CN107680127A - 一种基于中心映射的快速稳像方法 - Google Patents
一种基于中心映射的快速稳像方法 Download PDFInfo
- Publication number
- CN107680127A CN107680127A CN201710963091.2A CN201710963091A CN107680127A CN 107680127 A CN107680127 A CN 107680127A CN 201710963091 A CN201710963091 A CN 201710963091A CN 107680127 A CN107680127 A CN 107680127A
- Authority
- CN
- China
- Prior art keywords
- mrow
- frame image
- msub
- current frame
- mfrac
- 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
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 49
- 230000006641 stabilisation Effects 0.000 title claims abstract description 21
- 238000011105 stabilization Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims abstract description 20
- 238000012937 correction Methods 0.000 claims abstract description 9
- 230000001419 dependent effect Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010276 construction Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于中心映射的快速稳像方法,包括:分别对当前帧图像和参考帧图像做水平方向和竖直方向映射,得到当前帧图像相对参考帧图像的位移量;根据位移量,对当前帧图像和参考帧图像进行校正,以校正后的当前帧图像和参考帧图像的中心为圆心,以半径为自变量,将圆周上像素点的灰度值累计和作为因变量,构造缩放映射函数,当缩放映射函数之间的误差最小时,得到缩放系数;基于缩放系数,构造角度变换函数,当角度变换函数的误差最小时,得到旋转角度;根据位移量、缩放系数和旋转角度,采用Kalman滤波进行运动滤波,得到稳定后的当前帧图像。本发明具有快速、稳定、高效和实时的优点。
Description
技术领域
本发明属于图像处理及自动化技术领域,更具体地,涉及一种基于中心映射的快速稳像方法。
背景技术
灰度投影算法作为传统的稳像算法之一,在处理视频稳像中具有速度快,稳定性高的特点,然而灰度投影算法只能求出在水平和垂直方向的位移量,不能处理存在旋转和缩放的视频。然而如sift、surf等的特征点的检测算法,虽然可以求出旋转和缩放,但是运行速度慢,稳定性不高,不适合实时的视频稳像。
由此可见,现有技术存在只能求出在水平和垂直方向的位移量或者可以求出旋转和缩放,但是运行速度慢,稳定性不高,不适合实时的视频稳像的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于中心映射的快速稳像方法,由此解决现有技术存在只能求出在水平和垂直方向的位移量或者可以求出旋转和缩放,但是运行速度慢,稳定性不高,不适合实时的视频稳像的技术问题。
为实现上述目的,本发明提供了一种基于中心映射的快速稳像方法,包括:
(1)将视频图像的第(k-1)帧作为参考帧图像,将视频图像的第k帧作为当前帧图像,分别对当前帧图像和参考帧图像做水平方向和竖直方向映射,得到当前帧图像相对参考帧图像的位移量;
(2)根据位移量,对当前帧图像和参考帧图像进行校正,使当前帧图像和参考帧图像的中心对齐,得到校正后的当前帧图像;
(3)以校正后的当前帧图像和参考帧图像的中心为圆心,以半径为自变量,将圆周上像素点的灰度值累计和作为因变量,构造当前帧图像的缩放映射函数和参考帧图像的缩放映射函数,当前帧图像的缩放映射函数和参考帧图像的缩放映射函数之间的误差最小时,得到缩放系数;
(4)基于缩放系数,构造当前帧图像的角度变换函数和参考帧图像的角度变换函数,当前帧图像的角度变换函数和参考帧图像的角度变换函数的误差最小时,得到旋转角度;
(5)根据位移量、缩放系数和旋转角度,采用Kalman滤波进行运动滤波,得到稳定后的当前帧图像。
进一步的,步骤(3)包括:
(3-1)以校正后的当前帧图像和参考帧图像的中心为圆心,半径r为自变量,将半径为r的圆周上360个像素点的灰度值累计和作为因变量,360个像素点对应的圆心角度分别是构造当前帧图像的缩放映射函数S(r)和参考帧图像的缩放映射函数Sk-1(r):
其中,在计算和时采用双线性差值,n表示第n个像素点,1≤n≤360;
(3-2)假设缩放系数为λ,Sk(λr)=Sk-1(r),当r=et时,对当前帧图像的缩放映射函数和参考帧图像的缩放映射函数进行对数变换,得到对数变换后的当前帧图像的缩放映射函数Hk-1(t)和对数变换后的参考帧图像的缩放映射函数Hk(t),Hk(t)与Hk-1(t)之间的关系为:
其中,Δt为Hk(t)与Hk-1(t)之间的平移量,t为对数变换后的函数自变量;
(3-3)Hk(t)与Hk-1(t)之间的缩放误差Ezoom(ν)为:
其中,[Tmin,Tmax]是t的取值范围,(M/2,N/2)为圆心坐标,ν为步长,步长的范围-0.4~0.4,当缩放误差最小时,得到平移量Δt,进而得到缩放系数λ=eΔt。
进一步的,步骤(4)包括:
(4-1)以校正后的当前帧图像和参考帧图像的中心(N/2,M/2)为圆心,半径为R,以不同的角度方向θ为自变量,将圆心到圆周上点(R cosθ,R sinθ)的灰度值累计和作为因变量,构造当前帧图像的角度变换函数Gk(θ)和参考帧图像的角度变换函数Gk-1(θ),
其中,ε为精度,ε∈[0.1°,1°];
(4-2)当前帧图像的角度变换函数和参考帧图像的角度变换函数之间的角度误差Eangle(υ)为:
其中,α为旋转角度,υ为精度步长,精度步长的范围是-3°~3°,当角度误差最小时,得到旋转角度。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)在计算图像缩放系数方面,现有技术(如sift,surf)需要计算两张图像的关键点,然后在计算仿射矩阵。现有技术一方面计算关键点存在大量的误匹配,另一方面计算速度慢,达不到实时性的要求。本发明由于是采用累计灰度值和的方法,计算速度快,同时又针对图像缩放建立缩放映射函数,得到的缩放系数符合精度要求。
(2)在计算图像旋转方面,传统的灰度投影方法只能计算出水平和竖直方向上的位移,然而无法计算出旋转角度。本发明克服了传统灰度投影算法只能求解图像的平移的缺点,同时具有快速、稳定、高效和实时的优点。
附图说明
图1是本发明实施例提供的一种基于中心映射的快速稳像方法的流程图;
图2(a)是本发明实施例提供的图像缩放示意图;
图2(b)是本发明实施例提供的缩放映射示意图;
图3是本发明实施例提供的求解缩放系数示意图;
图4是本发明实施例提供的图像旋转示意图;
图5是本发明实施例提供的角度算法流程图;
图6(a)是本发明实施例提供的远景场景下的稳像效果图;
图6(b)是本发明实施例提供的近景场景下的稳像效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,一种基于中心映射的快速稳像方法,包括:
(1)将视频图像的第(k-1)帧作为参考帧图像,将视频图像的第k帧作为当前帧图像,分别对当前帧图像和参考帧图像做水平方向和竖直方向映射,得到当前帧图像相对参考帧图像的位移量;
以当前帧图像为例,将当前帧图像映射成两个一维函数序列,当前帧图像的行、列映射函数公式如下:
其中M为当前帧图像的行数,N为当前帧图像的列数,Rk(j)为行映射函数,Ck(i)为列映射函数,fk(i,j)为当前帧图像(i,j)位置的灰度值。
计算当前帧图像(第k帧)行映射函数Rk(j)与参考帧(第k-1帧)行映射函数Rk-1(j)的互相关。计算式如下:
其中:
其中m是检测当前帧图像偏移的范围,一般取值在10个像素到20个像素之间,Corr(i)表示互相关运算值,其最小值即为最小映射互相值所对应的位置,故纵向(Y)位移量Dy=Imin。同理求列映射函数互相关运算,可以得到横向(X)位移。
(2)根据位移量,对当前帧图像和参考帧图像进行校正,使当前帧图像和参考帧图像的中心对齐,得到校正后的当前帧图像;
(3)以校正后的当前帧图像和参考帧图像的中心为圆心,半径r为自变量,将半径为r的圆周上360个像素点的灰度值累计和作为因变量,360个像素点对应的圆心角度分别是构造当前帧图像的缩放映射函数S(r)和参考帧图像的缩放映射函数Sk-1(r):
其中,在计算和时采用双线性差值,n表示第n个像素点,1≤n≤360;
如图2(a)和2(b)所示,假设缩放系数为λ,Sk(λr)=Sk-1(r),当r=et时,对当前帧图像的缩放映射函数和参考帧图像的缩放映射函数进行对数变换,得到对数变换后的当前帧图像的缩放映射函数Hk-1(t)和对数变换后的参考帧图像的缩放映射函数Hk(t),Hk(t)与Hk-1(t)之间的关系为:
其中,Δt为Hk(t)与Hk-1(t)之间的平移量,t为对数变换后的函数自变量;
Hk(t)与Hk-1(t)之间的缩放误差Ezoom(ν)为:
其中,[Tmin,Tmax]是t的取值范围,(M/2,N/2)为圆心坐标,ν为步长,步长的范围-0.4~0.4,当缩放误差最小时,得到平移量Δt,进而得到缩放系数λ=eΔt。由对数变换可得Tmin,Tmax的取值范围:
Δt=arg min[Ezoom(ν)],ν=-0.4,-0.3,...,0.4,如图3所示,当前帧图像相对参考帧图像实际缩放系数λreal=1.400。求出两图缩放函数曲线S(r),明显看出Sk(r)在Sk-1(r)基础上进行拉伸,在半径越大处拉伸幅度越大。对数变换后得到H曲线,明显看出Hk是Hk-1曲线向前平移34个步长得到。根据精度步长,得Δt=0.34,计算出缩放系数λ=e0.34=1.4049,计算相对误差η=|λ-λreal|/λreal×100%=3.5%,在稳像允许误差范围内,满足稳像的要求。
(4)以校正后的当前帧图像和参考帧图像的中心(N/2,M/2)为圆心,半径为R,以不同的角度方向θ为自变量,将圆心到圆周上点(R cosθ,R sinθ)的灰度值累计和作为因变量,构造当前帧图像的角度变换函数Gk(θ)和参考帧图像的角度变换函数Gk-1(θ),
其中,ε为精度,ε取值过大则计算速度快但是精度低,过小则计算速度慢精度高,ε∈[0.1°,1°];
其中半径R为常量,R取值过大则计算角度时更加稳定,但计算速度慢,取值过小则计算角度时误差更大但计算速度快,R的取值范围:
由图4可知,设旋转角度为α,可得参考帧图像和当前帧图像的角度映射函数的关系,如下:
Gk-1(θ)=Gk(θ+α)
当前帧图像的角度变换函数和参考帧图像的角度变换函数之间的角度误差Eangle(υ)为:
其中,α为旋转角度,υ为精度步长,精度步长的范围是-3°~3°,当角度误差最小时,得到旋转角度。
α=arg min[Eangle(υ)]υ=-3°,-2.9°,...,3°
如图5所示,本发明实施例优选的,首先估计当前帧图像与参考帧图像缩放的缩放系数λ=1.00。画出当前帧图像和参考帧图像的角度投影函数曲线G(θ,λ),可以看出两帧图像对应的曲线形状几乎相同,只存在一个平移量,该平移量是100。随后画出旋转误差函数Eangle(υ),误差最小值在-100处取得,则可以得到旋转角度α=100×0.1°=10°。
(5)根据位移量、缩放系数和旋转角度,采用Kalman滤波进行运动滤波,得到稳定后的当前帧图像。
采用Kalman滤波进行运动滤波。构造状态模型X(k|k-1)=A·X(k-1)+Q和观测模型Z(k)=H·S(k)+R,
其中X(k)为状态矢量,Z(k)为观测矢量,Q为过程噪声,R为观测噪声。
X(k)=Z(k)=[dx,dy,θ]T
其中dx,dy,θ分别为当前帧图像相对参考帧图像的水平位移,竖直位移和旋转角度。通过递归Kalman滤波迭代计算出最优的在考虑到缩放系数λ,则通过仿射变换得到稳定后的当前帧图像,计算式如下
其中[x,y]为稳定前当前帧图像坐标,[x′,y′]为稳定后当前帧图像坐标。
图6(a)是本发明实施例提供的远景场景下的稳像效果图;针对远景房屋(640×480)视频。原始视频中可以看出,该视频中存在剧烈旋转。从固定不变的两条辅助线,可以看出视频晃动明显。本发明实施例的稳像效果相较传统投影算法,根据两条辅助线可以看出,图像几乎不偏移辅助线,从而说明稳定效果更好。
图6(b)是本发明实施例提供的近景场景下的稳像效果图。针对近景装饰画(640×360)的抖动视频,原始视频可以看出,该视频中存在平移和缩放。从固定不变的两条辅助线,可以看出装饰画上下左右晃动。本发明实施例的稳像效果相较传统投影算法,根据两条辅助线相交的交点,交点在图像的位置几乎没有发生变化。从而说明稳像效果更好。
本发明在传统投影的基础上,从图6(a)和(b)中可以看出,在处理远景图像和近景图像上,利用圆的各向同性和实际图像缩放和旋转的数学模型,分别求解平移,缩放系数和旋转角度,再利用kalman滤波消除平移、缩放和旋转抖动,从而得到稳定的视频图像。本发明满足实时性稳像要求。本发明的技术克服了传统灰度投影算法只能求解图像的平移的缺点,同时与特征点检测的稳像算法相比,又具备快速和稳定的优点,是一种高效且实时的稳像算法。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于中心映射的快速稳像方法,其特征在于,包括:
(1)将视频图像的第(k-1)帧作为参考帧图像,将视频图像的第k帧作为当前帧图像,分别对当前帧图像和参考帧图像做水平方向和竖直方向映射,得到当前帧图像相对参考帧图像的位移量;
(2)根据位移量,对当前帧图像和参考帧图像进行校正,使当前帧图像和参考帧图像的中心对齐,得到校正后的当前帧图像;
(3)以校正后的当前帧图像和参考帧图像的中心为圆心,以半径为自变量,将圆周上像素点的灰度值累计和作为因变量,构造当前帧图像的缩放映射函数和参考帧图像的缩放映射函数,当前帧图像的缩放映射函数和参考帧图像的缩放映射函数之间的误差最小时,得到缩放系数;
(4)基于缩放系数,构造当前帧图像的角度变换函数和参考帧图像的角度变换函数,当前帧图像的角度变换函数和参考帧图像的角度变换函数的误差最小时,得到旋转角度;
(5)根据位移量、缩放系数和旋转角度,采用Kalman滤波进行运动滤波,得到稳定后的当前帧图像。
2.如权利要求1所述的一种基于中心映射的快速稳像方法,其特征在于,所述步骤(3)包括:
(3-1)以校正后的当前帧图像和参考帧图像的中心为圆心,半径r为自变量,将半径为r的圆周上360个像素点的灰度值累计和作为因变量,360个像素点对应的圆心角度分别是构造当前帧图像的缩放映射函数S(r)和参考帧图像的缩放映射函数Sk-1(r):
<mrow>
<msub>
<mi>S</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mover>
<mo>=</mo>
<mi>&Delta;</mi>
</mover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>360</mn>
