CN103581506A - 一种基于单神经元pid控制器的数字稳像方法及装置 - Google Patents

Abstract

本发明实施例公开了一种基于单神经元PID控制器的数字稳像方法及装置，用于生成精确的补偿运动矢量。本发明实施例方法包括：将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)；根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)；根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。通过实施本发明方案，能够生成精确的补偿运动矢量，有效消除稳态滞后效应，提高数字稳像的效果。

Description

一种基于单神经元PID控制器的数字稳像方法及装置

技术领域

本发明涉及视频处理技术领域，尤其涉及一种基于单神经元PID控制器的数字稳像方法及装置。

背景技术

视频采集过程中，摄像设备自身晃动导致视频抖动问题。在数字摄像领域中，通常采用数字稳像技术处理视频抖动。数字稳像技术的原理是：首先，由数字稳像装置中的运动矢量估计单元计算视频相邻帧图像之间的全局运动矢量(GMV，Global Motion Vector)，然后，再由运动补偿单元根据该全局运动矢量生成补偿运动矢量(CMV，Compensating Motion Vector)，最后，该数字稳像装置根据该补偿运动矢量对视频当前帧图像进行视频校正，从而消除视频抖动，获得稳定的视频输出。

目前，运动补偿单元主要利用运动矢量累积法(MVI，Motion VectorIntegration)生成补偿运动矢量。请参见图1，为现有技术的运动矢量累积法原理图，该方法通过对视频相邻帧图像之间的全局运动矢量进行累加，该累加过程等效于一阶无限冲激响应(IIR，Infinite Impulse Response)滤波器，通过滤波得到当前帧的抖动运动矢量(JMV，Jittering Motion Vector)。其数学表达式为：CMV(n)＝JMV(n)＝αJMV(n-1)+GMV(n)。其中，GMV(n)为视频当前帧图像的全局运动矢量，JMV(n)为视频当前帧图像的抖动运动矢量，JMV(n)直接作为视频当前帧图像的补偿运动矢量CMV(n)，α为阻尼系数，其作用是控制误差累积以及抑制稳态滞后效应。

但是，当摄像设备进行主动扫描运动时，全局运动矢量中还会引入扫描运动矢量(SMV，Scanning Motion Vector)，导致稳像后的视频出现稳态滞后效应，虽然阻尼系数α能够抑制稳态滞后效应，但是α通常是根据技术人员的经验设定的，α过大会无法抑制稳态滞后效应，α过小则会使抖动运动矢量精度较差。故无法生成精确的补偿运动矢量，从而无法有效消除稳态滞后效应，降低了数字稳像的效果。

发明内容

为了解决上述问题，本发明实施例提供了一种数字稳像方法及装置，用于生成精确的补偿运动矢量。通过实施本发明方案，能够生成精确的补偿运动矢量，有效消除稳态滞后效应，提高数字稳像的效果。

一种基于单神经元PID(Proportion-Integration-Differentiation，比例-积分-微分)控制器的数字稳像方法，包括：

将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)；

根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)；

根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

一种基于单神经元PID控制器的数字稳像装置，包括：

第一计算单元，用于将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)；

单神经元PID控制器，用于根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)；

运动补偿单元，用于根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

从以上技术方案可以看出，本发明实施例具有以下优点：

当前帧图像对应的单神经元PID控制器输出u(n)由单神经元PID控制器根据当前帧图像对应的单神经元PID控制器误差输入e(n)生成，运动补偿单元在生成当前帧图像对应的补偿运动矢量CMV(n)过程中引入u(n)作为输入，相当于在生成CMV(n)的过程中引入基于单神经元PID控制器的控制环节。通过实施前述方法，能够使得运动补偿单元生成精确的补偿运动矢量，从而有效消除稳态滞后效应，提高数字稳像的效果。

