CN117528065B - 相机扰动效果评估及消除方法、装置、设备及存储介质 - Google Patents
相机扰动效果评估及消除方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117528065B CN117528065B CN202311829753.9A CN202311829753A CN117528065B CN 117528065 B CN117528065 B CN 117528065B CN 202311829753 A CN202311829753 A CN 202311829753A CN 117528065 B CN117528065 B CN 117528065B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency domain
- disturbance
- image index
- camera
- 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.)
- Active
Links
- 230000000694 effects Effects 0.000 title claims abstract description 121
- 230000008030 elimination Effects 0.000 title claims abstract description 93
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000011156 evaluation Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 47
- 238000005457 optimization Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 25
- 238000000354 decomposition reaction Methods 0.000 claims description 23
- 238000009432 framing Methods 0.000 claims description 23
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000009795 derivation Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 3
- 238000012545 processing Methods 0.000 abstract description 13
- 238000011158 quantitative evaluation Methods 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000006073 displacement reaction Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及图像处理技术领域，公开了一种相机扰动效果评估及消除方法、装置、设备及存储介质，该方法包括：对待处理信号进行分解后再进行逐个剔除以生成多个第二信号集，然后根据对多个第二信号集进行频域分析后得到的曲线信息以及镜像指标公式得到多个频域镜像指标，再基于最大频域镜像指标确定扰动信号，将该扰动信号剔除从而得到扰动消除信号。本发明通过确定频域镜像指标来对扰动效果进行量化评估，从而确定待处理信号中扰动效果严重的部分，并对该部分进行剔除，进而得到准确的扰动消除信号，实现了相机扰动效果的评估及消除。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种相机扰动效果评估及消除方法、装置、设备及存储介质。
背景技术
在基于视觉的振动测量技术中，都是利用摄像机或传感器捕捉物体表面在振动作用下的位移信息来实现振动测量，其具有测量精度高、监测距离远、无需直接接触被测物体、监测成本低等优点，相比接触式测量方法，具有更为广阔的应用场景以及技术优势。然而，基于视觉的振动测量技术，在测量应用过程中，不可避免地会受到外界环境振动噪声的干扰，导致摄像头在采集影像数据的过程中存在相机扰动，进而影响基于影像数据分析得到的结构振动时程信号的准确性。因此，如何消除相机扰动效果，成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种相机扰动效果评估及消除方法、装置、设备及存储介质，旨在解决消除相机扰动效果的技术问题。
为实现上述目的，本发明提供了一种相机扰动效果评估及消除方法，所述方法包括以下步骤:
对待处理信号进行信号分解，得到第一信号集，其中，所述待处理信号为对相机所拍摄的视频进行分析后得到的信号；
每次从所述第一信号集中选取一个不同的信号进行剔除，获得多个第二信号集；
对所述多个第二信号集进行频域分析，得到曲线信息集；
基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，其中，所述频域镜像指标集中包括多个频域镜像指标，且各频域镜像指标与从所述第一信号集中剔除的信号相对应；
所述镜像指标公式为：
其中，·表示向量点乘运算，| |表示绝对值运算，×表示乘法数值运算，和分别表示f(i)的标准差以及F(i)的标准差，和分别表示f(i)和F(i)的平均值,K k表示剔除第k阶模态信号的频域镜像指标。
从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号。
可选地，在所述对待处理信号进行信号分解，得到第一信号集之前，还包括：
对相机所拍摄的视频进行归一化处理，得到归一化视频；
将所述归一化视频进行分帧，得到分帧帧集；
将预设归一化模板按照第一预设规则分别在所述分帧帧集中每一帧上移动，并根据每次移动位置的映射值确定相似矩阵，得到多个相似矩阵；
分别对所述多个相似矩阵中的每一相似矩阵进行重构，得到重构矩阵集；
获取所述重构矩阵集中每一重构矩阵对应的最大值，得到最大值集；
获取所述分帧帧集的帧数，根据所述分帧帧集的帧数与所述最大值集，确定振动时程信号，并将所述振动时程信号作为所述待处理信号。
可选地，所述对待处理信号进行信号分解，得到第一信号集，包括：
将所述待处理信号进行初始化处理，得到初始化信号；
剔除所述初始化信号中的直流高频信号，得到初步信号；
按照预设分层数对所述初步信号进行信号分解，得到所述第一信号集。
可选地，在所述对所述多个第二信号集进行频域分析，得到曲线信息集之前，还包括：
获取所述多个第二信号集对应的本征函数；
