| 主权项 |
一种基于贝叶斯理论的视频拼接方法，其特征在于：它包括以下步骤：S1：获取视频流对应帧重叠区域，并分别以两幅图像作为基准图，估计前向后向流场：令I<sub>tL</sub>和I<sub>tR</sub>分别是两幅当前待拼接视频对应帧图像的重叠区域，通过分别对带拼接视频帧作用前向流场和后向流场，获得四个虚拟视角：<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>I</mi><mrow><mi>t</mi><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>H</mi><mrow><msub><mi>tf</mi><mn>1</mn></msub></mrow></msub><msub><mi>I</mi><mrow><mi>t</mi><mi>L</mi></mrow></msub><mo>,</mo><msub><mi>I</mi><mrow><mi>t</mi><mn>2</mn></mrow></msub><mo>=</mo><mrow><mo>(</mo><mo>-</mo><msub><mi>H</mi><mrow><msub><mi>tf</mi><mn>2</mn></msub></mrow></msub><mo>)</mo></mrow><msub><mi>I</mi><mrow><mi>t</mi><mi>L</mi></mrow></msub><mo>,</mo><msub><mi>I</mi><mrow><mi>t</mi><mn>3</mn></mrow></msub><mo>=</mo><msub><mi>H</mi><mrow><msub><mi>tf</mi><mn>3</mn></msub></mrow></msub><msub><mi>I</mi><mrow><mi>t</mi><mi>R</mi></mrow></msub><mo>,</mo><msub><mi>I</mi><mrow><mi>t</mi><mn>4</mn></mrow></msub><mo>=</mo><mrow><mo>(</mo><mo>-</mo><msub><mi>H</mi><mrow><msub><mi>tf</mi><mn>4</mn></msub></mrow></msub><mo>)</mo></mrow><msub><mi>I</mi><mrow><mi>t</mi><mi>R</mi></mrow></msub><mo>;</mo></mrow>]]></math><img file="FDA0000898569180000012.GIF" wi="1180" he="71" /></maths>其中，<img file="FDA0000898569180000013.GIF" wi="79" he="69" />与<img file="FDA0000898569180000014.GIF" wi="84" he="69" />分别为作用在左图的前向流场与后向流场，<img file="FDA0000898569180000015.GIF" wi="79" he="74" />与<img file="FDA0000898569180000016.GIF" wi="84" he="74" />分别为作用在右图上的前向流场与后向流场；S2：构建基于贝叶斯原理的视频融合能量函数结构：分别对视频在空间和时间上进行贝叶斯推理，提出基于贝叶斯模型的视频拼接框架，通过优化后验概率能量函数获得拼接结果；其中，在空间上保证视频拼接奇异点的有效消除，质量较高，在时间上去除视频闪烁，保证视频稳定输出，同时采用先验概率支持最近邻平滑，包括以下子步骤：S21：获得后验概率能量函数E<sub>Likelihood</sub>(V)：根据步骤S1通过变换得到的四个虚拟视角，采用贝叶斯原理重新生成视频对应帧的融合部分，理想的融合结果V构建成如下形式：E<sub>Likelihood</sub>(V)＝ω<sub>1</sub>(V<sub>ti</sub>‑I<sub>(t1)i</sub>)<sup>2</sup>+ω<sub>2</sub>(V<sub>ti</sub>‑I<sub>(t2)i</sub>)<sup>2</sup>+ω<sub>3</sub>(V<sub>ti</sub>‑I<sub>(t3)i</sub>)<sup>2</sup>+ω<sub>4</sub>(V<sub>ti</sub>‑I<sub>(t4)i</sub>)<sup>2</sup>+ω<sub>5</sub>(V<sub>ti</sub>‑V<sub>(t‑1)i</sub>)<sup>2</sup>其中，前四项函数的建立是基于流场估计误差所产生的像素强度差值；为了消除视频输出的闪烁，增强视频的稳定性，将时间域的平滑即第五项函数加入似然能量函数数据项，其中V<sub>t‑1</sub>为视频流对应前一帧拼接结果，式中ω表示待拼接图像中每个像素对应的可靠性，i表示图像中对应的像素点，具体地：ω<sub>1</sub>＝a/((I<sub>tRi</sub>‑I<sub>(t1)i</sub>)<sup>2</sup>+b)；ω<sub>2</sub>＝a/((I<sub>tRi</sub>‑I<sub>(t2)i</sub>)<sup>2</sup>+b)；ω<sub>3</sub>＝a/((I<sub>tLi</sub>‑I<sub>(t3)i</sub>)<sup>2</sup>+<sup>b</sup>)；ω<sub>4</sub>＝a/((I<sub>tLi</sub>‑I<sub>(t4)i</sub>)<sup>2</sup>+b)；ω<sub>5</sub>＝a/((V<sub>(t‑1)i</sub>‑V<sub>(t‑2)i</sub>)<sup>2</sup>+b)；式中a和b取决于Gamma分布中的高阶参数α，β；S22：获得图像先验能量函数E<sub>prior</sub>(V)：<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>E</mi><mrow><mi>p</mi><mi>r</mi><mi>i</mi><mi>o</mi><mi>r</mi></mrow></msub><mrow><mo>(</mo><mi>V</mi><mo>)</mo></mrow><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mo>|</mo><msub><mi>V</mi><mrow><mi>t</mi><mi>i</mi></mrow></msub><mo>-</mo><msub><mi>V</mi><mrow><mi>t</mi><mi>j</mi></mrow></msub><mo>|</mo><mo>,</mo><mrow><mo>(</mo><mi>j</mi><mo>∈</mo><msub><mi>N</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000898569180000011.GIF" wi="637" he="134" /></maths>S23：根据步骤S31和S32得到能量函数E(V)：E(V)＝E<sub>Likelihood</sub>(V)+E<sub>Prior</sub>(V)；S3：将能量函数等效为标签问题最小化，构件图模型，采用graph‑cuts进行求解；S4：视频拼接输出显示：对视频每一对应帧拼接，获得连续的全景视频序列。 |