附图说明

图1为现有技术的运动矢量累积法原理图；

图2为本发明第一实施例的基于单神经元PID控制器的数字稳像方法流程图；

图3为本发明的运动矢量累积法原理图；

图4为本发明第二实施例的基于单神经元PID控制器的数字稳像方法流程图；

图5为本发明第三实施例的基于单神经元PID控制器的数字稳像装置结构图；

图6为本发明第四实施例的基于单神经元PID控制器的数字稳像装置结构图。

具体实施方式

下面将结合本发明中的说明书附图，对发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了基于单神经元PID控制器的数字稳像方法及装置，用于生成精确的补偿运动矢量。通过实施本发明方案，能够生成精确的补偿运动矢量，有效消除稳态滞后效应，提高数字稳像的效果。

其中，单神经元PID(Proportion-Integration-Differentiation，比例-积分-微分)控制器是一种具有自学习、自适应、鲁棒性强等特性的控制器，通过调整连接权值w_i和单神经元PID控制器比例系数K，能够构成自适应PID控制器。技术人员预先设定单神经元PID控制器参考输入r，单神经元PID控制器将r与上一时刻的系统输出y′的差值r-y′作为单神经元PID控制器误差输入e，并根据该e生成单神经元PID控制器输出u。u是当前时刻的系统输出y的生成依据之一。单神经元PID控制器根据e生成u的内部计算过程属于本领域公知技术，这里不再赘述。

另外，一段数字视频由若干图像帧构成，每一帧图像依据时间先后次序排列，因此每一帧图像对应一个固定时刻。本发明实施例选取当前帧图像作为处理对象，要求对当前帧图像进行视频校正。并且所有前一帧图像对应的量都是已知量。设定当前帧图像的序号为n，则前一帧图像的序号为n-1。因此，本实施例所述的数字稳像方法能够适用于数字视频中的任意一帧图像。

本发明第一实施例将对一种基于单神经元PID控制器的数字稳像方法进行详细说明，本实施例所述数字稳像方法的具体流程请参见图2，包括步骤：

201、将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。

在本步骤中，已知量为前一帧图像对应的补偿运动矢量CMV(n-1)，该前一帧图像对应的补偿运动矢量CMV(n-1)已用于对前一帧图像进行视频校正。单神经元PID控制器将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。即有e(n)＝r(n)-CMV(n-1)。单神经元PID控制器误差输入e(n)为单神经元PID控制器的输入。

其中，由于补偿运动矢量CMV是随机数，且其均值为0，因此一般预设单神经元PID控制器的单神经元PID控制器参考输入r为0。在本实施例中，若预设当前帧图像对应的单神经元PID控制器参考输入r(n)为0，则有e(n)＝-CMV(n-1)。

202、单神经元PID控制器根据当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)。

在本步骤中，单神经元PID控制器根据步骤201所述的当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)。单神经元PID控制器输出u(n)为单神经元PID控制器的输出。

其中，单神经元PID控制器根据当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)的内部计算过程将在后面的实施例中进行具体说明。

203、运动补偿单元根据当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

在本步骤中，运动补偿单元根据步骤202中单神经元PID控制器所生成的当前帧图像对应的单神经元PID控制器输出u(n)，结合当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

其中，当前帧图像对应的全局运动矢量GMV(n)由运动矢量估计单元获取。现有技术中使用的计算式为：CMV(n)＝JMV(n)＝αJMV(n-1)+GMV(n)，设置阻尼系数α为本领域常用的技术手段，因此在本实施例中引入单神经元PID控制器的控制环节后，当前帧图像对应的补偿运动矢量CMV(n)的计算式为：CMV(n)＝αCMV(n-1)+u(n)+GMV(n)。

此后，视频校正的相关单元根据所述当前帧图像对应的补偿运动矢量CMV(n)对所述当前帧图像进行视频校正。

请参见图3，为本发明改良后的运动矢量累积法原理图，u(n)由单神经元PID控制器根据e(n)生成，而e(n)由第一加法器累加r(n)和-CMV(n)所得到，运动补偿单元在生成CMV(n)过程中引入u(n)作为第二加法器的其中一个输入，相当于在生成CMV(n)的过程中引入基于单神经元PID控制器的控制环节，第二加法器的另一个输入为GMV(n)，最后运动补偿单元根据第二加法器的输出生成CMV(n)。

在本实施例中，通过引入上述控制环节能够使得运动补偿单元生成精确的补偿运动矢量，从而有效消除稳态滞后效应，提高数字稳像的效果。

本发明第二实施例将对第一实施例所述的基于单神经元PID控制器的数字稳像方法进行补充说明，本实施例所述的数字稳像方法具体流程请参见图4，包括步骤：

401、将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。

在本步骤中，已知量为前一帧图像对应的补偿运动矢量CMV(n-1)，该前一帧图像对应的补偿运动矢量CMV(n-1)已用于对前一帧图像进行视频校正。单神经元PID控制器将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。即有e(n)＝r(n)-CMV(n-1)。单神经元PID控制器误差输入e(n)为单神经元PID控制器的输入。

402、单神经元PID控制器根据当前帧图像对应的单神经元PID控制器误差输入e(n)计算当前帧图像对应的状态量x_i(n)。

其中，当前帧图像对应的状态量x_i(n)包括状态量x₁(n)、状态量x₂(n)和状态量x₃(n)。

具体计算式为：

x₁(n)＝e(n)，

x₂(n)＝Δe(n)＝e(n)-e(n-1)，

x₃(n)＝Δ²e(n)＝e(n)-2e(n-1)+e(n-2)。

403、单神经元PID控制器根据当前帧图像对应的状态量x_i(n)、当前帧图像对应的单神经元PID控制器误差输入e(n)、前一帧图像对应的单神经元PID控制器输出u(n-1)、单神经元PID控制器学习速率η以及前一帧图像对应的连接权值w_i(n-1)计算当前帧图像对应的连接权值w_i(n)。

计算式为：w_i(n)＝w_i(n-1)+ηe(n)u(n-1)x_i(n)。

其中，状态量x_i(n)的计算式请参见步骤402，包括状态量x₁(n)、状态量x₂(n)和状态量x₃(n)。单神经元PID控制器学习速率η由技术人员预先设定，包括学习速率η_I、学习速率η_P和学习速率η_D。前一帧图像对应的连接权值w_i(n-1)包括前一帧图像对应的连接权值w₁(n-1)、前一帧图像对应的连接权值w₂(n-1)和前一帧图像对应的连接权值w₃(n-1)。当前帧图像对应的连接权值w_i(n)包括当前帧图像对应的连接权值w₁(n)、当前帧图像对应的连接权值w₂(n)和当前帧图像对应的连接权值w₃(n)。

因此，计算式具体为：

w₁(n)＝w₁(n-1)+η_I e(n)u(n-1)x₁(n)，

w₂(n)＝w₂(n-1)+η_P e(n)u(n-1)x₂(n)，

w₃(n)＝w₃(n-1)+η_D e(n)u(n-1)x₃(n)。

404、单神经元PID控制器根据当前帧图像对应的连接权值w_i(n)计算当前帧图像对应的平均连接权值

计算式为： ${\stackrel{\‾}{w}}_i\left(n\right)=w_i\left(n\right)/\mathrm{\Σ}\left|w_i\left(n\right)\right|.$

其中，当前帧图像对应的平均连接权值

包括当前帧图像对应的平均连接权值

当前帧图像对应的平均连接权值

和当前帧图像对应的平均连接权值

因此，计算式具体为：

${\stackrel{\‾}{w}}_1\left(n\right)=w_1\left(n\right)/\left(\right|w_1\left(n\right)|+|w_2\left(n\right)|+|w_3\left(n\right)\left|\right),$

${\stackrel{\‾}{w}}_2\left(n\right)=w_2\left(n\right)/\left(\right|w_1\left(n\right)|+|w_2\left(n\right)|+|w_3\left(n\right)\left|\right),$

${\stackrel{\‾}{w}}_3\left(n\right)=w_3\left(n\right)/\left(\right|w_1\left(n\right)|+|w_2\left(n\right)|+|w_3\left(n\right)\left|\right).$

405、单神经元PID控制器根据当前帧图像对应的平均连接权值

当前帧图像对应的状态量x_i(n)以及单神经元PID控制器比例系数K计算当前帧图像对应的单神经元PID控制器输出增量Δu(n)。

计算式为： $\mathrm{\Δu}\left(n\right)=\mathrm{K\Σ}{\stackrel{\‾}{w}}_i\left(n\right)x_i\left(n\right)=K[{\stackrel{\‾}{w}}_1\left(n\right)x_1\left(n\right)+{\stackrel{\‾}{w}}_2\left(n\right)x_2\left(n\right)+{\stackrel{\‾}{w}}_3\left(n\right)x_3\left(n\right)].$

其中，一般情况下，K＞0，K越大，收敛速度越快，调整量越大，K越小，收敛速度越慢，系统越稳定。

406、单神经元PID控制器根据当前帧图像对应的单神经元PID控制器输出增量Δu(n)和前一帧图像对应的单神经元PID控制器输出u(n-1)计算当前帧图像对应的单神经元PID控制器输出u(n)。

计算式为：u(n)＝u(n-1)+Δu(n)。

其中，本实施例步骤402至406所描述的过程为单神经元PID控制器根据当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)的内部计算过程。

407、运动矢量估计单元获取当前帧图像对应的全局运动矢量GMV(n)。

本步骤的操作与现有技术中运动矢量估计单元获取当前帧图像对应的全局运动矢量GMV(n)完全一致，这里不再赘述。

408、计算阻尼系数α乘以前一帧图像对应的补偿运动矢量CMV(n-1)所得到的积αCMV(n-1)、当前帧图像对应的单神经元PID控制器输出u(n)以及当前帧图像对应的全局运动矢量GMV(n)的和值αCMV(n-1)+u(n)+GMV(n)。

409、将和值αCMV(n-1)+u(n)+GMV(n)作为当前帧图像对应的补偿运动矢量CMV(n)。

计算式为：CMV(n)＝αCMV(n-1)+u(n)+GMV(n)。

410、根据当前帧图像对应的补偿运动矢量CMV(n)对当前帧图像进行视频校正。

在本步骤中，视频校正的相关单元根据所述当前帧图像对应的补偿运动矢量CMV(n)对所述当前帧图像进行视频校正。校正过程与现有技术的操作过程一致，这里不再赘述。

在本实施例中，u(n)由单神经元PID控制器根据e(n)生成，运动补偿单元在生成CMV(n)过程中引入u(n)相当于在生成CMV(n)的过程中引入基于单神经元PID控制器的控制环节。本发明改良后的运动矢量累积法原理图请参见图3。通过引入所述控制环节能够使得运动补偿单元生成精确的补偿运动矢量，从而有效消除稳态滞后效应，提高数字稳像的效果。

本发明第三实施例将对一种基于单神经元PID控制器的数字稳像装置进行详细说明。本实施例所述的数字稳像装置中包含一个或多个单元用于实现前述方法的一个或多个步骤。因此，对前述方法中各步骤的描述适用于所述数字稳像装置中相应的单元。本实施例所述的数字稳像装置具体结构请参见图5，包括：

第一计算单元501，用于将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。

前一帧图像对应的补偿运动矢量CMV(n-1)为已知量，该前一帧图像对应的补偿运动矢量CMV(n-1)已用于对前一帧图像进行视频校正。单神经元PID控制器502将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。第一计算单元501执行的计算式为：e(n)＝r(n)-CMV(n-1)。单神经元PID控制器误差输入e(n)为单神经元PID控制器502的输入。

其中，由于补偿运动矢量CMV是随机数，且其均值为0，因此一般预设单神经元PID控制器502的单神经元PID控制器参考输入r为0。在本实施例中，若预设当前帧图像对应的单神经元PID控制器参考输入r(n)为0，则第一计算单元501执行的计算式为：e(n)＝-CMV(n-1)。

单神经元PID控制器502，与第一计算单元501通信连接，用于根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)。

单神经元PID控制器502根据第一计算单元501计算所得到的当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)。单神经元PID控制器输出u(n)为单神经元PID控制器502的输出。

其中，单神经元PID控制器502根据当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)的内部计算过程请参见本发明第二实施例所述的步骤402至406，这里不再赘述。

运动补偿单元503，与单神经元PID控制器502通信连接，用于根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

运动补偿单元503根据单神经元PID控制器502所生成的当前帧图像对应的单神经元PID控制器输出u(n)，结合当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

