基于ORB特征匹配的电子稳像算法研究

发布时间：2020-08-23 21:10

【摘要】：煤矿井下车载摄像系统在拍摄视频时容易受到载体自身抖动与外界环境的干扰,导致获取的视频监控画面失稳,而这种失稳的视频序列对矿区的安全生产、发生事故后的报警以及后续的图像处理等也带来了一定的困难,所以提高视频的稳定性对于煤矿井下的安全作业有不可忽视的重要意义。稳像技术的宗旨就是减轻摄像载体自身的抖动对所拍摄的视频带来的干扰,本文对电子稳像算法的基本原理进行了研究,并对主要环节中应用到的经典算法进行了分析,后面提出以基于特征匹配的电子稳像算法为重点研究对象,所研究的主要内容和成果如下:本文在前两章中对摄像机在自由运动下的成像原理进行了推导,并探讨了稳像系统的基本原理以及图像运动的变换模型。在第三章中对稳像系统中的三大环节:运动估计、运动滤波以及运动补偿中所使用的经典算法进行了原理分析以及优缺点总结。运动估计算法的精度以及实时性对稳像系统有重要的影响,本文在第四章中重点研究了局部运动矢量和全局运动矢量的估计问题,提出了一种基于ORB特征匹配改进的运动估计算法。对于含有前景目标干扰的视频序列,算法首先对图像分块,接着采用基于图像块的连续三帧间差分法将运动区域检测并标记出来,然后对参考帧与当前帧运用ORB算法进行特征点的检测并结合前景标记结果将位于前景运动区域上的特征点剔除,对于ORB算法特征提取时易受图像纹理影响导致的特征点分布不均问题,提出了显著特征点提取的改进方法,即统计其子块内的Harris响应值,保留R值较大的点作为全局显著特征点。获取显著特征点以后采用ORB算法进行特征点的描述与匹配,并利用RANSAC算法进行误匹配点对的剔除,最后使用最小二乘法来获取全局运动矢量。在第五章中对稳像中的运动滤波以及图像补偿进行了研究,主要研究的是卡尔曼滤波算法在稳像系统中的应用,分析了卡尔曼滤波中噪声参数的设置对滤波效果的影响,并针对传统卡尔曼滤波过程中出现的滤波发散问题,提出了采用Sage-Husa滤波方法,利用观测值对预测值进行不断的修正,进行实时的估计。并在其基础之上提出了自适应的平滑滤波算法,通过对预测阶段的最小均方误差矩阵进行修正,加强滤波算法对运动状态突变情况下的跟踪能力最终达到降低传统模型误差并提高滤波精确度的目的。接着采用双线性插值方法对滤波后的图像进行补偿,获取稳定的视频序列。最后给出了稳像性能的评价方法并通过一系列相关实验验证了本文提出的稳像算法的实时性以及有效性。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41
【图文】：

原理图,防抖,原理图,稳像

只能适用于一级稳定。而在高精度光学设备，再利用反射镜系统进行精用在大型的船载或机载摄像系统中。图 1-1 机械稳像原理图-1 Schematic diagram of mechanical image s用光路补偿原理，主要通过移动光学防到稳像的目的。但是由于二级光谱的消除，因此增加了光学器件的工艺光学稳像系统也无法补偿相机绕光应用范围，目前主要在医疗仪器上有

图像序列,成像原理,摄像机

稳定平滑的视频序列。因此，本文先是对图像序列间存在的各种运动状态进行分析研究，然后在此基础之上对电子稳像的基本原理和关键技术展开讨论。本章 2.1 节首先是介绍了摄像机的成像原理，然后对摄像机存在的几种运动型进行简要分析，最后是对摄像机运动所引起的图像序列运动做进一步讨论，出本文的关注重点帧间运动。2.2 节在 2.1 节的基础之上，对几种常见的图像动数学模型进行了详细介绍。2.3 节介绍了电子稳像系统的基本构成模块及其像原理，简要叙述了一些目前比较主流的算法，并对这些算法的适用场景进行简要归纳，2.4 节是对本章的归纳总结。.1 摄像系统运动状态分析 (Motion state analysis of cameraystem).1.1 摄像机成像原理与运动类型假设将摄像机的镜头当作一个普通的薄透镜，那么简单来说，摄像机的成像型就是由薄透镜与像平面两部分来构成的，实际上它就是一个理想的点光源的像模型[13]，如下图 2-1 所示。

原理图,图像运动,原理图

假如摄像系统中的摄像机在图像形成的曝光时间内发生了迅速的移动[16]，那么得到的图像在同一帧内的位移就会大于一个像素，因此得到的视频序列中的每一帧图像也将是模糊的，其运动原理如下图 2-2(a)所示，为消除这类图像在空间上的模糊影响，获取到清晰可观测的视频序列，通常要使用图像复原技术来解决(本文不予讨论)。(2)帧间运动假如摄像机的运动速度比较缓慢，换言之就是此时摄像机的曝光时间相对摄像机的运动周期足够短[17]，那么视频序列中的每一帧的运动位移就可以控制在一个像素以内。这时，虽然得到的每一帧图像都是清晰的，但是如果摄像机此时发生抖动同样也会导致图像序列帧与帧之间发生变化，而人眼的视觉残留将会使得视频序列在时间轴上被模糊，即所谓的帧间运动，原理图如下 2-1(b)所示。此时图像的清晰度与分辨率也会下降，因此要对视频图像序列进行去模糊处理。所用方法就是本文要研究的电子稳像技术，过程如下：首先使用运动估计算法获取到图像帧间的运动矢量，然后再将图像中的每一个像素点按照获取到的运动矢量进行反方向的补偿，完成对图像行列间的重组，最终达到稳定视频的目的。

【参考文献】