适用于大角度抖动的电子稳像算法

在角点检测的基础上,提出了一点对多点的配对策略,并针对该策略推导了能够解决图像序列同时存在平移和大角度旋转的稳像新算法.该算法克服了其他稳像算法必须准确求解图像旋转中心的缺点,突破了以往大多数算法仅解决平移和小角度旋转(一般是3°到5°)的限制.实验结果表明,当抖动图像的旋转角度转到18°时,仍然能达到很好的稳像效果,且稳像后图像的平均峰值信噪比比稳像前提高了约26 dB.     

矿井移动载体摄像的电子稳像算法

针对矿井移动载体摄像造成的视频抖动,提出一种电子稳像算法,分离移动载体摄像中的主动扫描运动矢量和随机抖动矢量,实现视频序列的稳像补偿.算法首先利用平移运动模型建立图像运动矢量估计方程,以视频序列的角点特征建立帧间映射,求解其最小二乘解得到帧间图像全局运动矢量.然后针对移动载体摄像抖动的不确定性,构建粒子状态预测方程,采用二维欧氏距离定义观测值和观测概率密度,求解运动补偿矢量.通过算法有效性和稳像准确度实验,结果表明:该稳像算法可有效保留摄像机主动扫描运动、去除随机抖动,提高了输出视频的图像质量,稳像后峰值信噪比(PSNR)的平均值比稳像前提高了25.38DB.     

SIFT特征匹配和VFC算法的电子稳像技术

为了处理较为模糊的抖动视频,提出了一种基于尺度不变特征转换(SIFT)的特征匹配和向量场一致(VFC)优化算法的电子稳像技术.该技术着重于研究视频的运动估计阶段,利用SIFT提取高独特性的特征点,根据特征点进行帧间匹配,结合VFC,通过向量场的学习将外点从内点区分开来,得到两帧图像中特征序列的平移轨迹,然后估算出运动补偿向量并校正每一帧图像的相对位置,从而输出稳定视频.实验表明,该电子稳像技术处理抖动视频时精度高和耗时短.     

一种基于改进运动估计的电子稳像技术

在摄像机载体运动过程中会造成图像序列的不稳定,从而产生观察者的视觉疲劳甚至会丢失观察目标,电子稳像是解决以上问题的有效手段。电子稳像首先对全局运动进行估计,求出参考帧和当前帧图像的全局运动矢量。本文先取视频序列相邻两帧图像的子图像进行块匹配得出局部运动矢量,根据计算得到的运动矢量弧度值剔除错误的运动矢量,然后对剩余的运动矢量求平均值作为此区域的运动矢量,并把与此矢量弧度相近的块的中心点作为特征点,利用仿射变换模型求解出变换参数,最后经过运动补偿技术去除视频抖动。实验结果表明,该方法可以有效地抑制帧间的平移和旋转等抖动,达到了预期的效果。     

船载折反射全景视觉系统电子稳像算法

为解决船载全景视觉系统在视频采集过程中的图像晃动问题,提出了一种基于海天线的电子稳像算法。根据全景图像中海天线成像特点,提出了一种最优边缘估计算法计算海天线成像椭圆方程。建立了基于海天线的全景图像稳像模型,介绍了海天线稳像算法的实现,并给出了使用关键帧对稳像无效区域的重建方法。使用实际海洋环境下拍摄的海上全景图像序列进行了验证分析,实验结果表明:该算法对船载全景视觉系统采集的视频图像稳像快速、有效,平均计算时间小于50ms,实际应用效果良好。     

视频稳像的Sift算法优化

针对连续拍摄的相邻视频帧具有视场重叠度高,视角转换小,平移量小等特点,对Sift特征匹配算法进行优化,以降低视频稳像的运算量.研究了图像尺度空间变换,尺度空间的特征点提取,特征点匹配算法和相邻帧间的平移旋转矩阵,并给出了Sift优化的说明和算法的实验结果.首先对当前帧的图像提取相邻两个尺度空间的特征点,并与上一帧图像的两个尺度空间的特征点进行匹配.然后去掉匹配度小于某一阈值的特征点,对剩余的特征点根据旋转平移矩阵求解视频帧的旋转分量和平移分量.实验证明本算法能够将Sift算法运算量减小96.8％,同时视频的旋转稳像误差在±0.3％以内.     

相机稳像专利技术综述

在摄像的过程中,由于摄像载体的不规则抖动,导致摄像系统姿态的变化,进而传递给系统的瞄准线,造成了摄像系统的光轴与目标之间存在无效的相对运动如平移运动等,最后导致了输出的视频图像不稳定.稳像技术是对随机抖动或运动的摄像平台所获取的动态视频图像序列进行修改和重排,最终输出平滑稳定的图像序列.笔者将从演进路线、专利分析等方面来展示稳像技术的发展现状和热点.     

图像处理技术在AGV视觉导引控制中的应用

综合考虑自动引导车(AGV)视觉导引控制的技术要求和特点,确定了AGV视觉导引控制系统图像处理的流程,并根据该流程依次分析了图像预处理、图像分割和特征提取的特点和要求,确定了适合AGV视觉导引控制的图像处理算法,以V isua l C 为软件开发平台,实现AGV视觉导引控制的计算机图像处理系统,为图像处理技术在AGV视觉导引控制中的应用提供一个较为简单而可行的方法。     

区域快速鲁棒特征跟踪电子稳像

针对稳像过程中稳像精度易受光照变化、噪声、局部遮挡等因素的影响,提出了一种区域快速鲁棒性不变特征跟踪稳像算法。首先采用改进的快速鲁棒性特征(SURF)算法提取图像局部区域特征点及其描述,然后,采用动态平衡KD树(DBKD-Tree)快速搜索匹配算法,实现局部区域特征点跟踪匹配,最后利用配准的特征点对,根据均方差最小计算稳像的全局参数实现稳像。在不同光照条件、噪声环境下进行了稳像测试,加入20%的高斯噪声时均能100%地重复检测特征,达到亚像素定位精度,误匹配率低。     

可疑目标区域的机器视觉检测算法

可疑目标区域的确定是大背景中微小目标的机器视觉检测的一个关键问题.以棉花中污染物的检测为背景,根据人类的视觉注意机制,提出了一种可疑目标区域的机器视觉检测算法:首先采用主成分分析法(PCA)和离散余弦变换(DCT)算法对分块图像进行数据压缩,然后采用BP神经网络、支持向量积(SVM)模拟人脑对检测目标区域的识别.结果表明:分块图像大小、数据压缩算法和模式识别方法对识别能力有较大的影响;本文提出的检测算法可以确定可疑目标区域.在实验分析的基础上,提出了提高精度和速度需要进一步解决的几个问题.