根据所述本征函数与预设参数确定对应的本征函数优选值与所述预设参数的优选值；
若所述预设参数的优选值满足预设迭代停止标准，则对所述对应的本征函数优选值进行重构，得到所述多个第二信号集对应的优化重构频谱集。
可选地，所述根据所述本征函数与预设参数确定对应的本征函数优选值与所述预设参数的优选值，包括：
将所述预设参数分为本征频率与正则参数；
根据所述本征函数、所述本征频率与所述正则参数构建优化公式：
其中，为第K个本征函数，为第K个本征频率，为第K个正则参数，t为时间，K为本征函数数量，为所述待处理信号。
固定所述本征函数与所述正则参数，根据所述优化公式，对所述本征频率进行求偏导，得到本征频率优选值；
固定所述正则参数与所述本征频率，根据所述优化公式，对所述本征函数进行求偏导，得到本征函数优选值，并将所述本征函数优选值更新至所述优化公式中；
固定所述本征函数与所述本征频率，根据所述优化公式对所述正则参数进行求偏导，得到正则参数优选值。
可选地，所述基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，包括：
获取加速度计采集的加速度信号，所述加速度计设置在相机所拍摄的物体上；
将所述加速度信号进行频域转换，得到参考信号；
基于所述曲线信息集中的曲线信息，得到多个频域镜像信号；
分别计算所述频域镜像信号与所述参考信号的一阶导数与二阶导数，得到导数计算结果集；
根据所述导数计算结果集与所述镜像指标公式，得到频域镜像指标集。
可选地，所述从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号，包括：
对所述频域镜像指标集中的所述多个频域镜像指标进行对比计算，得到所述频域镜像指标集中的最大值，并将所述频域镜像指标集中的最大值作为最大频域镜像指标；
根据所述最大频域镜像指标，确定所述最大频域镜像指标从所述第一信号集中对应剔除的信号，并将所述最大频域镜像指标从所述第一信号集中对应剔除的信号作为剔除信号；
根据所述剔除信号与预设阶数数据，确定所述待处理信号中的扰动信号；
在所述待处理信号中剔除所述扰动信号，得到扰动消除信号。
此外，为实现上述目的，本发明还提出一种相机扰动效果评估及消除装置，所述相机扰动效果评估及消除装置包括：
信号分解模块，用于对待处理信号进行信号分解，得到第一信号集，其中，所述待处理信号为对相机所拍摄的视频进行分析后得到的信号；
剔除生成模块，用于每次从所述第一信号集中选取一个不同的信号进行剔除，获得多个第二信号集；
频域分析模块，用于对所述多个第二信号集进行频域分析，得到曲线信息集；
频域镜像模块，用于基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，其中，所述频域镜像指标集中包括多个频域镜像指标，且各频域镜像指标与从所述第一信号集中剔除的信号相对应；
扰动消除模块，用于从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号。
此外，为实现上述目的，本发明还提出一种相机扰动效果评估及消除设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的相机扰动效果评估及消除程序，所述相机扰动效果评估及消除程序配置为实现如上文所述的相机扰动效果评估及消除方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有相机扰动效果评估及消除程序，所述相机扰动效果评估及消除程序被处理器执行时实现如上文所述的相机扰动效果评估及消除方法的步骤。
本发明通过对待处理信号进行分解后再进行逐个剔除以生成多个第二信号集，然后根据对多个第二信号集进行频域分析后得到的曲线信息与镜像指标公式得到多个频域镜像指标，再基于最大频域镜像指标确定扰动信号，将该扰动信号剔除从而得到扰动消除信号，提升了振动测量的准确度，实现了相机扰动效果评估及消除。本发明通过确定频域镜像指标来对扰动效果进行量化评估，从而确定振动时程信号中扰动效果严重的部分，并对该部分进行剔除，进而得到准确的振动时程信号，提升了振动测量的准确度，实现了相机扰动效果评估及消除。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的相机扰动效果评估及消除设备的结构示意图；
图2为本发明相机扰动效果评估及消除方法第一实施例的流程示意图；
图3为本发明相机扰动效果评估及消除方法第二实施例中一子流程示意图；
图4为本发明相机扰动效果评估及消除方法第二实施例中又一子流程示意图；
图5为本发明相机扰动效果评估及消除方法第二实施例中又一子流程示意图；
图6为本发明相机扰动效果评估及消除方法第二实施例中一子流程示意图；
图7为本发明相机扰动效果评估及消除方法第三实施例中一子流程示意图；
图8为本发明相机扰动效果评估及消除装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的相机扰动效果评估及消除设备结构示意图。
如图1所示，该相机扰动效果评估及消除设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对相机扰动效果评估及消除设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及相机扰动效果评估及消除程序。
在图1所示的相机扰动效果评估及消除设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明相机扰动效果评估及消除设备中的处理器1001、存储器1005可以设置在相机扰动效果评估及消除设备中，所述相机扰动效果评估及消除设备通过处理器1001调用存储器1005中存储的相机扰动效果评估及消除程序，并执行本发明实施例提供的相机扰动效果评估及消除方法。
本发明实施例提供了一种相机扰动效果评估及消除方法，参照图2，图2为本发明相机扰动效果评估及消除方法第一实施例的流程示意图。
本实施例中，所述相机扰动效果评估及消除方法包括以下步骤：
步骤S1：对待处理信号进行信号分解，得到第一信号集，其中，所述待处理信号为对相机所拍摄的视频进行分析后得到的信号；
需要说明的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的计算服务设备，例如手机、平板电脑、个人电脑等，还可以是能够实现相同或相似功能的其他电子设备。此处以上述相机扰动效果评估及消除设备对本实施例和下述各实施例提供的相机扰动效果评估及消除方法进行具体说明。
请参阅图2，图2为本发明相机扰动效果评估及消除方法第一实施例的流程示意图。
具体的，所述待处理信号为获取相机所拍摄视频后，再对该所拍摄视频中的被测物体进行位移时程分析，进而得到的位移时程信号。其中，位移时程分析指的是对被测物体所发生位移与时间的关系进行记录与分析。
