一种图像抖动的快速校正方法技术

本发明专利技术公开一种图像抖动的快速校正方法，用于视频水文观测中图像抖动的快速校正，首先提取参考图像的特征线，确定参考图像的参考线；再对实时图像进行特征线的提取；继而将实时图像的特征线与参考线进行匹配，计算校正参数；最后利用校正参数进行图像抖动的校正。本发明专利技术是把相机旋转的360度分成若干个固定的角度，对于每一个角度，有一个对应的模版线段集。在实际匹配中，首先预判相机的角度，确定对应的应用场景，从而确定后续匹配所要使用的模版线段集。所以，首先通过一个预判，可以将相机的每一个旋转变化对应的应用场景转换成固定相机场景，从而减小特征线匹配运行的时间，快速获取校正参数，实现快速的图像抖动校正。

【技术实现步骤摘要】
一种图像抖动的快速校正方法
本专利技术涉及视频图像处理领域，更具体地，涉及一种应用于视频水文观测中的图像抖动的快速校正方法。
技术介绍
由于传统水文监测手段系统安装复杂，安装难度大，后期维护成本大，需要定期的人工维护等缺点，利用视频监控进行实时水文观测已经成为一种趋势。视频水文监测采用的是静止图像分析技术获取水文信息，即通过视频图像处理提取相应的水文环境信息。相比于传统的接触式的水文监测设备，易安装，不易损坏，且后续的维护成本低。而利用视频图像处理进行水文观测，易受各种野外环境因素（如风、雨）影响。在视频图像解析水文信息之前，须进行必要的图像抖动校正——图像特征匹配。传统上采用的是基于区域的匹配方法进行校正，易受灰度明暗变化的影响，不能很好适应环境场合变化实际应用中，遇到天气变化（雨、雾等）场合匹配成功率降低，而在在黄昏及夜晚场景下，基于特征区域匹配方法完全不能用。采用特征线进行匹配校正相较于特征区域匹配，不易受灰度信息变化干扰，线特征信息比单纯灰度信息具有更高的稳健性，这是因为线特征对图像辐射失真不敏感。一般的图像抖动校正流程如下图，首先读入图像，判断是否为固定图像，再进行实时图像的特征线提取与匹配，计算校正参数，最后利用校正参数进行图像抖动位移的校正。其中两个重要的步骤是特征线提取与特征线匹配。而在实际应用中，上述图像抖动校正方法存在时间复杂度较高，计算量较大的不足，其运算时间达到数秒甚至数十秒。根据国家水位观测标准，视频监控对算法实时要求较高，为了提出一种性能更好的图像抖动校正方法是非常有必要的。已知特征线提取包括图像边缘信息的检测与直线提取。图像边缘检测算法国内外已有许多研究成果，其中的Canny算法是较为成熟的一种。Canny算子具有以下优点：(1)信噪比好，即对边缘点的错检丢失率比较低；(2)定位性能好，即检测出的边缘点尽可能的在实际边缘的中心；(3)对单一边缘有唯一响应，即要尽可能的抑制虚假边缘。但Canny算法却不是一种快速的图像处理算法。直线提取中，经典的Hough变换的抗噪性能良好，且能连接共线的短直线，但缺点是参数难于选择且计算复杂、提取的直线分辨率较低且缺乏局部特性。基于LocalSearch算法特征线匹配校正方法，能克服传统的基于图像灰度信息匹配算法的缺点，在匹配时受图像的仿射变换，画质变化以及成像畸变等干扰较小，具有较强的鲁棒性，能在其他算法不能正常工作的情况下仍提供较好的矫正，得出图像的正确位移信息。LocalSearch是由J.RossBeveridge在1993年提出来的，LocalSearch就是局部搜索的意思。LocalSearch匹配算法的核心是深度优先搜索，深度最优搜索就是从当前位串出发，在其海明距离为1的所有领域中搜索最优的结果作为下次迭代搜索的初始位串，直到当前位串为最优，其他领域组合都不是最优，这个最优结果就是局部最优结果。为了保证得到全局最优，须进行多次搜索，每次最初始位串都是随机产生。此时时间复杂度已经降低，但运算时间仍达不到项目实际要求的速度（500ms以下）。由于LocalSearch匹配算法的运行时间过长，与实际项目的实时性要求相去甚远，故现有LocalSearch匹配算法还仅仅只是停留在理论研究阶段。
技术实现思路
为了克服上述现有技术的不足，本专利技术提出一种图像抖动的快速校正方法，采用该校正方法能够提高视频水文观测的抖动校正的健壮性及满足其实时观测的要求。为了实现上述目的，本专利技术的技术方案为：一种图像抖动的快速校正方法，用于视频水文观测中图像抖动的快速校正，包括以下步骤：S1.提取参考图像的特征线，确定参考图像的参考线；S2.对实时图像进行特征线的提取；S3.将实时图像的特征线与参考线进行匹配，计算校正参数；S4.利用校正参数进行图像抖动的校正；所述步骤S1、S2的具体方式为：S11.提取参考图像中所有线段：采用边缘检测算法设定适合自适应阈值，提取参考图像的边缘；再采用线特征检测算法得到直线的矢量形式，从中选定直线段作为参考模板；S12.对选定的每一条直线段制作一个mask，将所有选定直线段的mask叠加到一起，制作图像处理用的掩膜版；S13.基于掩膜版对实时采集的场景图像，采用与步骤S11相同的边缘检测算法、线特征检测算法对图像进行边缘线段的提取，对实时场景图像进行处理时，只对掩膜版内的区域进行处理。本方法制作的掩膜版在具体图像处理过程中，能够降低图像处理的计算量，从而降低程序运行的耗时，为快速图像处理提供基础。在对实时采集的场景图像处理时，只需要对掩膜版区域内的信息进行处理计算，能够明显的降低图像处理的计算量，在掩膜版区域内计算处理，同样能够精准的提取出特征线。优选的，制作图像掩膜版是制作不同角度的图像掩膜版，具体为：将相机旋转的360度分成若干个固定的角度，对于每一个角度，选定出一个对应的模版线段集，从而制定出对应的图像掩膜版。根据相机的旋转角度制作出若干个图像掩膜版，即减少了模板线段集合，从而能够减少匹配的空间，最终达到减少特征线匹配运行的时间。优选的，所述步骤S3是利用LocalSearch特征线匹配方法进行图像的匹配，计算实时图像与参考图像的相对位移的大小——抖动量大小，单位为像素；步骤S3中将实时图像的特征线与参考线进行匹配的具体方式为：S31.对相机的预判，根据相机的旋转角度，确定用于匹配的参考模版图片，从而确定用于匹配的图像掩膜版；S32.对实时采集场景图像进行线段提取，利用深度优先搜索算法在图像掩膜版区域内里进行搜索，寻找最优组合，并输出匹配结果，获取校正参数。通过对相机的预判，可以将相机的每一个旋转变化对应的应用场景转换成固定相机场景，从而减小特征线匹配运行的时间。优选的，在提取实时采集场景图像进行线段后，还根据预设的先验知识排除部分不可能匹配的线段对。优选的，所述预设的先验知识包括线段对之间的夹角、线段对的长短比例和线段对之间的距离。对输入的数据线段集，通过一些先验知识，如：两线段之间的夹角为范围2~7度、两线段的长短比例是1/7~9/2或两线段之间的距离为6~8个像素来事先排除数据线段集中不可能与模版线段集中相匹配的线段，能够减小匹配空间，从而减小计算量。线段对之间的夹角、线段对的长短比例和线段对之间的距离这三参数，为实际工程中的经验值，不作定量分析与推导，遇到具体环境可以调整。另外，这些参数设定限制条件太宽直接导致匹配条件宽松，结果是匹配可能性更多，匹配时间复杂度更大；限制条件太严格可能影响匹配成功率。与现有技术相比，本专利技术的有益效果为：本专利技术的方法是应用于视频水文观测中的抖动校正，克服了基于特征区域匹配易受灰度信息变化等因素影响的缺点，采用掩膜版的方法降低计算复杂度，实验结果，表明整个计算图像位移的过程（包括线提取与线匹配）能控制在1s以内，符合实时图像处理的要求。附图说明图1为现有图像抖动校正流程图。图2为现有LocalSearch算法的流程图。图3为本专利技术中改进的LocalSearch算法的流程图。图4为mask设计图；其中d为mask缓冲带宽度，AB为参考线段。图5为掩膜版区域图；白色区域为mask，特征线图像处理在此区域内进行。图6为实时图像特征线提取效果图。图7为仿真示意图。具体实施方式下面结合附本文档来自技高网...

