理得到Hough线段相对列位移C(w)；根据Hough线段相对行位移、Hough线段相对列位移，得到当前Hough线段相对于参考Hough线段的运动位移矢量；之后，执行步骤7；其中，m为运动位移矢量相对于参考帧在一侧的搜索宽度，w为参数且1≤w≤2m+1。

步骤6、对实时子区域行像素总和、参考子区域行像素总和进行行相关处理得到子区域相对行位移；对实时子区域列像素总和、参考子区域列像素总和进行列相关处理

得到子区域相对列位移；根据子区域相对行位移、子区域相对列位移，得到当前子区域相对于参考子区域的运动位移矢量。

步骤7、对当前Hough线段相对于参考Hough线段的运动位移矢量、当前子区域相对于参考子区域的运动位移矢量进行均值处理，得到当前帧相对于参考帧的全局运动位移矢量：

$\left\{\begin{array}{c}{\mathrm{\δ}}_x=m+1-w_{\min }\\ {\mathrm{\δ}}_y=m+1-w_{\min }\end{array}\right.;$

其中，w_min为w的最小值，δ_y为垂直运动位移矢量，δ_x为水平运动位移矢量。

步骤8、根据当前帧相对于参考帧的全局运动位移矢量估计当前帧相对于参考帧的全局运动位移偏移量：

$\left\{\begin{array}{c}{d}_x=(1-\mathrm{\β}){\mathrm{\δ}}_x^{\′}+\mathrm{\β}{\mathrm{\δ}}_x^{\′\′}\\ d_y=(1-\mathrm{\β}){\mathrm{\δ}}_y^{\′}+{\mathrm{\β\δ}}_y^{\′\′}\end{array}\right.;$

其中，δ_x′为实时视频图像水平位移矢量，δ_x″为实时视频图像子区域水平位移矢量，δ_y′为实时视频图像垂直位移矢量，δ_y″为实时视频图像子区域垂直位移矢量，β为权重比，dx为实时视频图像全局水平运动位移偏移量，dy为实时视频图像全局垂直运动位移偏移量。

步骤9、判断当前帧相对于参考帧的全局运动位移偏移量是否在预设全局运动位移偏移量阈值范围内：如果在，则执行步骤10；如果不在，则将当前帧作为参考帧后退出。

步骤10、将当前帧按照当前帧相对于参考帧全局运动位移矢量进行反方向等值补偿，得到稳定的当前视频图像。

综上所述，本发明所述电子稳像方法对实时视频图像、参考视频图像进行预处理，并根据实际情况选定实时视频图像子区域、参考视频图像子区域后：一方面，对实时视频图像子区域、参考视频图像子区域进行行、列投影，并通过相关处理获得当前子区域相对于参考子区域的运动位移矢量；另一方面，对实时视频图像子区域、参考视频图像子区域进行Hough线段检测，并对得到的实时Hough线段、参考Hough线段进行行、列投影，之后，通过相关处理获得当前Hough线段相对于参考Hough线段的运动位移矢量。通过对上述两个运动位移矢量进行均值化处理获取当前帧相对于参考帧的全局运动位移矢量后，进一步估计当前帧相对于参考帧的全局运动位移偏移量，并根据预设全局运动位移偏移量阈值，对当前帧进行反方向等值补偿，以输出稳定的当前视频图像。基于上述各种图像处理方法，本发明所述电子稳像方法能较好体现视频图像整体信息，稳像精度高，且具有较强的抗干扰性。

附图说明

图1是本发明所述电子稳像方法的流程示意图。

图2是本发明所述直方图均衡化处理的流程示意图。

图3是本发明所述Hough线段检测的流程示意图。

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，下面将结合附图及具体实施例对本发明作进一步地详细描述。