进一步的，在对待处理信号进行信号分解之前，先需获取相机所拍摄的视频，然后对所拍摄的视频进行位移时程分析，并将分析结果作为待处理信号。信号分解的原理是通过将一个信号分解成多个局部函数，每个局部函数对应一个频率和振幅。将该待处理信号进行信号分解后得到的多个局部函数作为第一信号集。将一个位移时程信号分解为多个局部函数，使得位移时程信号分析的精度更大，有利于后续确定因为相机扰动产生的位移，提升了相机扰动效果剔除的效果。
可选的，在对待处理信号进行信号分解前，构建一个通过大量振动时程信号训练出的异常时程信号判别模型，然后采用该异常时程信号判别模型对该待处理信号进行判别，并根据处理结果对待处理信号进行异常消除，然后再对经过异常消除的待处理信号进行信号分解，得到第一信号集，通过对待处理信号进行初步的异常消除，可提高后续曲线信息的准确性，使得频域镜像指标更精确，从而更准确的划分出扰动信号。
步骤S2：每次从所述第一信号集中选取一个不同的信号进行剔除，获得多个第二信号集；
步骤S3：对所述多个第二信号集进行频域分析，得到曲线信息集；
具体的，第一次先删除第一信号集中的第一个信号，然后将删除该信号后的第一信号集作为第二信号集，第二次删除第一信号集中的第二个信号，然后将删除该信号后的第一信号集作为第二信号集，循环上述操作，进而得到多个第二信号集。需要说明的是，对于删除的顺序并无限制，只需删除第一信号集中未经过删除的信号即可。例如，如果第一次删除的是第一信号集的第一个信号，得到一个第二信号集，那么第二次删除的信号只要是除第一信号集的第一个信号之外的任一信号即可，从而得到另一个第二信号集。进一步的，得到的第二信号集的数量取决于该第一信号集中信号的数量，第一信号集中有多少个信号，就执行了多少次删除操作，进而得到相同数量的第二信号集。
通过公式1分别对各个第二信号集进行频域分析，该公式1为：
其中，是第t个时域离散点的振动时程信号，i为与t对应的频域离散点信号，N为信号的时域长度；f(k)为结构振动时程信号的频域向量。
通过该公式1将第二信号集中的时域信号转换为频域信号，即通过将第二信号集中的信号分解成一系列不同频率的正弦波，用以表示该信号在频域的特征。进一步的，通过公式1可以将一个时域信号表示为一系列复数的和，其中每个复数代表了一个不同频率的正弦波的振幅和相位，这些复数即为该信号的频域表示。
第二信号集中的信号可以表示为不同频率的正弦信号的合成，第二信号集中的信号在不同频率的正弦函数作用时的稳态输出和输入信号之间关系的数学模型为频率特性，其是对第二信号集进行频域转化时，该第二信号集的频率响应与正弦输入信号的复数比；根据频率特性可对该第二信号集进行线性研究。对多个第二信号集进行频域分析，就是计算各种频率的正弦波在信号中所占的比例。
进一步的，对第二信号集进行频域分析时，还可以保留部分幅值比较大的正弦波分量，以备将来恢复信号，这样做在实际应用中有不少好处，例如减少表示信号所需的数据、节省存储数据的存储器、节省传输数据的时间、增加通信线路的使用效率等。通过对多个第二信号集进行频域分析，实现了从频率的角度对多个第二信号集进行分析，得到多个频谱后生成曲线信息集，实现了对多个第二信号集进行动态分析，有利于找出信号中相机扰动效果大的部分，提高了相机扰动效果评估及消除的准确性与效果。
S4：基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，其中，所述频域镜像指标集中包括多个频域镜像指标，且各频域镜像指标与从所述第一信号集中剔除的信号相对应；所述镜像指标公式为：
其中，·表示向量点乘运算，| |表示绝对值运算，×表示乘法数值运算；和分别表示f(i)的标准差以及F(i)的标准差；和分别表示f(i)和F(i)的平均值。K k表示剔除第k阶模态信号的频域镜像指标。
具体的，曲线信息集中包括多条曲线，曲线信息包括曲线的曲线幅值、曲线形状与曲力半径，根据每条曲线的曲线幅值、曲线形状与曲力半径，得到一个频域镜像指标，该频域镜像指标可用来评估量化该条曲线对应的第二信号集相比于第一信号集所缺少的信号（第一信号集剔除该信号后生成该第二信号集）的扰动效果。进而根据多条曲线的曲线幅值、曲线形状与曲力半径，得到多个频域镜像指标，实现对第一信号集中的每个信号进行扰动效果的评估量化。
应理解的是，在上述步骤中，已得到第二信号集的数量与第一信号集中所包括信号的数量相同，由于每个第二信号集对应一条曲线，因此频域镜像指标集中的频域镜像指标的数量与第一信号集中包括的信号的数量也相同，并且每一频域镜像指标对应第一信号集中的一个信号。
进一步的，通过曲线信息集中的曲线信息确定频域镜像指标集，实现了对信号的扰动效果进行评估量化，便于后续对扰动效果进行优化处理，提高了相机扰动效果评估及消除的准确性与效率。
S5：从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号。
具体的，最大频域镜像指标为多个频域镜像指标中的最大值，先确定多个频域镜像指标中的最大值，然后根据预设阶数数据，确定需要剔除的范围。需要说明的是，预设阶数数据为根据不同需求人为设定的一个数值，需要剔除的范围指的是在不同需求下作为扰动信号来进行剔除的部分，即扰动信号。例如，若预设阶数数据为10，那么将最大频域镜像指标对应的信号以及该最大频域镜像指标对应的信号之前10阶的全部信号作为扰动信号并进行剔除，以得到扰动消除信号。其中，在一定范围内，预设阶数数据越大，需要剔除的范围也就越大，即进行扰动消除的效果就越好。应当理解的是，预设阶数数据不能超过待处理信号的阶数，以避免全部剔除。
进一步的，根据公式2对扰动信号进行剔除，该公式2为：
其中，为得到的扰动消除信号，为待处理信号，为最大频域镜像指标对应的信号，s为预设阶数数据，t为时间。
应当理解的是，相机的扰动大多是由于外界环境振动噪声的干扰，很难通过人眼识别出扰动效果，通过频域镜像指标来量化扰动效果，可从而准确找出信号中存在扰动效果的区域，提高了相机扰动效果评估及消除的准确性与效率。
本发明通过对待处理信号进行分解后再进行逐个剔除以生成多个第二信号集，然后根据对多个第二信号集进行频域分析后得到的曲线信息以及镜像指标公式得到多个频域镜像指标，再基于最大频域镜像指标确定扰动信号，将该扰动信号剔除从而得到扰动消除信号，提升了振动测量的准确度，实现了相机扰动效果评估及消除。本发明通过确定频域镜像指标来对扰动效果进行量化评估，从而确定振动时程信号中扰动效果严重的部分，并对该部分进行剔除，进而得到准确的振动时程信号，提升了振动测量的准确度，实现了相机扰动效果的消除。
请参阅图3，图3为本发明相机扰动效果评估及消除方法第二实施例中一子流程示意图。
基于上述第一实施例，在本实施例中，在所述步骤S1之前，还包括：
S1a:对相机所拍摄的视频进行归一化处理，得到归一化视频；
