申请/专利权人：大连海事大学

申请日：2021-02-24

公开（公告）日：2024-06-28

公开（公告）号：CN113034383B

主分类号：G06T5/70

分类号：G06T5/70;G06T7/33

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.07.13#实质审查的生效;2021.06.25#公开

摘要：本发明公开了一种基于改进网格运动统计获取视频图像的方法,属于电子稳像领域，该方法包括以下步骤：采用改进抑制半径的FAST方法提取视频图像每一帧的特征点；采用BRIEF描述子方法计算特征点的描述子；依据特征点的描述子，采用改进的ORB对相邻特征点进行匹配，得到视频图像前后帧之间的全局运动量；对视频图像前后帧之间的全局运动量，进行高斯平滑滤波和图像补偿，最终获得稳定的视频图像；该方法公开了使用抑制半径的ORB特征提取的方法，减少特征点提取局部簇拥性，使用网格运动统计进行误匹配剔除，对全局运动准确估计，并补偿进视频，补偿过的视频里抖动干扰被减轻，得到更稳定更利于观测的视频。

主权项：1.一种基于改进网格运动统计获取视频图像的方法，其特征在于：包括以下步骤：S1:采用改进抑制半径的FAST方法提取视频图像每一帧的特征点；S2:采用BRIEF描述子方法计算特征点的描述子；S3:依据特征点的描述子，采用改进的ORB对相邻特征点进行匹配，得到视频图像前后帧之间的全局运动量；S4:对视频图像前后帧之间的全局运动量，进行高斯平滑滤波和图像补偿，最终获得稳定的视频图像；所述采用改进抑制半径的FAST方法提取视频图像每一帧的特征点的过程如下：S1-1：读入视频，根据高斯图像金字塔原理将原始帧图像和参考帧图像进行不同层次的降采样处理分别得到原始帧图像的金字塔和参考帧图像的金字塔，增加Fast特征的尺度的不变性；S1-2：依据阈值对视频图像中的特征点进行初步筛选；S1-3：采用Harris响应公式对初步筛选后的特点进行，响应计算，将初步筛选点的响应值进行排序，将排序前后的两个响应值对应的特征点的欧式距离作差，得到一组抑制半径，根据一组抑制的半径的大小来再次筛选特征点；S1-4：使用灰度质心法对再次筛选特征点，添加选择旋转不变性；完成视频图像每一帧的特征点的提取；S1-4-1:找到视频图像的矩； 其中：mpq是位于x，y像素的矩，p,q代是表图像水平和竖直方向的阶数，p+q是矩mpq的阶数；S1-4-2:通过矩找图像的质心； 其中：C为图像的质心，m10、m01是一阶矩，m00是0阶矩；S1-4-3:连接图像块的几何中心O与质心C，得到一个方向向量此方向为fast特征方向θ＝atan2m01,m10；所述依据特征点的描述子，采用改进的ORB方法对相邻特征点进行匹配，得到视频图像前后帧之间的运动量的过程如下：S3-1:使用BF匹配的方式对视频图像中两组ORB特征点按照Hamming距离进行匹配，并依据Hamming距离差异大小进行排序，得到一组初步特征匹配集F；S3-2:根据运动平滑性对初步特征匹配集F进行再次筛选，首先将视频图像参考帧和当前帧图像划分别划分成m*m的网格图像，并对每一个网格图像划分3*3的子网格，定义区域内参考帧与相邻帧图像特征点匹配数为分数，并计算3*3个区域分数之和为当前网格图像的总分Sij；S3-3:对每一个网格图像分数进行由大到小排序，根据阈值τ区分真匹配与假匹配，当Sij＞τ，是真匹配；当Sij≤τ，是假匹配；在真匹配特征点中依据所需特征点数选取高分区域的特征点匹配对，得到精确特征点，由精确特征点构成特征匹配集F’，完成精确筛选过程；S3-4:将得到精确特征点匹配对使用Ransac方法进行仿射运动模型拟合，最终得出视频全局的运动量；所述对视频图像前后帧之间的全局运动量，进行高斯平滑滤波和图像补偿，最终获得稳定的视频图像的过程如下：S4-1:视频图像前后帧之间的全局运动量进行延迟k帧的高斯滤波，得到平滑过后的全局运动量；S4-2:把平滑过后的全局运动量添加到原始视频中，得到添加平滑过后的全局运动量的原始视频，并对添加平滑过后的全局运动量的原始视频进行补偿，得到最终的稳定视频。

全文数据：

权利要求：

百度查询： 大连海事大学 一种基于改进网格运动统计获取视频图像的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD