一种基于分区匹配和仿射模型相结合的图像去旋稳像方法

摘要

本发明公开了一种基于分区匹配和仿射模型相结合的图像去旋稳像方法，第一步，参考帧、当前帧的图像直方图均衡化处理；第二步，选择分布的四个区域和图像中心区域作为运动估计的匹配区域,不但运算量小、速度快，而且在图像同时存在平移和旋转运动时，具有良好的运动估计能力，帧间估计误差小于1个像素；第三步，建立仿射变换模型，求解当前帧运动矢量；第四步，建立kalman滤波模型，实现当前帧位移矢量的运动补偿；可高精度去除视频图像随机运动量，保留平台或载荷固有的扫描运动，增强动态图像序列的平稳性。本发明可有效地增强视频图像，抑制随机噪声。

主权项

1.一种基于分区匹配和仿射模型相结合的图像去旋稳像方法，其特征在于，在摄像机平台运动过程中，基于光学传感器进行光学图像序列获取，同时还包括以下四步：第一步，参考帧、当前帧的图像直方图均衡化处理：首先计算参考帧、当前帧的图像直方图，分别对参考帧、当前帧的图像直方图进行均衡化处理，把已知灰度概率分布的参考帧、当前帧图像，变换成具有均匀灰度概率分布的新图像；第二步，分区匹配的区域选择：选择十字分布的四个区域和图像中心区域作为运动估计的匹配区域；第三步，建立仿射变换模型，求解当前帧运动矢量(1)构建图像仿射运动模型    图像在二维坐标平面内点（x_i,y_i)绕原点旋转θ角，得到点（x_i,y_i)的变换公式如下；如果原点还有平移运动则用下面的变换公式来描述，假设△x和△y分别为该点在水平和垂直方向的位移量；则：；在旋转角度较小的时候化简为式；其中：θ≈sinθ,cosθ≈1；θ为正数，表示逆时针旋转；θ为负数，则是顺时针旋转；(2) 区域图像灰度投影与相关匹配计算对每一帧待处理的二维区域图像进行处理，映射成两个独立的一维矢量；采用归一化行投影和列投影两种方式；归一化列投影算法如下： ；式中为第k帧图像第m区域中第j列的灰度值，m=0,1,2,3,4,5；是第k帧图像第m区域上（i,j)位置处的像素值；M、N分别为图像行数和列数； 同理，归一化行投影算法为： ；式中为第k帧图像第m区域中第i行的灰度值，m=0,1,2,3,4,5；是第k帧图像第m区域上（i,j)位置处的像素值；M、N分别为图像行数和列数； 相关匹配计算：将当前帧待处理图像区域的列投影与参考帧对应图像区域的列投影作互相关运算，根据相关值曲线的唯一波峰所在位置，确定当前图像相对参考帧图像的行偏移量；同理，将当前帧待处理图像区域的行投影与参考帧对应图像区域的行投影作互相关运算，根据相关值曲线的波峰所在位置，确定当前图像相对参考帧图像的列偏移量；（3）计算当前帧运动矢量基于运动载体的光学图像序列，连续两帧间旋转角度θ及平移矢量较小，且帧间图像灰度变化也不大，因此为了满足实时要求，做如下合理假设：匹配区域的长和宽远大于旋转和平移量，图像中在垂直方向上的匹配区域忽略Y方向的平移运动，在水平方向上的匹配区域忽略X方向上的平移运动；因此，对上下两个匹配区域只做列投影以及列投影相关，计算出两个匹配块在水平方向的运动矢量；对左右两个匹配区域只做行投影以及行投影相关，计算出两个匹配区域在垂直方向的运动矢量；根据这四个运动矢量估计图像的运动参数；利用图像中心匹配区域的平移运动矢量代表整幅图像的平移运动矢量，并修正上述四个运动矢量，经补偿后只剩下旋转矢量，并且旋转中心在图像中心；最后，根据公式3计算当前帧图像旋转角度值；第四步，建立kalman滤波模型，实现当前帧位移矢量的运动补偿光学图像序列的运动矢量包含期望的主观运动和不期望的随机抖动，根据运动估计系统产生的运动参数对当前帧进行处理以去除随机抖动，同时保留图像的真实运动，输出稳定的图像序列；运动补偿方法是：通过对当前帧位移信号X(k),Y(k),θ(k)进行Kalman滤波，滤除随机运动，保留图像的真实运动；如果X(k),Y(k),θ(k)的Kalman滤波结果记为则当前帧图像的运动补偿参数为：；根据对当前帧图像进行变换，实现当前帧图像的运动补偿。