【技术保护点】
一种图像抖动的快速校正方法，用于视频水文观测中图像抖动的快速校正，包括以下步骤：S1.提取参考图像的特征线，确定参考图像的参考线；S2.对实时图像进行特征线的提取；S3.将实时图像的特征线与参考线进行匹配，计算校正参数；S4.利用校正参数进行图像抖动的校正；其特征在于，所述步骤S1、S2的具体方式为：S11.提取参考图像中所有线段：采用边缘检测算法设定适合自适应阈值，提取参考图像的边缘；再采用线特征检测算法得到直线的矢量形式，从中选定直线段作为参考模板；S12.对选定的每一条直线段制作一个mask，将所有选定直线段的mask叠加到一起，制作图像处理用的掩膜版；S13.基于掩膜版对实时采集的场景图像，采用与步骤S11相同的边缘检测算法、线特征检测算法对图像进行边缘线段的提取，对实时场景图像进行处理时，只对掩膜版内的区域进行处理。

【技术特征摘要】
1.一种图像抖动的快速校正方法，用于视频水文观测中图像抖动的快速校正，包括以下步骤：S1.提取参考图像的特征线，确定参考图像的参考线；S2.对实时图像进行特征线的提取；S3.将实时图像的特征线与参考线进行匹配，计算校正参数；S4.利用校正参数进行图像抖动的校正；其特征在于，所述步骤S1、S2的具体方式为：S11.提取参考图像中所有线段：采用边缘检测算法设定适合自适应阈值，提取参考图像的边缘；再采用线特征检测算法得到直线的矢量形式，从中选定直线段作为参考模板；S12.对选定的每一条直线段制作一个mask，将所有选定直线段的mask叠加到一起，制作图像处理用的掩膜版；制作图像掩模板是制作不同角度的图像掩膜版，具体为：将相机旋转的360度分成若干个固定的角度，对于每一个角度，选定出一个对应的模版线段集，从而制定出对应的图像掩膜版；S13.基于掩膜版对实时采集的场景图像...

【专利技术属性】
技术研发人员：范海生，
申请(专利权)人：广东中科遥感技术有限公司，天津中科遥感信息技术有限公司，
类型：发明
国别省市：广东;44