S1b:将所述归一化视频进行分帧，得到分帧帧集；
具体的，归一化指的是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为标量，进行归一化处理后，可使得没有可比性的数据变得具有可比性,同时又保持相比较的两个数据之间的相对关系。预设归一化模板为对加速度模板进行归一化处理后得到的。加速度模板是通过在被拍摄物体上粘贴加速度计后提取粘贴处表面区域得到的，用来追踪相机所拍摄的视频。
进一步的，分别通过公式3与公式4对相机所拍摄的视频与加速度模板进行归一化处理。上述公式3为：
上述公式4为：
其中，w1,h1分别为加速度模板的长与宽，w2,h2为相机所拍摄视频的长与宽，与分别为归一化模板与相机所拍摄视频，以及分别为归一化模板以及相机所拍摄视频。应当理解的是，视频都是由帧构成，该待处理视频实质是由多个帧构成，对其进行分帧处理，得到分帧帧集。
通过对相机所拍摄的视频与加速度模板进行归一化处理，消除了两者量纲影响，降低了数据复杂度并且提高了数据的可视化效果，进而提高了后续进行相机扰动效果评估及消除的准确度与效率。
S1c:将预设归一化模板按照第一预设规则分别在所述分帧帧集中每一帧上移动，并根据每次移动位置的映射值确定相似矩阵，得到多个相似矩阵；
具体的，第一预设规则为从每一帧顶点处且紧贴该帧并按照顺时针或逆时针进行移动，直至遍历整帧。需要说明的是，移动的顺序既可以从左至右，从上到下，也可以从左至右，从下到上进行移动，在此不做具体限制。
进一步的，每次进行移动的距离为一个像素，映射值为每次移动后所在位置在该帧上的位置的值。归一化模板每移动遍历完一个帧，通过公式5计算即得到相似矩阵，由于存在多个帧，即得到相似矩阵集。应当理解的是，由于每移动遍历完一个帧即得到一个相似矩阵，因此相似矩阵的数量与分帧帧集的数量相同。上述公式5为：
其中，(x,y)为归一化分帧（归一化视频进行分帧后得到归一化分帧）上某一点坐标；(x’,y’)为归一化模板坐标，T(x,y)为归一化模板，归一化模板为大小w×h；相似矩阵R(x,y)上一点(x,y)代表了归一化分帧I’中以(x,y)为左上角点，大小与模板图像T(x,y)相同的图像子块与T(x,y)的相关度。
S1d:分别对所述多个相似矩阵中的每一相似矩阵进行重构，得到重构矩阵集；
S1e:获取所述重构矩阵集中每一重构矩阵对应的最大值，得到最大值集；
具体的，将坐标（x,y）分解为整数部分x0,y0和小数部分dx,dy，有如下关系成立：
然后取以(x 0,y 0)为中心的16个相邻像素，分别标记为I(x i,y i)，其中i,j=0，1，2，3；
再根据公式6对相似矩阵进行重构，公式6为：
其中，。
进一步的，每一重构矩阵对应的最大值为该重构矩阵位置索引最大值，可以（x，y）表示。由于每一重构矩阵存在一个最大值，所以得到最大值集，该最大值集中的最大值数量与重构矩阵的数量以及相似矩阵的数量都相同。
通过对相似矩阵进行重构，实现了对存在扰动效果的视频进行了筛选，使得后续相机扰动效果评估及消除的效果更好。
S1f:获取所述分帧帧集的帧数，根据所述分帧帧集的帧数与所述最大值集，确定振动时程信号，并将所述振动时程信号作为所述待处理信号。
具体的，通过公式7得到振动时程信号，公式7为：
其中，n为图像帧数，H i和L i分别为第i帧图像映射值最大值的宽度位置以及高度位置。
通过计算振动时程信号，便于对被拍摄物体进行振动分析，进而对相机的扰动效果进行消除，提高了相机扰动效果评估及消除的效率与效果。
请参阅图4，图4为本发明相机扰动效果评估及消除方法第二实施例中又一子流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S1包括：
S11:将所述待处理信号进行初始化处理，得到初始化信号；
S12:剔除所述初始化信号中的直流高频信号，得到初步信号；
S13:按照预设分层数对所述初步信号进行信号分解，得到所述第一信号集;
具体的，初始化处理指的是将待处理信号分解成多阶模态信号与多阶模态频率。需要说明的是，初始化处理的具体手段可以为对该待处理信号进行傅里叶变换，也可以是小波变换，在此不做具体限制。
剔除得到的多阶模态信号与多阶模态频率中的异常信号（直流高频信号），得到初始信号，提高了所得信号的准确性。预设分层数为人为设定进行分层的层数，可根据不同的位移时程信号进行设定。根据预设分层数对初步信号进行信号分解，提高了对信号各种特性确定的精度，有利于后续对于相机扰动效果进行消除。
请参阅图5，图5为本发明相机扰动效果评估及消除方法第二实施例中又一子流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S4包括：
S41:获取加速度计采集的加速度信号，所述加速度计设置在相机所拍摄的物体上；
S42:将所述加速度信号进行频域转换，得到参考信号；
具体的，在相机拍摄视频时，在被拍摄物体上粘贴加速度计，根据对加速度计获取到的数据进行分析，得到加速度时程信号（加速度信号）。需要说明的是，视频开始拍摄时，加速度计才开始收集数据，两者同步。
通过公式8对加速度信号进行频域转换，该公式8为：
其中，a(t)是第t个时域的加速度信号，i为与t对应的频域信号，N为信号的时域长度。
将加速度信号进行频域转换后得到的信号作为参考信号，以供后续对扰动效果与扰动消除效果进行对比，提高了相机扰动效果评估及消除的效率。
S43:基于所述曲线信息集中的曲线信息，得到多个频域镜像信号；
S44:分别计算所述频域镜像信号与所述参考信号的一阶导数与二阶导数，得到导数计算结果集；
S45:根据所述导数计算结果集与所述镜像指标公式，得到频域镜像指标集;
具体的，根据曲线信息集中的曲线信息（曲线幅值、曲线形状与曲力半径）得到频域镜像信号。然后分别计算频域镜像信号与参考信号的一阶导数与二阶导数。频域镜像信号的一阶导数与二阶导数分别计为f’(i)与f’’(i)，参考信号的一阶导数与二阶导数分别计为：F’(i)与F’’(i)。然后根据公式9（镜像指标公式）计算频域镜像指标，上述公式9为：
其中，·表示向量点乘运算，| |表示绝对值运算，×表示乘法数值运算；和分别表示频域镜像信号f(i)的标准差以及参考信号F(i)的标准差；和分别表示f(i)和F(i)的平均值。K k表示剔除第k阶模态信号的频域镜像指标。
通过频域镜像指标，可对扰动效果进行量化评价，避免了人的主观判断，减小了误差，进而提升了相机扰动效果评估及消除的效果。
请参阅图6，图6为本发明相机扰动效果评估及消除方法第二实施例中又一子流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S5包括：
S51：对所述频域镜像指标集中的所述多个频域镜像指标进行对比计算，得到所述频域镜像指标集中的最大值，并将所述频域镜像指标集中的最大值作为最大频域镜像指标；
S52：根据所述最大频域镜像指标，确定所述最大频域镜像指标从所述第一信号集中对应剔除的信号，并将所述最大频域镜像指标从所述第一信号集中对应剔除的信号作为剔除信号；
S53：根据所述剔除信号与预设阶数数据，确定所述待处理信号中的扰动信号；
S54：在所述待处理信号中剔除所述扰动信号，得到扰动消除信号。
具体的，对比频域镜像指标集中的各个频域镜像指标，得到值最大的频域镜像指标，将值最大的频域镜像指标作为最大频域镜像指标，表示对应的信号位置扰动效果最大。在上述实施例中已知，每个频域镜像指标对应对应其从第一指标集中剔除的信号，据此得到最大频域镜像指标对应从第一指标集中剔除的信号。需要说明的是，若要进行扰动效果消除，扰动效果最大处必定要剔除，因此将该第一指标集中剔除的信号作为剔除信号，并根据预设阶数数据，确定剔除范围。简单说，就是将该第一指标集中剔除的信号作为一个端点，然后根据预设阶数数据确定另一个端点，得到的这一段信号作为扰动信号，从待处理信号中将该段扰动信号进行剔除，从而得到扰动消除信号。该剔除扰动信号的步骤可以公式10表示：
其中，为得到的扰动消除信号，为待处理信号，为扰动信号。
通过最大频域镜像指标确定扰动效果最严重的位置，然后基于信号的连续性，根据预设阶数数据确定剔除范围，从而得到扰动消除后的扰动消除信号，从而得到准确的振动时程信号，进而消除减轻了相机扰动效果对振动测量的影响。
请参阅图7，图7为本发明相机扰动效果评估及消除方法第三实施例中一子流程示意图。
基于上述各实施例，在本实施例中，在所述步骤S3之前，还包括：
S3a：获取所述多个第二信号集对应的本征函数；
S3b：根据所述本征函数与预设参数确定对应的本征函数优选值与所述预设参数的优选值；
S3c：若所述预设参数的优选值满足预设迭代停止标准，则对所述对应的本征函数优选值进行重构，得到所述多个第二信号集对应的优化重构频谱集；
步骤S3b包括：
S3b1：将所述预设参数分为本征频率与正则参数；
S3b2：根据所述本征函数、所述本征频率与所述正则参数构建优化公式；优化公式为：
，
其中，为第K个本征函数，为第K个本征频率，为第K个正则参数，t为时间，K为本征函数数量，为所述待处理信号。
S3b3:固定所述本征函数与所述正则参数，根据所述优化公式，对所述本征频率进行求偏导，得到本征频率优选值；
S3b4:固定所述正则参数与所述本征频率，根据所述优化公式，对所述本征函数进行求偏导，得到本征函数优选值，并将所述本征函数优选值更新至所述优化公式中；
S3b5:固定所述本征函数与所述本征频率，根据所述优化公式对所述正则参数进行求偏导，得到正则参数优选值；
具体的，正则参数包括正则化参数与拉格朗日乘子参数，设定正则参数，，...，，模态数量K，拉格朗日乘子参数，，...，，相机帧率fps以及预设迭代标准 ，k个本征函数为，...，，k个本征频率为。根据上述参数创建优化公式：
，
其中，为第K个本征函数，为第K个本征频率，为第K个正则参数，t为时间，K为本征函数数量，为所述待处理信号。
然后根据以下顺序进行迭代计算：
（1）首先，固定和，将优化公式对进行求偏导，得到最优的。
（2）固定和，将优化公式对进行求偏导，得到最优的，并对进行更新。
（3）固定和，将优化公式对进行求偏导，得到最优的，并对进行更新。
（4）固定和，将优化公式对进行求偏导，并对进行更新。
（5）检查是否满足如下预设迭代停止准则：
如满足则停止迭代，否则继续迭代计算以上步骤（2）（3）（4），输出最优的，...，。
采用公式11对对应的本征函数优选值进行重构，得到多个第二信号集对应的优化重构频谱集。公式11为：
在上述实施例的基础上，在对多个第二信号集进行频域分析，得到曲线信息集之前，通过确定第一信号集中的信号本征函数与预设参数的优选值，使得第二信号集更加精确，提高了后续相机扰动效果评估及消除的效果，根据优化公式与求偏导的方式，提高了相机扰动效果评估及消除的效率，节约了处理时间。
优选的，步骤1：设置参数变化限制条件，自省参数c，重组周期T，种群尺寸m，矩阵行数M，设置迭代终止条件，包括：设置最大迭代次数genmax，设置迭代循环终止条件：包括最大模态数量Kmax，预设阶数数据s。
步骤2：从K=2开始进入循环，初始化生成行数固定为M，列数为2K+2的数组A，所述数组A包括：第1列至K列表示随机生成的正则化参数，，...，，第K+1至2K列表示随机生成的拉格朗日乘子参数，，...，，第2K+1列表示所生成的正整数预设阶数数据，第2K+2列表示频域镜像指标K k。
步骤3：对A矩阵中的每一行，基于前2K+1列参数，根据上述实施例中提供的方法计算频域镜像指标，并输出最大频域镜像指标作为相应行第2K+2列的数值。
步骤4：在矩阵A中每m行作为一组种群数据，在每个种群群内选择第2K+2列指标K k最大时对应的一行向量作为该矩阵的最优参数Gibest(j)；i表示种群的序号，i=1，2，…，(M/m)；j表示矩阵A中的2K+1个参数;
步骤5：基于上述步骤得到的最优参数以及所设置的自省参数c对矩阵A的参数进行更新，生成更新后的矩阵A'，并基于上述步骤计算每一行第2K+2列的K k指标数值；
步骤6：比较矩阵A和矩阵A'中各行的K k指标，选取K k指标大的对应的各行数据组成矩阵A’’，在该矩阵A’’的各群数据中选择指标K k最大时对应的一行向量作为该群的最优参数Gibest(j)'，并在该最优参数列中选取全局最优参数Gbest；
步骤7：基于最优参数列对矩阵A’’进行随机更新后得到矩阵A’’’。首先判断是否满足迭代终止条件，其次判断是否满足循环终止条件：如果满足迭代终止条件：迭代次数≥genmax，则输出当前Kk指标值最大时对应的一行参数向量，否则执行步骤8；在满足迭代终止条件的情况下，进一步判断是否满足循环终止条件，如果满足循环终止条件：K＞Kmax，则终止计算，否则令K=K+1
步骤8：在迭代次数为设定的重组周期T的整数数倍时随机打乱所述矩阵A’’’，重新执行步骤3-步骤7。
优选的，在步骤1-步骤5进行参数更新的过程中，满足优化参数限制条件。
可选的，步骤5中对矩阵A的2K+1列参数进行更新的公式为：
=c+r((j)-)；
其中，i=1，2，…，(M/m)；j=1，2，…，2K+1，和分别表示矩阵A和矩阵A'中第i行第j列的参数的值，r表示0至1范围内的随机数；
可选的，步骤7中基于最优参数列对A’’进行随机更新后得到矩阵A’’’；
其中，对矩阵A’’的2K+1列参数进行更新的公式为：
=；
和分别表示矩阵A’’和矩阵A’’’中第i行第j列的参数的值；i=1，2，…，(M/m)；j=1，2，…，2K+1，r1, r2, r3rand(0,1)；
优选的，在步骤8之后还包括：
步骤9，根据所输出的最优参数向量的前2K列，基于本发明上述实施例中提供的方法得到频域镜像指标最大的前s阶模态U(t)，并将其从原始的结构振动时程信号（待处理信号）中进行剔除。
在上述实施例的基础上，通过上述优选步骤，在求频域镜像指标时，节约了求取参数最优值的时间，提高了得到参数最优值的效率，进而提高了相机扰动效果评估及消除的效率。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有相机扰动效果评估及消除程序，该相机扰动效果评估及消除程序被处理器执行时实现如上文所述的相机扰动效果评估及消除方法的步骤。
参照图8，图8为本发明相机扰动效果评估及消除装置第一实施例的结构框图。
信号分解模块701，用于对待处理信号进行信号分解，得到第一信号集，其中，所述待处理信号为对相机所拍摄的视频进行分析后得到的信号；
剔除生成模块702，用于每次从所述第一信号集中选取一个不同的信号进行剔除，获得多个第二信号集；
频域分析模块703，用于对所述多个第二信号集进行频域分析，得到曲线信息集；
频域镜像模块704，用于基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，其中，所述频域镜像指标集中包括多个频域镜像指标，且各频域镜像指标与从所述第一信号集中剔除的信号相对应；
扰动消除模块705，用于从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号。
其中，信号分解模块701包括：
初始单元，用于将所述待处理信号进行初始化处理，得到初始化信号；
剔除单元，用于剔除所述初始化信号中的直流高频信号，得到初步信号；
预设分解单元，按照预设分层数对所述初步信号进行信号分解，得到所述第一信号集；
频域镜像模块704包括：
加速度单元，用于获取加速度计采集的加速度信号，所述加速度计设置在相机所拍摄的物体上；
频域转换单元，用于将所述加速度信号进行频域转换，得到参考信号；
镜像获取单元，用于基于所述曲线信息集中的曲线信息，得到多个频域镜像信号；
导数计算单元，用于分别计算所述频域镜像信号与所述参考信号的一阶导数与二阶导数，得到导数计算结果集；
镜像指标单元，用于根据所述导数计算结果集与所述镜像指标公式，得到频域镜像指标集。
扰动消除模块705包括：
最大频域单元，用于对所述频域镜像指标集中的所述多个频域镜像指标进行对比计算，得到所述频域镜像指标集中的最大值，并将所述频域镜像指标集中的最大值作为最大频域镜像指标；
对应剔除单元，用于根据所述最大频域镜像指标，确定所述最大频域镜像指标从所述第一信号集中对应剔除的信号，并将所述最大频域镜像指标从所述第一信号集中对应剔除的信号作为剔除信号；
扰动信号单元，用于根据所述剔除信号与预设阶数数据，确定所述待处理信号中的扰动信号；
扰动消除单元，用于在所述待处理信号中剔除所述扰动信号，得到扰动消除信号。
本实施例通过对待处理信号进行分解后再进行逐个剔除以生成多个第二信号集，然后根据对多个第二信号集进行频域分析后得到的曲线信息以及镜像指标公式得到多个频域镜像指标，再基于最大频域镜像指标确定扰动信号，将该扰动信号剔除从而得到扰动消除信号，提升了振动测量的准确度，实现了相机扰动效果评估及消除。本发明通过确定频域镜像指标来对扰动效果进行量化评估，从而确定振动时程信号中扰动效果严重的部分，并对该部分进行剔除，进而得到准确的振动时程信号，提升了振动测量的准确度，实现了相机扰动效果评估及消除。
基于本发明上述相机扰动效果评估及消除装置的第一实施例，提出本发明相机扰动效果评估及消除装置的第二实施例。
可选的，该相机扰动效果评估及消除装置还包括归一信号子模块，该归一信号子模块包括：
归一视频单元，用于对相机所拍摄的视频进行归一化处理，得到归一化视频；
分帧单元，用于将所述归一化视频进行分帧，得到分帧帧集；
移动单元，用于将预设归一化模板按照第一预设规则分别在所述分帧帧集中每一帧上移动，并根据每次移动位置的映射值确定相似矩阵，得到多个相似矩阵；
重构单元，用于分别对所述多个相似矩阵中的每一相似矩阵进行重构，得到重构矩阵集；
最大值获取单元，用于获取所述重构矩阵集中每一重构矩阵对应的最大值，得到最大值集；
目的信号获取单元，用于获取所述分帧帧集的帧数，根据所述分帧帧集的帧数与所述最大值集，确定振动时程信号，并将所述振动时程信号作为所述待处理信号。
可选的，该相机扰动效果评估及消除装置还包括优选重构子模块，该优选重构子模块包括：
本征函数单元，用于获取所述多个第二信号集对应的本征函数；
优选确定单元，用于根据所述本征函数与预设参数确定对应的本征函数优选值与所述预设参数的优选值；
优选重构单元，用于若所述预设参数的优选值满足预设迭代停止标准，则对所述对应的本征函数优选值进行重构，得到所述多个第二信号集对应的优化重构频谱集。
该优选确定单元包括：
参数分类子单元，用于将所述预设参数分为本征频率与正则参数；
优化构建子单元，用于根据所述本征函数、所述本征频率与所述正则参数构建优化公式：，
其中，为第K个本征函数，为第K个本征频率，为第K个正则参数，t为时间，K为本征函数数量，为所述待处理信号；
频率优选子单元，用于固定所述本征函数与所述正则参数，根据所述优化公式，对所述本征频率进行求偏导，得到本征频率优选值；
函数优选子单元，用于固定所述正则参数与所述本征频率，根据所述优化公式，对所述本征函数进行求偏导，得到本征函数优选值，并将所述本征函数优选值更新至所述优化公式中；
参数优选子单元，用于固定所述本征函数与所述本征频率，根据所述优化公式对所述正则参数进行求偏导，得到正则参数优选值
本实施例通过对待处理信号进行分解后再进行逐个剔除以生成多个第二信号集，然后根据对多个第二信号集进行频域分析后得到的曲线信息得到多个频域镜像指标，再基于最大频域镜像指标确定扰动信号，将该扰动信号剔除从而得到扰动消除信号，提升了振动测量的准确度，实现了相机扰动效果评估及消除。本发明通过确定频域镜像指标来对扰动效果进行量化评估，从而确定振动时程信号中扰动效果严重的部分，并对该部分进行剔除，进而得到准确的振动时程信号，提升了振动测量的准确度，实现了相机扰动效果评估及消除。
本发明相机扰动效果评估及消除装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光 盘）中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种相机扰动效果评估及消除方法，其特征在于，包括：
对待处理信号进行信号分解，得到第一信号集，其中，所述待处理信号为对相机所拍摄的视频进行分析后得到的信号；
每次从所述第一信号集中选取一个不同的信号进行剔除，获得多个第二信号集；
对所述多个第二信号集进行频域分析，得到曲线信息集；
基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，其中，所述频域镜像指标集中包括多个频域镜像指标，且各频域镜像指标与从所述第一信号集中剔除的信号相对应；
