“电子稳像器工作原理”.doc

电子稳像器工作原理 1 引言VS8902型电子稳像器采用的是一种基于特征点匹配的电子稳像算法。本公司开发的这种基 于特征点匹配的电子稳像算法具有如下几个优点：稳定精度高；对抖动视频进行水平、垂直和旋转方向上的校正； 稳像算法的实现只使用参考帧和当前帧； 实时性高；鲁棒性好；本产品稳像算法的结构框图如图1所示。 ? ?? ?? ?? ?图1 基于特征点匹配的电子稳像算法的结构框架 Fig.1 The basic structure of stabilization algorithm with feature points matching 如图所示。预处理是稳像算法的初始化过程，是对视频数据进行属性等方面的分析，为后续稳像算法的实现和处理奠定基础。预处理实现的功能主要有：初始化A/D和D/A芯片、配置稳像系统的工作模式、建立稳像算法所需的缓冲区、检测视频数据的有无、识别输入视频信号的制式（NTSC制，PAL制信号）等。运动估计是计算当前帧图像和参考帧图像相对运动关系的算法。在稳像算法中运动估计分为局部运动估计和全局运动估计。局部运动估计又分为特征点提取、特征点匹配、匹配验证三个步骤，来获取各个特征点的局部运动矢量。特征点提取采用Harris提取角点的算法，特征点匹配采用块匹配的方法，特征点验证主要采用距离约束的准则。全局运动估计是通过最小二乘法，根据特征点的局部运动矢量求出全局运动矢量。准确求取全局运动估计是电子稳像算法的基础。运动滤波是把全局运动矢量分离成有意运动矢量和无意运动矢量，是稳像算法的难点和重点。若稳像后的图像无法保留摄像机自身的主运动，稳像效果会失真，稳像算法会无法执行，从而导致稳像算法失败。运动滤波直接决定稳像效果的好坏。本文的电子稳像系统采用Kalman滤波器。运动补偿是就是对抖动图像做运动滤波输出结果的反向补偿，以便输出稳定或平滑的图像序列。运动补偿实质上就是对图像做平移、旋转和缩放处理。运动补偿的难点问题是算法的实时性和精度。图像的旋转是一种计算量很大，很耗时的运算，同时如果补偿的精度不高，会出去视频图像模糊的现象。本产品的电子稳像算法采用基于图像线性储存空间的快速旋转算法满足算法实时性的问题。 2 图像仿射方程的建立建立合适的数学模型是开发视频算法的基础，建立什么样的数学模型决定了算法能实现的功能和算法的精度。本稳像算法采用的Similarity模型。这个图像运动模型可以实现图像平移、旋转和缩放的处理。 2.1 Similarity模型 摄像机本身除平移运动外还可能发生旋转运动，例如：在车载摄像系统中，摄像机固定在车体上，在车辆行驶过程中，因为路面不平坦，车辆可能发生左右摇摆，从而使图像旋转。目前一般对绕光轴或者平行光轴的旋转运动进行研究。同时，在存在场景的缩放时，利用缩放因子s对缩放运动进行描述。由此，当图像可能发生平移、旋转、缩放运动时，可采用Similarity运动模型为： (1) 式中 θ——旋转角度； s——缩放因子； ——某个像素点在参考帧的坐标； ——同一像素点在当前第K帧的坐标； —— 相对于的偏移量。 3 稳像算法中运动估计算法的研究 运动估计算法是稳像算法的第一步，也是基础。运动估计算法的好坏决定整个稳像算法的精度。运动估计算法的主要完成的任务是：根据当前帧与参考帧的图像信息求取两帧图像之间的运动信息。本文采用基于特征点匹配的运动估计算法，这种算法的优点是求取运动信息的精度高。本产品基于特征点匹配的运动估计算法包括：局部运动估计和全局运动估计两个部分。局部运动估计是先求取当前帧中各特征点的运动参数，再从中提取全局运动特征点的过程。全局运动估计是根据当前帧中所有全局特征点的运动参数求取当前帧相对于参考帧的运动参数的过程。其中局部运动估计又包括：特征点提取，特征点匹配，特征点验证三个部分。基于特征匹配的运动估计算法的实现步骤如图2所示。 图2 特征点匹配运动估计示意图 Fig.2 The schematic diagram of motion estimation with feature points matching 特征点提取是根据角点提取的算法求取当前帧中的所有特征点。特征点匹配是求取所有特征 点运动参数的过程。特征点验证是求取误匹配点和局部特征点的过程。特征点提取是提取当前帧中的特征点。目前，主要被利用的特征量有：角点、直边缘、曲边缘等局部特征和型心、表面积、惯量矩的长短轴等全局特征，其中角点是应用最广泛的一种图像特征。特征匹配结果的好坏，很大程度上取决于角点的提取。本算法采用Harris算子提取当前帧中的角点量做为特征点，被提取出的特征点包含当前帧的大部分信息，他们的运动信息反映当前帧的运动信息。如图2所示稳像算