本发明涉及视频监控领域,特别涉及一种图像反馈矫正方法。
背景技术:
在监控视频领域,由于监控摄像头在拍摄移动物体过程中不可避免的会出现图像抖动,抖动图像严重影响视频质量,容易引起视觉疲劳,且不利于监控视频的后期利用。因此,如何解决监控视频抖动问题具有重要的现实意义。而视频监控图像去抖动改进算法通过结合快速近似最邻近理论匹配视频邻帧间的图像特征点,对视频监控图像特征点轨迹进行滤波处理,直接对监控视频进行补偿,由此消除监控视频抖动,不仅能够对存在的水平抖动的监控图像进行处理,同时对存在尺度、旋转变换的监控抖动视频图像也具有较好的去抖动效果,是解决上述问题的根本途径。
技术实现要素:
本发明的目的在于提供一种图像反馈矫正方法,以解决上述背景技术中提出的一种图像反馈矫正方法。
为实现上述目的,本发明提供如下技术方案:一种图像反馈矫正方法,包括:获取当前帧当前帧图像,提取图像的特征点;
获取邻帧图像,提取邻帧图像的特征点;
筛选图像特征点,剔除错误匹配的图像特征点;
计算图像间的运动参数,对图像间的运动参数进行建模;
计算出滤波前后图像特征点之间的矫正系数,直接对图像进行补偿。
优选的,所述图像特征点的对集向量为:
其中,
优选的,所述筛选图像特征点,其满足条件为:
其中,
优选的,所述图像间的运动参数为:
其中,(x,y)代表视频监控图像i的中心像素点,
优选的,所述矫正系数
其中,
优选的,所述图像运动参数建模为:
其中,h代表仿射变换矩阵,a13,a12,a21和a22分别代表视频监控图像间的旋转和缩放变换,
优选的,两帧图像运动参数为:
其中,(x,y)代表视频监控图像i的中心像素点,
本发明提出的一种图像反馈矫正方法在对视频监控图像去抖动的平滑性和辨识度要优于随机取样一致性算法进行视频监控图像去抖动的平滑性和辨识度。结合卡尔曼滤波理论对视频监控图像特征点轨迹进行滤波处理,计算出滤波前后图像特征点之间的矫正系数,直接对监控视频进行补偿,由此消除监控视频抖动,使得本方法在视频监控图像去抖动的图像更加平滑和具有辨识度。
具体实施方式
在对视频监控图像进行去抖动过程中,先提取视频监控图像的特征点,结合快速近似最邻近库理论匹配视频邻帧间的图像特征点,并剔除错误匹配的图像特征点,利用随机取样一致性理论迭代求解监控视频图像间的运动参数,具体过程如下:
假设,利用非线性扩散滤波理论描述不同视频监控图像尺度空间上图像亮度的变化,利用如下公式给出的非线性偏微分方程进行描述,
其中,l代表视频监控图像矩阵,
其中,
其中,
其中,
其中
其中,
经过非线性扩散滤波处理后,可获得滤波后的图像集
其中,
假设,
假设,匹配的视频监控图像特征点对集向量为
其中,
其中,
在对视频监控图像进行去抖动的过程中,以上述获得的监控视频图像间的运动参数为基础,结合卡尔曼滤波理论对视频监控图像特征点轨迹进行滤波处理,计算出滤波前后图像特征点之间的校正量,直接对监控视频进行补偿,由此消除监控视频抖动,具体过程如下
假设
利用仿射变换理论对监控视频图像间的运动参数进行建模,
其中,h代表仿射变换矩阵,a13,a12,a21和a22分别代表视频监控图像间的旋转和缩放变换,
假设,视频图像i与视频图像j为近邻两帧图像,利用下列公式求解两帧图像运动参数
其中,(x,y)代表视频监控图像i的中心像素点,
其中,
由如下公式计算可得到对应平移转换轨迹矩阵
其中获得的
其中,
假设,
利用六参数仿射转换模型可计算出
以上所述,要优于随机取样一致性算法进行视频监控图像去抖动的平滑性和辨识度。结合卡尔曼滤波理论对视频监控图像特征点轨迹进行滤波处理,计算出滤波前后图像特征点之间的矫正系数,直接对监控视频进行补偿,由此消除监控视频抖动,使得本方法在视频监控图像去抖动的图像更加平滑和具有辨识度。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。