基于ORB特征匹配的电子稳像算法研究

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。

目录

第一个书签之前

摘 要

Abstract

目 录

Contents

图清单

表清单

1绪论

1 Introduction

1.1 研究背景及意义(Background and significance of the stu

1.2 稳像技术分类(Classification of image stabilization t

1.3 电子稳像技术研究现状(Current research of electronic imag

1.3.1国外研究现状

1.3.2国内研究现状

1.4 本文研究内容和结构安排(Research content and structure arr

2电子稳像系统研究

2 Research of Electronic Image Stabilization Syste

2.1.1摄像机成像原理与运动类型

2.1.2视频序列运动分析

2.2 图像运动数学模型(Mathematical model of image motion)

2.3 电子稳像系统基本结构及原理(Basic principle and structure of

2.3.1稳像系统基本结构

2.3.2系统运动估计原理

2.4 本章小结(Summary)

3稳像系统的经典算法分析

3 Analysis on Classical algorithms for Image Stabi

3.1.1块匹配算法

3.1.2灰度投影法

3.1.3光流法

3.1.4图像局部特征匹配算法

3.2 运动滤波算法及性能比较(Motion filtering algorithm and per

3.2.1均值滤波与高斯滤波

3.2.2曲线拟合算法

3.2.3卡尔曼滤波法

3.3 运动补偿算法及性能比较(Motion compensation algorithm and

3.4 本章小结(Summary)

4基于ORB特征匹配的运动矢量估计算法

4 Motion Vector estimation algorithm based on ORB

4.1 ORB特征点匹配的算法原理(Principle of ORB feature matchin

4.1.1ORB特征点检测

4.1.2ORB特征点描述

利用特征点质心方向

4.1.3ORB特征点匹配

4.2 基于ORB特征匹配改进的运动矢量估计算法(Improved motion vector es

4.2.1前景运动目标的检测

4.2.2图像显著特征点提取

4.3.1RANSAC算法剔除误匹配

4.3.2仿射变换模型获取全局运动矢量

4.4 实验结果及分析(Experimental results and analysis)

4.4.1特征检测算子的性能对比实验

4.4.2前景运动区域的检测分析

4.4.3全局显著特征点的提取与匹配

4.5 本章小结(Summary)

5基于自适应卡尔曼的运动滤波及补偿算法

5 Motion filtering and compensation algorithm base

5.1.1卡尔曼滤波基本原理

5.1.2改进的自适应运动滤波算法

5.2 基于双线性插值的运动补偿(Motion compensation based on bili

5.2.1图像的补偿方法

5.2.2图像插值方法

5.3 电子稳像质量评价方法(Methods for evaluating the quality

5.3.1稳像算法的帧处理速度

5.3.2稳像算法的保真度

5.4 实验结果与分析(Experimental results and analysis)

5.4.1算法处理时间对比

5.4.2稳像视觉效果分析

5.4.3算法有效性分析

5.5 本章小结(Summary)

6总结与展望

6 Conclusions and Prospect

6.1 本文工作总结(Conclusion)

6.2 今后工作展望(Prospect)

参考文献

作者简历

学位论文原创性声明

学位论文数据集