</munderover>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>r</mi>
<mi> </mi>
<mi>cos</mi>
<mfrac>
<mrow>
<mi>n</mi>
<mi>&pi;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>,</mo>
<mi>r</mi>
<mi> </mi>
<mi>sin</mi>
<mfrac>
<mrow>
<mi>n</mi>
<mi>&pi;</mi>
</mrow>
<mn>180</mn>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mover>
<mo>=</mo>
<mi>&Delta;</mi>
</mover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>360</mn>
</munderover>
<msub>
<mi>f</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>r</mi>
<mi> </mi>
<mi>cos</mi>
<mfrac>
<mrow>
<mi>n</mi>
<mi>&pi;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>,</mo>
<mi>r</mi>
<mi> </mi>
<mi>sin</mi>
<mfrac>
<mrow>
<mi>n</mi>
<mi>&pi;</mi>
</mrow>
<mn>180</mn>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
其中,在计算和对采用双线性差值,n表示第n个像素点,1≤n≤360;
(3-2)假设缩放系数为λ,Sk(λr)=Sk-1(r),当r=et时,对当前帧图像的缩放映射函数和参考帧图像的缩放映射函数进行对数变换,得到对数变换后的当前帧图像的缩放映射函数Hk-1(t)和对数变换后的参考帧图像的缩放映射函数Hk(t),Hk(t)与Hk-1(t)之间的关系为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>=</mo>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,Δt为Hk(t)与Hk-1(t)之间的平移量,t为对数变换后的函数自变量;
(3-3)Hk(t)与Hk-1(t)之间的缩放误差Ezoom(ν)为:
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>z</mi>
<mi>o</mi>
<mi>o</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mover>
<mo>=</mo>
<mi>&Delta;</mi>
</mover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
其中,[Tmin,Tmax]是t的取值范围,(M/2,N/2)为圆心坐标,ν为步长,步长的范围-0.4~0.4,当缩放误差最小时,得到平移量Δt,进而得到缩放系数λ=eΔt。
3.如权利要求2所述的一种基于中心映射的快速稳像方法,其特征在于,所述步骤(4)包括:
(4-1)以校正后的当前帧图像和参考帧图像的中心(N/2,M/2)为圆心,半径为R,以不同的角度方向θ为自变量,将圆心到圆周上点(R cosθ,R sinθ)的灰度值累计和作为因变量,构造当前帧图像的角度变换函数Gk(θ)和参考帧图像的角度变换函数Gk-1(θ),
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>R</mi>
</munderover>
<msub>
<mi>f</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>r</mi>
<mi> </mi>
<mi>cos</mi>
<mi>&theta;</mi>
<mo>,</mo>
<mi>r</mi>
<mi> </mi>
<mi>sin</mi>
<mi>&theta;</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&pi;</mi>
<mi>&epsiv;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>,</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>&epsiv;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>G</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>R</mi>
