導語：電子穩像計算方法一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

1概述

在目標跟蹤過程中，攝像機載體的隨機振動和姿態變化產生的不平穩運動會導致視頻圖像序列的不穩定甚至模糊，這種不平穩運動不僅影響系統的成像質量、造成觀測者的視覺疲勞，還會給運動目標檢測帶來困難。電子穩像(ElectronicImageStabilization,EIS)是指利用圖像處理手段從輸入的視頻圖像序列中去除由攝像機的隨機運動造成的圖像擾動，使輸出圖像序列保持穩定的技術手段。幀間運動估計是實現電子穩像的關鍵環節，目前應用于穩像的運動估計方法有很多，灰度投影法[1-5]是其中的一種重要方法。它能充分利用圖像灰度總體分布的變化規律，較準確地估計圖像的運動矢量，具有計算量小、精度高的特點[1]。美國ARL研究實驗室采用此方法在Demo1號自控目標跟蹤系統中實現了圖像的實時穩定。但是投影算法有一定的應用條件，圖像的灰度變化應較豐富，具有一定的對比度，否則灰度投影曲線變化不明顯，難以精確地求出運動矢量，容易造成誤差。通過對圖像進行直方圖均衡化處理，能在一定程度上處理對比度較差的圖像，增強算法的魯棒性，但是不能從根本上解決此問題[2]。為此，本文提出一種基于梯度投影法的電子穩像算法。

2灰度投影法

灰度投影法是一種基于投影算法的穩像方法，利用圖像灰度分布變化的特點求取圖像幀間運動向量，分為灰度映射和相關計算2個步驟。

2.1灰度映射

對輸入的二維圖像進行預處理后，將其灰度信息映射成2個獨立的一維投影序列。設(,)kGij為第k幀圖像點(i,j)處的像素灰度值，M、N分別為圖像投影區域的行、列數。圖像第i行的灰度投影值為：()(,)NkkisGrayYiGij(1)圖像第j列的灰度投影值為：()(,)MkkisGrayXjGij(2)投影曲線反映了圖像灰度分布的特點，為方便描述，將圖像行方向的投影曲線記為水平投影曲線，將圖像列方向的投影曲線記為垂直投影曲線。

2.2投影濾波處理

當圖像的位移量大時，由于每一幅圖像的邊緣信息是唯一的，因此會導致投影的波形在邊緣處的差異性。傳統灰度投影通常采用全投影，即將投影區域每行(列)進行映射，行(列)內的每個像素都參與投影。在進行相關計算時，會對互相關峰值產生影響而降低精度。解決此問題可通過余弦平方濾波器進行濾波，以降低邊界信息的幅值而保留中心區域的波形，從而降低邊界對互相關的峰值的影響，提高運動矢量的檢測精度。

2.3互相關計算

將當前幀k的水平、垂直投影曲線與參考幀r的水平、垂直投影曲線做互相關運算，根據2條相關曲線的唯一谷值即可確定當前幀相對于參考幀的行、列位移矢量值。設m為位移矢量相對于參考幀的搜索寬度，以水平相關運算為例，計算公式如下：同理，得到垂直投影相關運算()krCw。水平、垂直相關運算的谷值y、x即當前幀對應參考幀的移動位移。當x為正時表明當前幀相對于參考幀向右移移動了x像素，為負時表明當前幀相對于參考幀向左移動了x像素；當y為正時表明當前幀相對于參考幀向下移移動了y像素，為負時表明當前幀相對于參考幀向上移動了y像素。2.4灰度投影法的優缺點灰度投影法優點是灰度曲線匹配速度快，有較高的穩像速度。然而該算法也存在如下缺點：(1)對灰度值單一的圖像處理效果不佳，當圖像灰度值單一、對比度很差時，會造成投影曲線很平，相關以后波谷不夠明顯，導致運動估計不精確。(2)只能夠估計出行、列的平移運動矢量，不能匹配出圖像旋轉的角度矢量。(3)灰度投影法是基于整幅圖像的投影，對于內部物體的運動，不能反映出來。內部運動物體會對投影的匹配造成一定的影響。

3基于梯度投影法的電子穩像算法

基于上述分析，本文提出一種基于梯度投影法的電子穩像算法。該算法實現的基本思路與灰度投影法相同，不同的是利用的是圖像的梯度分布情況進行運動估計。具體實現步驟如下：

(1)由于梯度運算對噪聲敏感，為了提高算法的準確度，需要對圖像進行平滑處理，本文選擇使用Wiener函數對圖像進行預處理。

(2)使用Prewitt梯度算子計算參考幀和當前幀的梯度值，得到2幅圖像的水平、垂直梯度投影曲線。

(3)對2幅圖像的行、列梯度投影分別進行相關運算，通過谷值檢測，得到圖像的偏移量y、x。得到水平、垂直方向位移矢量后，把當前圖像向位移矢量的反方向運動相應大小的像素距離，即可實現輸出圖像序列的穩定。為了減少邊界的影響，一般對梯度投影曲線進行截斷，取中心部位的區域進行相關計算。

4實驗結果與分析

微光圖像利用的是微弱的夜天光輻射光譜區域，由于目標與背景對光線的反差比較小，灰度級有限，因此成像對比度差、圖像平淡，難以分辨細節。為了測試GPA法在灰度值單一、對比度差的圖像下的運動估計效果，選取微光圖像序列的連續2幀圖像，如圖1所示，當前幀相對于參考幀發生了抖動，且存在緩慢運動的車輛，圖像大小為300×400像素，幀速為24幀/s。(a)參考幀(b)當前幀圖1微光圖像序列計算2幀圖像的灰度直方圖，可以觀察到圖像灰度值集中在140~230的區域間，對比度較差。參考幀的灰度直方圖如圖2所示。

4.1計算結果比較

圖3、圖4分別為利用灰度投影法和本文算法得到的水平、垂直投影曲線和相關曲線。搜索寬度m設為20，根據相關曲線谷值檢測得到：(1)灰度投影法：x14、y7，說明當前幀相對于參考幀向右、向上各移動了14個和7個像素；(2)本文算法：x13、y6，說明當前幀相對于參考幀向右、向上各移動了13個和6個像素。可以觀察到，灰度投影曲線起伏平穩、變化緩慢，相關曲線在谷值附近較平緩，因此定位不精準、容易產生誤差；而梯度投影曲線起伏明顯，變化劇烈，相關曲線谷值明顯，定位精確。

4.2穩像效果評估

圖5為灰度投影法和本文算法進行幀間全局運動參數估計后，對當前幀進行運動補償后的穩像效果。本文采用差影法和光流法對2種算法進行評估，對比2種算法的估計精度。

(1)差影法差值圖像提供了圖像間的差異信息，可以利用差影法比較穩像算法的準確性和精度，2種算法穩像幀和參考幀之間的差分圖像如圖6所示。(a)灰度投影法(b)本文算法圖62種算法穩像后的差分結果灰度投影法由于運動估計不精確造成了差值不為0的亮區域；本文算法穩像后的差分圖像背景部分像素差很小，接近于0，而亮區域是由運動目標造成的，有利于進一步對運動目標進行識別。

(2)光流法利用LK光流法[6]進行參考幀和穩像幀間的光流場估計，計算結果如圖7所示。(a)灰度投影法(b)本文算法圖72種算法穩像后的光流場灰度投影法由于幀間運動估計產生了誤差，導致光流場中包含了誤差造成的全局運動光流；而本文算法由于穩像精準，得到的光流場是由圖像內運動目標造成的，因此可以很好地檢測到運動目標檢測區域，為下一步的目標檢測和自動跟蹤的實現提供條件。利用上述方法對40組樣本進行了評估，采用本文算法進行運動估計的正確率達到了97.5%，而灰度投影法估計的正確率僅為80%，進一步說明了本文算法的有效性和精確性。同時，由于本文算法相比灰度投影法僅增加了梯度運算的環節，因此運算量方面沒有明顯的增加，依然可以滿足穩像的實時性要求。

5結束語

本文提出了一種基于梯度投影法的電子穩像算法。實驗結果證明，該算法能提高微光圖像序列的運動估計精度，具有一定的應用價值。然而，本文算法同樣存在無法識別旋轉運動以及對運動物體估計不精確等問題。由于本文算法與灰度投影法的基本思路和實現方法相似，因此將針對這些問題的灰度投影改進方法引入到梯度投影法中，也可以得到良好的效果。