图1是本发明所述电子稳像方法的流程示意图。如图1所示，本发明所述电子稳像方法包括如下步骤：

步骤1、每个时刻，将摄像设备获取的实时视频图像作为当前帧；实时视频图像的前一幅图像为参考视频图像，将参考视频图像作为参考帧；预设全局运动位移偏移量阈值。

步骤1中，所述预设全局运动位移偏移量阈值为[0,50]。

本发明中，实时视频图像、参考视频图像的采集分辨率均为704pixel*576pixel。

步骤2、对当前帧和参考帧进行直方图均衡化处理，分别得到预处理当前帧、预处理参考帧；预处理当前帧、预处理参考帧分别对应预处理实时视频图像、预处理参考视频图像。

步骤3、在预处理实时视频图像、预处理参考视频图像中分别选取实时子区域、参考子区域，对实时子区域、参考子区域进行Hough线段检测，并依次得到实时Hough线段、参考Hough线段后，执行步骤4；依次对预处理实时视频图像、预处理参考视频图像进行行投影与列投影，并分别得到预处理当前帧行像素总和

预处理当前帧列像素总和

预处理参考帧行像素总和

预处理参考帧列像素总和

之后，执行步骤6；其中，Cur′_k(i,j)为预处理实时视频图像(i,j)处的像素值，Cur′_r(i,j)为预处理参考视频图像(i,j)处的像素值，ML为实时视频图像宽度，MR为实时视频图像长度，i、j、k、r为自然数，且0≤i≤ML，0≤j≤MR。

步骤3中，所述实时视频图像子区域范围为实时视频图像中的[(320,20),(520,220)]，参考视频图像子区域范围为参考视频图像中的[(320,20),(520,220)]。

步骤3中，实时视频图像子区域范围、参考视频图像子区域范围的选择可根据实际情况自行确定。矿井下各子区域的确定主要遵循如下原则：第一，各子区域应包括运输铁轨；第二，为避免危险事故的发生，机车运行时工人不会出现在各子区域中。

步骤4、对实时Hough线段进行行投影、列投影，分别得到实时Hough线段第k帧行像素总和

实时Hough线段第k帧列像素总和

对参考Hough线段进行行投影、列投影，分别得到参考Hough线段第r帧行像素总和

参考Hough线段第r帧列像素总和其中，Cur_k(i,j)为实时视频图像(i,j)处的像素值，Cur_r(i,j)为参考视频图像(i,j)处的像素值。

步骤5、对实时Hough线段行像素总和、参考Hough线段行像素总和进行行相关处理

得到Hough线段相对行位移R(w)；对实时Hough线段列像素总和、参考Hough线段列像素总和进行列相关处理

得到Hough线段相对列位移C(w)；根据Hough线段相对行位移、Hough线段相对列位移，得到当前Hough线段相对于参考Hough线段的运动位移矢量；之后，执行步骤7；其中，m为运动位移矢量相对于参考帧在一侧的搜索宽度，w为参数且1≤w≤2m+1。

步骤5中，所述运动位移矢量相对于参考帧在一侧的搜索宽度m=30像素。

步骤6、对实时子区域行像素总和、参考子区域行像素总和进行行相关处理

得到子区域相对行位移；对实时子区域列像素总和、参考子区域列像素总和进行列相关处理

得到子区域相对列位移；根据子区域相对行位移、子区域相对列位移，得到当前子区域相对于参考子区域的运动位移矢量。

步骤7、对当前Hough线段相对于参考Hough线段的运动位移矢量、当前子区域相对于参考子区域的运动位移矢量进行均值处理，得到当前帧相对于参考帧的全局运动位移矢量：

$\left\{\begin{array}{c}{\mathrm{\δ}}_x=m+1-w_{\min }\\ {\mathrm{\δ}}_y=m+1-w_{\min }\end{array}\right.;$

其中，w_min为w的最小值，δ_y为垂直运动位移矢量，δ_x为水平运动位移矢量。

步骤8、根据当前帧相对于参考帧的全局运动位移矢量估计当前帧相对于参考帧的全局运动位移偏移量：

$\left\{\begin{array}{c}{d}_x=(1-\mathrm{\β}){\mathrm{\δ}}_x^{\′}+\mathrm{\β}{\mathrm{\δ}}_x^{\′\′}\\ d_y=(1-\mathrm{\β}){\mathrm{\δ}}_y^{\′}+{\mathrm{\β\δ}}_y^{\′\′}\end{array}\right.;$