</munderover>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>&lambda;</mi>
<mi>r</mi>
<mi> </mi>
<mi>cos</mi>
<mi>&theta;</mi>
<mo>,</mo>
<mi>&lambda;</mi>
<mi>r</mi>
<mi> </mi>
<mi>sin</mi>
<mi>&theta;</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&pi;</mi>
<mi>&epsiv;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>,</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>&epsiv;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,ε为精度,ε∈[0.1°,1°];
(4-2)当前帧图像的角度变换函数和参考帧图像的角度变换函数之间的角度误差Eangle(υ)为:
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&upsi;</mi>
<mo>)</mo>
</mrow>
<mover>
<mo>=</mo>
<mi>&Delta;</mi>
</mover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>360</mn>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mi>&pi;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>G</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mi>&pi;</mi>
</mrow>
<mn>180</mn>
</mfrac>
<mo>+</mo>
<mi>&upsi;</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
其中,α为旋转角度,υ为精度步长,精度步长的范围是-3°~3°,当角度误差最小时,得到旋转角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710963091.2A CN107680127B (zh) | 2017-10-11 | 2017-10-11 | 一种基于中心映射的快速稳像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710963091.2A CN107680127B (zh) | 2017-10-11 | 2017-10-11 | 一种基于中心映射的快速稳像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107680127A true CN107680127A (zh) | 2018-02-09 |
CN107680127B CN107680127B (zh) | 2019-11-12 |
Family
ID=61140580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710963091.2A Expired - Fee Related CN107680127B (zh) | 2017-10-11 | 2017-10-11 | 一种基于中心映射的快速稳像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107680127B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231792A (zh) * | 2011-06-29 | 2011-11-02 | 南京大学 | 基于特征匹配的电子稳像方法 |
CN103237156A (zh) * | 2013-04-02 | 2013-08-07 | 哈尔滨工业大学 | 应用于电子稳像的改进块匹配算法 |
CN103841298A (zh) * | 2014-02-25 | 2014-06-04 | 浙江理工大学 | 一种基于颜色恒量和几何不变特征的视频稳像方法 |
CN106372598A (zh) * | 2016-08-31 | 2017-02-01 | 广州精点计算机科技有限公司 | 一种基于图像特征检测的消除视频旋转和抖动的稳像方法 |
-
2017
- 2017-10-11 CN CN201710963091.2A patent/CN107680127B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231792A (zh) * | 2011-06-29 | 2011-11-02 | 南京大学 | 基于特征匹配的电子稳像方法 |
CN103237156A (zh) * | 2013-04-02 | 2013-08-07 | 哈尔滨工业大学 | 应用于电子稳像的改进块匹配算法 |
CN103841298A (zh) * | 2014-02-25 | 2014-06-04 | 浙江理工大学 | 一种基于颜色恒量和几何不变特征的视频稳像方法 |
CN106372598A (zh) * | 2016-08-31 | 2017-02-01 | 广州精点计算机科技有限公司 | 一种基于图像特征检测的消除视频旋转和抖动的稳像方法 |
Non-Patent Citations (3)
Title |
---|
HONG ZHANG等: ""Fast digital image stabilization algorithm based on polar transform and circular block matching"", 《2008 9TH INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING》 * |
XIE TIAN 等: ""A circular-projection based digital image stabilization algorithm and its implementation for rotating image sequences"", 《IEEE 10TH INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING PROCEEDINGS》 * |
杜登崇等: ""可同时估计旋转和平移的电子稳像方法"", 《计算机工程与应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN107680127B (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090958B (zh) | 一种机器人同步定位和地图构建方法和系统 | |
CN106780576B (zh) | 一种面向rgbd数据流的相机位姿估计方法 | |
CN102156970B (zh) | 基于畸变直线斜率计算的鱼眼图像校正方法 | |
WO2017054589A1 (zh) | 一种多深度图融合方法及装置 | |
CN107590827A (zh) | 一种基于Kinect的室内移动机器人视觉SLAM方法 | |
US20170019653A1 (en) | Non-feature extraction-based dense sfm three-dimensional reconstruction method | |
CN110322492B (zh) | 一种基于全局优化的空间三维点云配准方法 | |
CN103106688A (zh) | 基于双层配准方法的室内三维场景重建方法 | |
CN106408596B (zh) | 基于边缘的局部立体匹配方法 | |
CN108615244A (zh) | 一种基于cnn和深度滤波器的图像深度估计方法及系统 | |
CN105005964B (zh) | 基于视频序列影像的地理场景全景图快速生成方法 | |
CN108305277B (zh) | 一种基于直线段的异源图像匹配方法 | |
CN109816706B (zh) | 一种平滑约束与三角网等比例剖分像对稠密匹配方法 | |
CN104754182B (zh) | 基于自适应运动滤波的高分辨航拍视频稳相方法 | |
CN110211169B (zh) | 基于多尺度超像素和相位相关的窄基线视差的重构方法 | |
CN108022261B (zh) | 一种基于改进光流场模型的非刚性图像配准方法 | |
Xia et al. | Globally consistent alignment for planar mosaicking via topology analysis | |
CN104079800A (zh) | 一种视频监控中视频图像的抗抖动方法 | |
CN106780309A (zh) | 一种合成孔径雷达图像拼接方法 | |
CN110580715B (zh) | 一种基于照度约束和格网变形的图像对齐方法 | |
Kneip et al. | SDICP: Semi-Dense Tracking based on Iterative Closest Points. | |
Le Besnerais et al. | Dense height map estimation from oblique aerial image sequences | |
CN107680127A (zh) | 一种基于中心映射的快速稳像方法 | |
Zhao et al. | Linear MonoSLAM: A linear approach to large-scale monocular SLAM problems | |
Wang et al. | A real-time correction and stitching algorithm for underwater fisheye images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191112 Termination date: 20201011 |