其中，当前帧图像对应的全局运动矢量GMV(n)由运动矢量估计单元504获取。运动矢量估计单元504与运动补偿单元503通信连接。现有技术中使用的计算式为：CMV(n)＝JMV(n)＝αJMV(n-1)+GMV(n)，设置阻尼系数α为本领域常用的技术手段，因此在本实施例中引入单神经元PID控制器502的控制环节后，当前帧图像对应的补偿运动矢量CMV(n)的计算式为：CMV(n)＝αCMV(n-1)+u(n)+GMV(n)。

视频校正的相关单元根据所述当前帧图像对应的补偿运动矢量CMV(n)对所述当前帧图像进行视频校正。

本发明改良后的运动矢量累积法原理图请参见图3，其过程请参见本发明第一实施例的相关记载，这里不再赘述。

在本实施例中，单神经元PID控制器502的控制环节能够使得运动补偿单元503生成精确的补偿运动矢量，从而有效消除稳态滞后效应，提高数字稳像的效果。

本发明第四实施例将对第三实施例所述的基于单神经元PID控制器的数字稳像装置进行补充说明。本实施例所述的数字稳像装置中包含一个或多个单元用于实现前述方法的一个或多个步骤。因此，对前述方法中各步骤的描述适用于所述数字稳像装置中相应的单元。本实施例所述的数字稳像装置具体结构请参见图6，包括：

第一计算单元601，用于将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。

前一帧图像对应的补偿运动矢量CMV(n-1)为已知量，该前一帧图像对应的补偿运动矢量CMV(n-1)已用于对前一帧图像进行视频校正。单神经元PID控制器602将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)。第一计算单元601的计算式为：e(n)＝r(n)-CMV(n-1)。单神经元PID控制器误差输入e(n)为单神经元PID控制器602的输入。

单神经元PID控制器602，与第一计算单元601通信连接，用于根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)。单神经元PID控制器602进一步包括：

第二计算子单元6021，用于根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)计算当前帧图像对应的状态量x_i(n)。

其中，当前帧图像对应的状态量x_i(n)包括状态量x₁(n)、状态量x₂(n)和状态量x₃(n)。

具体计算式为：

x₁(n)＝e(n)，

x₂(n)＝Δe(n)＝e(n)-e(n-1)，

x₃(n)＝Δ²e(n)＝e(n)-2e(n-1)+e(n-2)。

第三计算子单元6022，与第二计算子单元6021通信连接，用于根据所述当前帧图像对应的状态量x_i(n)、所述当前帧图像对应的单神经元PID控制器误差输入e(n)、前一帧图像对应的单神经元PID控制器输出u(n-1)、单神经元PID控制器学习速率η以及前一帧图像对应的连接权值w_i(n-1)计算当前帧图像对应的连接权值w_i(n)。

计算式为：w_i(n)＝w_i(n-1)+ηe(n)u(n-1)x_i(n)。

其中，状态量x_i(n)包括状态量x₁(n)、状态量x₂(n)和状态量x₃(n)。单神经元PID控制器学习速率η由技术人员预先设定，包括学习速率η_I、学习速率η_P和学习速率η_D。前一帧图像对应的连接权值w_i(n-1)包括前一帧图像对应的连接权值w₁(n-1)、前一帧图像对应的连接权值w₂(n-1)和前一帧图像对应的连接权值w₃(n-1)。当前帧图像对应的连接权值w_i(n)包括当前帧图像对应的连接权值w₁(n)、当前帧图像对应的连接权值w₂(n)和当前帧图像对应的连接权值w₃(n)。

因此，计算式具体为：

w₁(n)＝w₁(n-1)+η_I e(n)u(n-1)x₁(n)，

w₂(n)＝w₂(n-1)+η_P e(n)u(n-1)x₂(n)，

w₃(n)＝w₃(n-1)+η_D e(n)u(n-1)x₃(n)。

第四计算子单元6023，与第三计算子单元6022通信连接，用于根据所述当前帧图像对应的连接权值w_i(n)计算当前帧图像对应的平均连接权值

计算式为： ${\stackrel{\‾}{w}}_i\left(n\right)=w_i\left(n\right)/\mathrm{\Σ}\left|w_i\left(n\right)\right|.$

其中，当前帧图像对应的平均连接权值

包括当前帧图像对应的平均连接权值

当前帧图像对应的平均连接权值和当前帧图像对应的平均连接权值

因此，计算式具体为：

${\stackrel{\‾}{w}}_1\left(n\right)=w_1\left(n\right)/\left(\right|w_1\left(n\right)|+|w_2\left(n\right)|+|w_3\left(n\right)\left|\right),$

${\stackrel{\‾}{w}}_2\left(n\right)=w_2\left(n\right)/\left(\right|w_1\left(n\right)|+|w_2\left(n\right)|+|w_3\left(n\right)\left|\right),$

${\stackrel{\‾}{w}}_3\left(n\right)=w_3\left(n\right)/\left(\right|w_1\left(n\right)|+|w_2\left(n\right)|+|w_3\left(n\right)\left|\right).$

第五计算子单元6024，与第四计算子单元6023通信连接，用于根据所述当前帧图像对应的平均连接权值

所述当前帧图像对应的状态量xi(n)以及单神经元PID控制器比例系数K计算当前帧图像对应的单神经元PID控制器输出增量Δu(n)。

计算式为：

其中，一般情况下，K＞0，K越大，收敛速度越快，调整量越大，K越小，收敛速度越慢，系统越稳定。

第六计算子单元6025，与第五计算子单元6024通信连接，用于根据所述当前帧图像对应的单神经元PID控制器输出增量Δu(n)和前一帧图像对应的单神经元PID控制器输出u(n-1)计算当前帧图像对应的单神经元PID控制器输出u(n)。

计算式为：u(n)＝u(n-1)+Δu(n)。

运动矢量估计单元603，与单神经元PID控制器602通信连接，用于获取当前帧图像对应的全局运动矢量GMV(n)。

运动矢量估计单元603的操作与现有技术中运动矢量估计单元获取当前帧图像对应的全局运动矢量GMV(n)完全一致，这里不再赘述。

运动补偿单元604，与运动矢量估计单元603通信连接，用于根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。运动补偿单元604进一步包括：

第一计算子单元6041，用于计算阻尼系数α乘以前一帧图像对应的补偿运动矢量CMV(n-1)所得到的积αCMV(n-1)、所述当前帧图像对应的单神经元PID控制器输出u(n)以及当前帧图像对应的全局运动矢量GMV(n)的和值αCMV(n-1)+u(n)+GMV(n)。

补偿运动矢量确定单元6042，与第一计算子单元6041通信连接，用于将所述和值αCMV(n-1)+u(n)+GMV(n)作为当前帧图像对应的补偿运动矢量CMV(n)。

视频校正单元605，与运动补偿单元604通信连接，用于根据所述当前帧图像对应的补偿运动矢量CMV(n)对所述当前帧图像进行视频校正。

视频校正单元605根据所述当前帧图像对应的补偿运动矢量CMV(n)对所述当前帧图像进行视频校正。校正过程与现有技术的操作过程一致，这里不再赘述。

在本实施例中，u(n)由单神经元PID控制器602根据e(n)生成，运动补偿单元604在生成CMV(n)过程中引入u(n)相当于在生成CMV(n)的过程中引入基于单神经元PID控制器603的控制环节。本发明改良后的运动矢量累积法原理图请参见图3。通过引入所述控制环节能够使得运动补偿单元生成精确的补偿运动矢量，从而有效消除稳态滞后效应，提高数字稳像的效果。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上对本发明所提供的一种基于单神经元PID控制器的数字稳像方法及装置进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于单神经元PID控制器的数字稳像方法，其特征在于，包括：

将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)；

根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)；

根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

2.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)包括：

计算阻尼系数α乘以前一帧图像对应的补偿运动矢量CMV(n-1)所得到的积αCMV(n-1)、所述当前帧图像对应的单神经元PID控制器输出u(n)以及当前帧图像对应的全局运动矢量GMV(n)的和值αCMV(n-1)+u(n)+GMV(n)；

将所述和值αCMV(n-1)+u(n)+GMV(n)作为当前帧图像对应的补偿运动矢量CMV(n)。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)之后进一步包括：

根据所述当前帧图像对应的补偿运动矢量CMV(n)对所述当前帧图像进行视频校正。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)之前进一步包括：