其中，δ_x′为实时视频图像水平位移矢量，δ_x″为实时视频图像子区域水平位移矢量，δ_y′为实时视频图像垂直位移矢量，δ_y″为实时视频图像子区域垂直位移矢量，β为权重比且0<β<1，dx为实时视频图像全局水平运动位移偏移量，dy为实时视频图像全局垂直运动位移偏移量。

步骤8中，所述权重比β=50%。

步骤9、判断当前帧相对于参考帧的全局运动位移偏移量是否在预设全局运动位移偏移量阈值范围内：如果在，则执行步骤10；如果不在，则将当前帧作为参考帧后退出。

步骤10、将当前帧按照当前帧相对于参考帧全局运动位移矢量进行反方向等值补偿，得到稳定的当前视频图像。

本发明方法中，步骤5与步骤6中均采用了相关处理，是因为各相关曲线的谷值分别对应Hough线段相对行位移、Hough线段相对列位移、子区域相对行位移、子区域相对列位移。

本发明方法中，步骤7对当前Hough线段相对于参考Hough线段的运动位移矢量、当前子区域相对于参考子区域的运动位移矢量进行均值处理的原因如下：第一，在某些特殊的环境中，比如矿井下，Hough线段检测会出现误差；第二，图像中特征区域发生交叉时，比如框架下铁轨交叉处，图像处理也会出现误差；因此，均值化处理既能反映图像整体特性，又能减小图像处理过程中产生的误差。

总之，本发明所述电子稳像方法对实时视频图像、参考视频图像进行预处理，并根据实际情况选定实时视频图像子区域、参考视频图像子区域后：一方面，对实时视频图像子区域、参考视频图像子区域进行行、列投影，并通过相关处理获得当前子区域相对于参考子区域的运动位移矢量；另一方面，对实时视频图像子区域、参考视频图像子区域进行Hough线段检测，并对得到的实时Hough线段、参考Hough线段进行行、列投影，之后，通过相关处理获得当前Hough线段相对于参考Hough线段的运动位移矢量。通过对上述两个运动位移矢量进行均值化处理获取当前帧相对于参考帧的全局运动位移矢量后，进一步估计当前帧相对于参考帧的全局运动位移偏移量，并根据预设全局运动位移偏移量阈值，对当前帧进行反方向等值补偿，以输出稳定的当前视频图像。基于上述各种图像处理方法，本发明所述电子稳像方法能较好体现视频图像整体信息，稳像精度高，且具有较强的抗干扰性。

图2是本发明所述直方图均衡化处理的流程示意图。如图2所示，本发明所述步骤2中，所述当前帧和参考帧进行直方图均衡化处理，包括如下步骤：

步骤21、获取当前帧对应的实时视频图像灰度值λ与参考帧对应的参考视频图像灰度值λ′的进行归一化处理，得到的像素概率分别为

其中，n为实时视频图像像素数；n_λ为实时视频图像中灰度值λ的像素次数；p_(i,j)(λ)为实时视频图像中灰度值λ的像素概率；l为参考视频图像像素数；l_λ为参考视频图像中灰度值λ的像素次数；p_(i,j)′(λ)为参考视频图像中灰度值λ的像素概率；n、l、λ、n_λ、l_λ均为自然数，且0≤λ≤L-1，L为实时视频图像最大灰度值。

步骤22、获取p_(i,j)(λ)累计概率函数

与p_(i,j)′(λ)的累计概率函数A′(i)=p_(i,j)′(i)。

步骤23、对累计概率函数

进行反归一化处理，分别得到A^*(i)=A(i)(max1-min1)+min1、A′^*(i)=A′(i)(max2-min2)+min2；其中，max1为实时视频图像的最大灰度值，min1为实时视频图像的最小灰度值；max2为参考视频图像的最大灰度值，min2为参考视频图像的最小灰度值。