从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号。
2.根据权利要求1所述的相机扰动效果评估及消除方法，其特征在于，在所述对待处理信号进行信号分解，得到第一信号集之前，还包括：
对相机所拍摄的视频进行归一化处理，得到归一化视频；
将所述归一化视频进行分帧，得到分帧帧集；
将预设归一化模板按照第一预设规则分别在所述分帧帧集中每一帧上移动，并根据每次移动位置的映射值确定相似矩阵，得到多个相似矩阵；
分别对所述多个相似矩阵中的每一相似矩阵进行重构，得到重构矩阵集；
获取所述重构矩阵集中每一重构矩阵对应的最大值，得到最大值集；
获取所述分帧帧集的帧数，根据所述分帧帧集的帧数与所述最大值集，确定振动时程信号，并将所述振动时程信号作为所述待处理信号。
3.根据权利要求1所述的相机扰动效果评估及消除方法，其特征在于，所述对待处理信号进行信号分解，得到第一信号集，包括：
将所述待处理信号进行初始化处理，得到初始化信号；
剔除所述初始化信号中的直流高频信号，得到初步信号；
按照预设分层数对所述初步信号进行信号分解，得到所述第一信号集。
4.根据权利要求1所述的相机扰动效果评估及消除方法，其特征在于，在所述对所述多个第二信号集进行频域分析，得到曲线信息集之前，还包括：
获取所述多个第二信号集对应的本征函数；
根据所述本征函数与预设参数确定对应的本征函数优选值与所述预设参数的优选值；
若所述预设参数的优选值满足预设迭代停止标准，则对所述对应的本征函数优选值进行重构，得到所述多个第二信号集对应的优化重构频谱集。
5.根据权利要求4所述的相机扰动效果评估及消除方法，其特征在于，所述根据所述本征函数与预设参数确定对应的本征函数优选值与所述预设参数的优选值，包括：
将所述预设参数分为本征频率与正则参数；
根据所述本征函数、所述本征频率与所述正则参数构建优化公式：，
其中，为第k个本征函数，为第k个本征频率，为第k个正则参数，t为时间，K为本征函数数量，为所述待处理信号；
固定所述本征函数与所述正则参数，根据所述优化公式，对所述本征频率进行求偏导，得到本征频率优选值；
固定所述正则参数与所述本征频率，根据所述优化公式，对所述本征函数进行求偏导，得到本征函数优选值，并将所述本征函数优选值更新至所述优化公式中；
固定所述本征函数与所述本征频率，根据所述优化公式对所述正则参数进行求偏导，得到正则参数优选值。
6.根据权利要求1至5任一项所述的相机扰动效果评估及消除方法，其特征在于，所述基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，包括：
获取加速度计采集的加速度信号，所述加速度计设置在相机所拍摄的物体上；
将所述加速度信号进行频域转换，得到参考信号；
基于所述曲线信息集中的曲线信息，得到多个频域镜像信号；
分别计算所述频域镜像信号与所述参考信号的一阶导数与二阶导数，得到导数计算结果集；
根据所述导数计算结果集与所述镜像指标公式，得到频域镜像指标集。
7.根据权利要求1至5任一项所述的相机扰动效果评估及消除方法，其特征在于，所述从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号，包括：
对所述频域镜像指标集中的所述多个频域镜像指标进行对比计算，得到所述频域镜像指标集中的最大值，并将所述频域镜像指标集中的最大值作为最大频域镜像指标；
根据所述最大频域镜像指标，确定所述最大频域镜像指标从所述第一信号集中对应剔除的信号，并将所述最大频域镜像指标从所述第一信号集中对应剔除的信号作为剔除信号；
根据所述剔除信号与预设阶数数据，确定所述待处理信号中的扰动信号；
在所述待处理信号中剔除所述扰动信号，得到扰动消除信号。
8.一种相机扰动效果评估及消除装置，其特征在于，包括：
信号分解模块，用于对待处理信号进行信号分解，得到第一信号集，其中，所述待处理信号为对相机所拍摄的视频进行分析后得到的信号；
剔除生成模块，用于每次从所述第一信号集中选取一个不同的信号进行剔除，获得多个第二信号集；
频域分析模块，用于对所述多个第二信号集进行频域分析，得到曲线信息集；
频域镜像模块，用于基于所述曲线信息集中的曲线信息与镜像指标公式确定频域镜像指标集，其中，所述频域镜像指标集中包括多个频域镜像指标，且各频域镜像指标与从所述第一信号集中剔除的信号相对应；
扰动消除模块，用于从所述多个频域镜像指标中确定最大频域镜像指标，根据所述最大频域镜像指标确定所述待处理信号中的扰动信号，并剔除所述扰动信号，得到扰动消除信号。
9.一种相机扰动效果评估及消除设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的相机扰动效果评估及消除方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的相机扰动效果评估及消除方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311829753.9A CN117528065B (zh) | 2023-12-28 | 2023-12-28 | 相机扰动效果评估及消除方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311829753.9A CN117528065B (zh) | 2023-12-28 | 2023-12-28 | 相机扰动效果评估及消除方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117528065A CN117528065A (zh) | 2024-02-06 |
| CN117528065B true CN117528065B (zh) | 2024-04-26 |
Family
ID=89766708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311829753.9A Active CN117528065B (zh) | 2023-12-28 | 2023-12-28 | 相机扰动效果评估及消除方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117528065B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110006453A (ko) * | 2009-07-14 | 2011-01-20 | 삼성테크윈 주식회사 | 감시 카메라 교란 검출 방법 |
| CN103472669A (zh) * | 2013-09-26 | 2013-12-25 | 北京空间飞行器总体设计部 | 一种相机快门微振动物理仿真测试处理系统及其测试方法 |
| CN106791803A (zh) * | 2016-11-22 | 2017-05-31 | 北京空间机电研究所 | 一种扰动测量成像系统 |
| CN113421289A (zh) * | 2021-05-17 | 2021-09-21 | 同济大学 | 一种克服无人机拍摄扰动的高精度车辆轨迹数据提取方法 |
| CN115100126A (zh) * | 2022-06-10 | 2022-09-23 | 哈尔滨工业大学 | 一种桥梁结构平面位移场智能感知方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020161955A1 (ja) * | 2019-02-04 | 2020-08-13 | 三菱電機株式会社 | 撮影妨害検知装置、撮影妨害検知システム、及び撮影妨害検知方法 |
-
2023
- 2023-12-28 CN CN202311829753.9A patent/CN117528065B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110006453A (ko) * | 2009-07-14 | 2011-01-20 | 삼성테크윈 주식회사 | 감시 카메라 교란 검출 방법 |
| CN103472669A (zh) * | 2013-09-26 | 2013-12-25 | 北京空间飞行器总体设计部 | 一种相机快门微振动物理仿真测试处理系统及其测试方法 |
| CN106791803A (zh) * | 2016-11-22 | 2017-05-31 | 北京空间机电研究所 | 一种扰动测量成像系统 |
| CN113421289A (zh) * | 2021-05-17 | 2021-09-21 | 同济大学 | 一种克服无人机拍摄扰动的高精度车辆轨迹数据提取方法 |
| CN115100126A (zh) * | 2022-06-10 | 2022-09-23 | 哈尔滨工业大学 | 一种桥梁结构平面位移场智能感知方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117528065A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Demoment | Image reconstruction and restoration: Overview of common estimation structures and problems | |
| Figueiredo et al. | Majorization–minimization algorithms for wavelet-based image restoration | |
| CN109684969B (zh) | 凝视位置估计方法、计算机设备及存储介质 | |
| US20150154450A1 (en) | Optical Flow Tracking Method and Apparatus | |
| US20090067728A1 (en) | Image matching method and image interpolation method using the same | |
| CN105590020B (zh) | 改进的数据比较方法 | |
| US20140126808A1 (en) | Recursive conditional means image denoising | |
| CN111832228B (zh) | 基于cnn-lstm的振动传递系统 | |
| CN113920538B (zh) | 目标检测方法、装置、设备、存储介质及计算机程序产品 | |
| JP2017199235A (ja) | 学習型アルゴリズムによるフォーカス補正処理方法 | |
| Silva et al. | Nonnegative matrix factorization-based blind source separation for full-field and high-resolution modal identification from video | |
| JP2008015848A (ja) | 物体領域探索方法，物体領域探索プログラムおよび物体領域探索装置 | |
| Cai et al. | Gaussian mixture model based phase prior learning for video motion estimation | |
| CN116363750A (zh) | 人体姿态预测方法、装置、设备及可读存储介质 | |
| CN103927529B (zh) | 一种最终分类器的获得方法及应用方法、系统 | |
| CN117528065B (zh) | 相机扰动效果评估及消除方法、装置、设备及存储介质 | |
| Zeng et al. | Tensor completion using bilayer multimode low-rank prior and total variation | |
| CN113506212A (zh) | 一种改进的基于pocs的高光谱图像超分辨率重建方法 | |
| Cai et al. | Self-adapted optimization-based video magnification for revealing subtle changes | |
| CN111880146B (zh) | 声源定向方法和装置及存储介质 | |
| JP2020181402A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| US10591871B1 (en) | Method of single shot imaging for correcting phase errors | |
| Su et al. | Deconvolution of defocused image with multivariate local polynomial regression and iterative wiener filtering in DWT domain | |
| CN112927169A (zh) | 一种基于小波变换和改进的加权核范数最小化的遥感影像去噪方法 | |
| CN117596487B (zh) | 相机扰动自矫正方法、装置、设备及存储介质 |
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 |