基于视频图像序列的稳像和目标跟踪技术研究

论文摘要

当今,视频图像序列稳像技术和目标跟踪技术成为学者们研究的热点。随着移动电子设备日益广泛使用,手持摄像机、车载船载摄像等拍摄的视频由于相机的无意运动而引起抖动。抖动的视频不仅影响视觉观看,还会对后期处理造成困难,例如：目标跟踪、视频压缩等。因此,去除视频中的不规则抖动具有重要的应用价值。目标跟踪技术在视频监控,人机交互等领域有广泛的应用,本文后续对目标跟踪做了一些研究。视频图像序列稳像技术主要包括两个模块：运动估计和运动补偿。其中运动估计模块是最重要的部分,它通过不同算法分析图像的内容,获得图像帧间的全局运动参数。本文首先研究了几种常见的运动估计算法,提出了一种基于图像特征块的运动估计算法。首先在图像中提取纹理特征比较明显的点,以特征点为中心点构造特征块,在参考帧中搜索最优的匹配块；然后利用距离约束准则剔除误匹配点和局部运动物体上的点；最后代入运动模型求解得到全局运动参数。运动补偿是通过运动滤波得到运动补偿矢量。根据运动补偿矢量,将图像反方向补偿,去除抖动分量,本文研究利用比例积分控制器实现运动补偿。在目标跟踪方面,本文在粒子滤波的框架下,采用改进的颜色空间模型作为目标的观测模型,计算目标模板颜色直方图与粒子的颜色直方图巴氏距离,最后确定待跟踪目标的准确位置；在直方图的统计方面,本文根据快速积分图像原理,利用积分直方图方法快速统计搜索区域的积分直方图,要计算候选目标的直方图,只需要通过加、减运算就能快速得到。经实验证明,本文提出的稳像方法和目标跟踪方法有较好的效果,能达到实时。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 稳像与目标跟踪技术的研究背景和意义
• 1.2 稳像和目标跟踪技术国内外发展状况
• 1.3 本文主要工作和各章节安排
• 2 电子稳像理论的基本方法
• 2.1 引言
• 2.2 相机运动模型
• 2.3 图像的运动模型
• 2.4 运动估计
• 2.4.1 块匹配法
• 2.4.2 代表点匹配法
• 2.4.3 灰度投影法
• 2.4.4 位平面法
• 2.4.5 变换域法
• 2.4.6 特征匹配法
• 2.5 运动补偿
• 2.6 稳像性能评价
• 2.7 本章小结
• 3 基于特征块匹配的稳像算法
• 3.1 引言
• 3.2 基于特征块运动估计
• 3.2.1 特征块提取
• 3.2.2 自适应特征块匹配
• 3.2.3 误匹配剔除
• 3.2.4 全局运动参数
• 3.3 运动补偿
• 3.3.1 自适应运动滤波
• 3.3.2 反方向补偿
• 3.4 实验结果及分析
• 3.5 本章小结
• 4 粒子滤波算法
• 4.1 引言
• 4.2 目标运动模型
• 4.3 粒子滤波器
• 4.3.1 蒙塔卡罗方法
• 4.3.2 重要性采样
• 4.3.3 贝叶斯滤波
• 4.4 标准的粒子滤波
• 4.5 本章小结
• 空间的粒子滤波目标跟踪算法'>5 基于颜色_空间的粒子滤波目标跟踪算法
• 5.1 引言
• 5.2 颜色模型
• 5.2.1 RGB颜色模型
• 5.2.2 HSV颜色模型
• 5.2.3 RGB颜色模型转HSV颜色模型
• 5.3 颜色直方图统计
• 空间直方图'>5.4 改进的颜色_空间直方图
• 5.5 积分图像及积分直方图
• 5.5.1 积分图像
• 5.5.2 积分直方图
• 空间特征的目标跟踪算法过程'>5.6 基于颜色_空间特征的目标跟踪算法过程
• 5.7 实验结果及分析
• 5.8 本章小结
• 6 总结与展望
• 6.1 论文主要研究工作和总结
• 6.2 工作展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