本发明方法中，直方图均衡化处理能将分布不均匀的图像进行均匀拉伸，使得图像分布均匀，增强了图像的对比度。该处理方法对于前景或背景太暗或太亮的图像处理效果非常好，比煤矿井下的各种视频图像。

图3是本发明所述Hough线段检测的流程示意图。如图3所示，本发明所述步骤3中，所述对实时子区域、参考子区域进行Hough线段检测包括如下步骤：

步骤31、分别对实时子区域、参考子区域进行边缘检测，以获取实时Hough线段检测特征点(ρ₁,θ₁)、参考Hough线段检测特征点(ρ₂,θ₂)。

本发明方法中，边缘检测得到的实时Hough线段检测特征点(ρ₁,θ₁)、参考Hough线段检测特征点(ρ₂,θ₂)依次为实时视频图像边缘点、参考视频图像边缘点。

步骤32、针对实时Hough线段检测特征点(ρ₁,θ₁)、参考Hough线段检测特征点(ρ₂,θ₂)分别设定一个初始值为0的实时累加器Acc1(ρ₁′,θ₁′)、参考累加器Acc2(ρ₂′,θ₂′)。

步骤33、遍历实时子区域中每一个像素点(u₁,v₁)的θ₁值，并获取θ₁对应的ρ₁：如果存在ρ₁=ρ₁′，则执行Acc1(ρ₁′,θ₁′)=Acc1(ρ₁′,θ₁′)+1；遍历参考子区域中每一个像素点(u₂,v₂)的θ₂值，并获取θ₂对应的ρ₂：如果存在ρ₂=ρ₂′，则执行Acc2(ρ₂′,θ₂′)=Acc1(ρ₂′,θ₂′)+1。

步骤34、根据遍历实时累加器Acc1(ρ₁′,θ₁′)获取的实时峰值点，获取实时Hough线段；根据遍历参考累加器Acc2(ρ₂′,θ₂′)获取的参考峰值点，获取参考Hough线段。

步骤31中，所述分别对实时子区域、参考子区域进行边缘检测，包括如下步骤：

步骤311、将原始空间中实时子区域的任一直线y₁=t₁x₁+b₁进行极坐标转换，得到：ρ₁=a₁cosθ₁+d₁sinθ₁；将原始空间中参考子区域的任一直线y₂=t₂x₂+b₂进行极坐标转换，得到：ρ₂=a₂cosθ₂+d₂sinθ₂；其中，x₁、y₁、x₂、y₂为原始空间坐标，ρ₁、θ₁、ρ₂、ρ₂为极坐标；t₁、b₁、t₂、b₂、a₁、d₁、a₂、d₂为参数。

本发明方法中，Hough线段检测通过对实时子区域、参考子区域进行坐标变换，将一般空间的实时子区域、参考子区域中给定的直线或线段变换为极坐标空间的一点，比如矿井下的运输轨道；并通过设定累加器找到的累加峰值点对应一般空间中的共线点。这样，Hough线段检测就将视频图像的整体检测转化为局部检测，使得问题得到简化。

综上所述，以上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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种电子稳像方法，其特征在于，所述电子稳像方法包括如下步骤：

步骤1、每个时刻，将摄像设备获取的实时视频图像作为当前帧；实时视频图像的前一幅图像为参考视频图像，将参考视频图像作为参考帧；预设全局运动位移偏移量阈值；

步骤2、对当前帧和参考帧进行直方图均衡化处理，分别得到预处理当前帧、预处理参考帧；预处理当前帧、预处理参考帧分别对应预处理实时视频图像、预处理参考视频图像；

步骤3、在预处理实时视频图像、预处理参考视频图像中分别选取实时子区域、参考子区域，对实时子区域、参考子区域进行Hough线段检测，并依次得到实时Hough线段、参考Hough线段后，执行步骤4；依次对预处理实时视频图像、预处理参考视频图像进行行投影与列投影，并分别得到预处理当前帧行像素总和