获取当前帧图像对应的全局运动矢量GMV(n)。

5.根据权利要求1或2所述的方法，其特征在于，所述根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)包括：

根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)计算当前帧图像对应的状态量x_i(n)；

根据所述当前帧图像对应的状态量x_i(n)、所述当前帧图像对应的单神经元PID控制器误差输入e(n)、前一帧图像对应的单神经元PID控制器输出u(n-1)、单神经元PID控制器学习速率η以及前一帧图像对应的连接权值w_i(n-1)计算当前帧图像对应的连接权值w_i(n)；

根据所述当前帧图像对应的连接权值w_i(n)计算当前帧图像对应的平均连接权值

根据所述当前帧图像对应的平均连接权值所述当前帧图像对应的状态量x_i(n)以及单神经元PID控制器比例系数K计算当前帧图像对应的单神经元PID控制器输出增量Δu(n)；

根据所述当前帧图像对应的单神经元PID控制器输出增量Δu(n)和前一帧图像对应的单神经元PID控制器输出u(n-1)计算当前帧图像对应的单神经元PID控制器输出u(n)。

6.一种基于单神经元PID控制器的数字稳像装置，其特征在于，包括：

第一计算单元，用于将当前帧图像对应的单神经元PID控制器参考输入r(n)与前一帧图像对应的补偿运动矢量CMV(n-1)的差值r(n)-CMV(n-1)作为当前帧图像对应的单神经元PID控制器误差输入e(n)；

单神经元PID控制器，用于根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)生成当前帧图像对应的单神经元PID控制器输出u(n)；

运动补偿单元，用于根据所述当前帧图像对应的单神经元PID控制器输出u(n)和当前帧图像对应的全局运动矢量GMV(n)生成当前帧图像对应的补偿运动矢量CMV(n)。

7.根据权利要求6所述的装置，其特征在于，所述运动补偿单元进一步包括：

第一计算子单元，用于计算阻尼系数α乘以前一帧图像对应的补偿运动矢量CMV(n-1)所得到的积αCMV(n-1)、所述当前帧图像对应的单神经元PID控制器输出u(n)以及当前帧图像对应的全局运动矢量GMV(n)的和值αCMV(n-1)+u(n)+GMV(n)；

补偿运动矢量确定单元，用于将所述和值αCMV(n-1)+u(n)+GMV(n)作为当前帧图像对应的补偿运动矢量CMV(n)。

8.根据权利要求6或7所述的装置，其特征在于，所述基于单神经元PID控制器的数字稳像装置进一步包括：

视频校正单元，用于根据所述当前帧图像对应的补偿运动矢量CMV(n)对所述当前帧图像进行视频校正。

9.根据权利要求6或7所述的装置，其特征在于，所述基于单神经元PID控制器的数字稳像装置进一步包括：

运动矢量估计单元，用于获取当前帧图像对应的全局运动矢量GMV(n)。

10.根据权利要求6或7所述的装置，其特征在于，所述单神经元PID控制器进一步包括：

第二计算子单元，用于根据所述当前帧图像对应的单神经元PID控制器误差输入e(n)计算当前帧图像对应的状态量x_i(n)；

第三计算子单元，用于根据所述当前帧图像对应的状态量x_i(n)、所述当前帧图像对应的单神经元PID控制器误差输入e(n)、前一帧图像对应的单神经元PID控制器输出u(n-1)、单神经元PID控制器学习速率η以及前一帧图像对应的连接权值w_i(n-1)计算当前帧图像对应的连接权值w_i(n)；

第四计算子单元，用于根据所述当前帧图像对应的连接权值w_i(n)计算当前帧图像对应的平均连接权值

第五计算子单元，用于根据所述当前帧图像对应的平均连接权值w_i(n)、所述当前帧图像对应的状态量x_i(n)以及单神经元PID控制器比例系数K计算当前帧图像对应的单神经元PID控制器输出增量Δu(n)；

第六计算子单元，用于根据所述当前帧图像对应的单神经元PID控制器输出增量Δu(n)和前一帧图像对应的单神经元PID控制器输出u(n-1)计算当前帧图像对应的单神经元PID控制器输出u(n)。

Images