预处理当前帧列像素总和

预处理参考帧行像素总和

预处理参考帧列像素总和

之后，执行步骤6；其中，Cur′_k(i,j)为预处理实时视频图像(i,j)处的像素值，Cur′_r(i,j)为预处理参考视频图像(i,j)处的像素值，ML为实时视频图像宽度，MR为实时视频图像长度，i、j、k、r为自然数，且0≤i≤ML，0≤j≤MR；

步骤4、对实时Hough线段进行行投影、列投影，分别得到实时Hough线段第k帧行像素总和

实时Hough线段第k帧列像素总和对参考Hough线段进行行投影、列投影，分别得到参考Hough线段第r帧行像素总和

参考Hough线段第r帧列像素总和

其中，Cur_k(i,j)为实时视频图像(i,j)处的像素值，Cur_r(i,j)为参考视频图像(i,j)处的像素值；

步骤5、对实时Hough线段行像素总和、参考Hough线段行像素总和进行行相关处理

得到Hough线段相对行位移R(w)；对实时Hough线段列像素总和、参考Hough线段列像素总和进行列相关处理

得到Hough线段相对列位移C(w)；根据Hough线段相对行位移、Hough线段相对列位移，得到当前Hough线段相对于参考Hough线段的运动位移矢量；之后，执行步骤7；其中，m为运动位移矢量相对于参考帧在一侧的搜索宽度，w为参数且1≤w≤2m+1；

步骤6、对实时子区域行像素总和、参考子区域行像素总和进行行相关处理得到子区域相对行位移；对实时子区域列像素总和、参考子区域列像素总和进行列相关处理

得到子区域相对列位移；根据子区域相对行位移、子区域相对列位移，得到当前子区域相对于参考子区域的运动位移矢量；

步骤7、对当前Hough线段相对于参考Hough线段的运动位移矢量、当前子区域相对于参考子区域的运动位移矢量进行均值处理，得到当前帧相对于参考帧的全局运动位移矢量：

$\left\{\begin{array}{c}{\mathrm{\&delta;}}_x=m+1-w_{\min }\\ {\mathrm{\&delta;}}_y=m+1-w_{\min }\end{array}\right.;$

其中，w_min为w的最小值，δ_y为垂直运动位移矢量，δ_x为水平运动位移矢量；

步骤8、根据当前帧相对于参考帧的全局运动位移矢量估计当前帧相对于参考帧的全局运动位移偏移量：

$\left\{\begin{array}{c}{d}_x=(1-\mathrm{\&beta;}){\mathrm{\&delta;}}_x^{\&prime;}+\mathrm{\&beta;}{\mathrm{\&delta;}}_x^{\&prime;\&prime;}\\ d_y=(1-\mathrm{\&beta;}){\mathrm{\&delta;}}_y^{\&prime;}+{\mathrm{\&beta;\&delta;}}_y^{\&prime;\&prime;}\end{array}\right.;$

其中，δ_x′为实时视频图像水平位移矢量，δ_x″为实时视频图像子区域水平位移矢量，δ_y′为实时视频图像垂直位移矢量，δ_y″为实时视频图像子区域垂直位移矢量，β为权重比，dx为实时视频图像全局水平运动位移偏移量，dy为实时视频图像全局垂直运动位移偏移量；

步骤9、判断当前帧相对于参考帧的全局运动位移偏移量是否在预设全局运动位移偏移量阈值范围内：如果在，则执行步骤10；如果不在，则将当前帧作为参考帧后退出；

步骤10、将当前帧按照当前帧相对于参考帧全局运动位移矢量进行反方向等值补偿，得到稳定的当前视频图像。

2.根据权利要求1所述的电子稳像方法，其特征在于，步骤1中，所述预设全局运动位移偏移量阈值为[0,50]。

3.根据权利要求1所述的电子稳像方法，其特征在于，步骤2中，所述当前帧和参考帧进行直方图均衡化处理，包括如下步骤：

步骤21、获取当前帧对应的实时视频图像灰度值λ与参考帧对应的参考视频图像灰度值λ′的进行归一化处理，得到的像素概率分别为

其中，n为实时视频图像像素数；n_λ为实时视频图像中灰度值λ的像素次数；p_(i,j)(λ)为实时视频图像中灰度值λ的像素概率；l为参考视频图像像素数；l_λ为参考视频图像中灰度值λ的像素次数；p_(i,j)′(λ)为参考视频图像中灰度值λ的像素概率；n、l、λ、n_λ、l_λ均为自然数，且0≤λ≤L-1，L为实时视频图像最大灰度值；

步骤22、获取p_(i,j)(λ)累计概率函数

与p_(i,j)′(λ)的累计概率函数A′(i)=p_(i,j)′(i)；

步骤23、对累计概率函数

进行反归一化处理，分别得到A^*(i)=A(i)(max1-min1)+min1、A′^*(i)=A′(i)(max2-min2)+min2；其中，max1为实时视频图像的最大灰度值，min1为实时视频图像的最小灰度值；max2为参考视频图像的最大灰度值，min2为参考视频图像的最小灰度值。

4.根据权利要求1所述的电子稳像方法，其特征在于，步骤3中，所述实时视频图像子区域范围为实时视频图像中的[(320,20),(520,220)]，参考视频图像子区域范围为参考视频图像中的[(320,20),(520,220)]。

5.根据权利要求1所述的电子稳像方法，其特征在于，步骤3中，所述对实时子区域、参考子区域进行Hough线段检测包括如下步骤：

步骤31、分别对实时子区域、参考子区域进行边缘检测，以获取实时Hough线段检测特征点(ρ₁,θ₁)、参考Hough线段检测特征点(ρ₂,θ₂)；

步骤32、针对实时Hough线段检测特征点(ρ₁,θ₁)、参考Hough线段检测特征点(ρ₂,θ₂)分别设定一个初始值为0的实时累加器Acc1(ρ₁′,θ₁′)、参考累加器Acc2(ρ₂′,θ₂′)；

步骤33、遍历实时子区域中每一个像素点(u₁,v₁)的θ₁值，并获取θ₁对应的ρ₁：如果存在ρ₁=ρ₁′，则执行Acc1(ρ₁′,θ₁′)=Acc1(ρ₁′,θ₁′)+1；遍历参考子区域中每一个像素点(u₂,v₂)的θ₂值，并获取θ₂对应的ρ₂：如果存在ρ₂=ρ₂′，则执行Acc2(ρ₂′,θ₂′)=Acc1(ρ₂′,θ₂′)+1；

步骤34、根据遍历实时累加器Acc1(ρ₁′,θ₁′)获取的实时峰值点，获取实时Hough线段；根据遍历参考累加器Acc2(ρ₂′,θ₂′)获取的参考峰值点，获取参考Hough线段。

6.根据权利要求5所述的电子稳像方法，其特征在于，步骤31中，所述分别对实时子区域、参考子区域进行边缘检测，包括如下步骤：

步骤311、将原始空间中实时子区域的任一直线y₁=t₁x₁+b₁进行极坐标转换，得到：ρ₁=a₁cosθ₁+d₁sinθ₁；将原始空间中参考子区域的任一直线y₂=t₂x₂+b₂进行极坐标转换，得到：ρ₂=a₂cosθ₂+d₂sinθ₂；其中，x₁、y₁、x₂、y₂为原始空间坐标，ρ₁、θ₁、ρ₂、ρ₂为极坐标；t₁、b₁、t₂、b₂、a₁、d₁、a₂、d₂为参数。

7.根据权利要求1所述的电子稳像方法，其特征在于，步骤8中，所述权重比β=50%。

8.根据权利要求1所述的电子稳像方法，其特征在于，步骤1中，所述实时视频图像、所述参考视频图像的采集分辨率均为704pixel*576pixel。

9.根据权利要求1所述的电子稳像方法，其特征在于，步骤5中，所述运动位移矢量相对于参考帧在一侧的搜索宽度m=30像素。

Images