星空背景图像中的运动补偿方法技术

本发明专利技术公开了一种星空背景图像中的运动补偿方法，首先根据星空背景图像的灰度和运动特征，利用样本运动参数估计和全局运动参数估计两个关键步骤进行运动背景补偿。在样本运动矢量估计阶段直接剔除异常点，降低了本发明专利技术中冗余信息的计算量；其次，在样本运动参数估计阶段，引入了块匹配与质心提取相结合的方法。由于采用基于块匹配的方法，有效地提高了样本估计的运算速度，异常点的剔除又进一步降低了待处理数据的信息量，并且基于质心提取的方法进一步提高了样本点估计参数的精度，本发明专利技术采用基于块匹配与质心提取相结合的方法惊醒星空背景下的运动补偿，运算量降低了５０％，补偿精度由原来的１个象素提高到了０．５象素。

【技术实现步骤摘要】

本专利技术涉及一种星空背景图像处理方法，特别是。
技术介绍
复杂运动背景下的弱小目标检测问题直接决定了天文观测系统的作用距离及检测性能， 而运动背景补偿是弱小目标检测的关键技术之一。文献"基于鲁棒回归的运动背景补偿技术，信号处理，2002， 18(1): 36-38"公开了一种 基于光流的方法进行样本点运动参数的估计，并采用叠代加权最小二乘法进行全局运动参数 的估计，避免了目标点被当作采样点而引入的全局运动参数估计的误差，但其中对权函数的 求取大大增加了运算量，降低了运动补偿的速度，也只能实现1个象素的补偿精度。
技术实现思路
为了克服现有技术运动补偿的速度低、精度低的不足，本专利技术提供一种星空背景图像中 的运动补偿方法，采用基于块匹配的方法，可以有效提高样本估计的运算速度，异常点的剔 除可以降低待处理数据的信息量，基于质心提取的方法可以提高样本点估计参数的精度。本专利技术解决其技术问题所采用的技术方案 一种，其 特征在于包括下述步骤(a) 通过相邻帧间有效区域的确定，将图像均匀划分，在划分后的小模块内进行样本点 的选取，并且通过块匹配与质心法相结合的方式，进行样本点运动矢量的估计，通过异常点 剔除去除冗余信息，计算出样本特征的运动矢量；(b) 采用基于平行投影的六参数模型，确定表征全局运动模型的摄像机运动参数；(C)定义样本点集合，计算出所有样本点的运动参数，通过构建的摄像机运动模型参数 估计出速度场，通过求解全局运动模型参数的最优解来获取全局运动模型的运动参数； (d).通过双线性内插法对相邻两帧的后一帧图像进行补偿。 本专利技术的有益效果是由于采用基于块匹配的方法，有效地提高了样本估计的运算速度， 异常点的剔除又进一步降低了待处理数据的信息量，并且基于质心提取的方法进一步提高了 样本点估计参数的精度，本专利技术采用基于块匹配与质心提取相结合的方法惊醒星空背景下的 运动补偿，运算量降低了50%,补偿精度由原来的1个象素提高到了0.5象素。下面结合附图和实施例对本专利技术作详细说明。 附图说明附图是本专利技术流程图。具体实施例方式参照附图。1、首先进行样本特征运动估计。深空背景在成像图像中表现为黑色，恒星与弱小运动目标相似，在成像图像中呈现为点 源，由于探测设备自身的原因，成像图像中还存在大量噪声。充分考虑成像图像和星空背景 运动目标检测的特性，直接在样本选取阶段进行异常点的剔除，避免了摄像机模型运动模型 参数估计阶段采用叠代加权最小二乘法进行全局参数的求取，省去了权函数的求解，简化了 全局参数求取的过程，有效的縮短了背景补偿的时间，减少了计算量。样本特征运动估计阶段的基本过程如下(a) 相邻帧间有效区域确定。由于边界效应影响，即当视频序列中背景发生背景运动，相邻帧间背景存在相对运动， 图像不能完全重合。因此，只有当样本点选取在公共区域内，才能有效的估计出样本点的运 动参数。因此，首先需要确定相邻两帧之间的有效区域。选取有效区域的边界横坐标的范围为16^x^4-16，纵坐标的范围为16《y^^-16，其 中16表示将边界宽度定为16个像素，其中，A和^分别表示图像边框大小。因此，可以得到相邻帧的有效区域。(b) 基于均匀采样思想，将图像均匀划分为9块，在小模块内进行样本点选取。 为使前期的样本点选取更具代表性和分散性，使得全局运动模型参数估计更精确，避免选取过多样本点消耗较多的处理时间，本专利技术借鉴了均匀采样的思想。将当前帧的图像均匀划分为9块，借鉴天文中星等的概念，全局搜索灰度值大于给定阈 值的采样点，此时阈值定为180。将均匀划分后小块内阈值大于180的点作为找到的感兴趣 的特征点集，记录最先搜索到采样点的灰度值和位置的横、纵坐标，以此作为选定的采样点。 (c)特征匹配与运动矢量估计。 本专利技术采用了基于块匹配与质心法相结合的技术来进行样本点的运动矢量估计。即采用 最小平均绝对差函数的匹配准则，利用三步搜索法进行最佳匹配块搜索，其中，确定块的大 小为16X16。同时，为了减少块匹配过程中每个待匹配位置的运算次数，保持块匹配的精度， 引入了连续排除算法，将配准的精度由1象素提高到了 0. 5个象素。 (d)异常点剔除。在星空背景下，运动目标和背景恒星在图像中均表现为光斑，但目标与背景具有不同的 运动特性，若运动目标被选为样本点，对全局运动参数的估计有较大误差。又由于星空背景 下深空背景在图像中表现为黑色区域，若该点被选为样本点在进行搜索匹配时，可能无法找 到最佳匹配块。我们称这些点为异常点。为了有效的避免异常点给全局运动估计带来较大误差，在此阶段将对异常点进行剔除。 以1024X 1024的8bit图像的为例。首先，寻找灰度值大于180的点，将灰度小于180的点 作为异常点进行剔除；其次，对估计出的运动矢量进行判断，变化在小于3象素范围内，则 进行下一步工作，否则，设为异常点进行剔除，并在此模块中重新寻找特征点并进行运动矢 量估计。采用将采样点与参考点的量度和运动矢量比较的方式进行异常点的剔除，有效地避 免了如
技术介绍
中所i提到的使用叠代加权最小二乘法进行异常点剔除的方法，减少了 50%的 计算量，提高了计算的效率。(e)样本特征运动参数的精确估计。通过异常点剔除，所选取的样本点均为恒星上的点。先利用象素阈值法对第1帧样本点 所在的区域进行标记，确定出恒星斑点的边界，再利用平方加权法，如公式(l)，进行质心求取，其中，x;y为像素的横纵坐标，F0c，力为(;c，力处的灰度值，w，"为窗口的大小。x。,y。为求得的质心坐标。<formula>complex formula see original document page 5</formula>然后用块匹配法得出的运动矢量("，v)得出该样本点在第2帧中的位置，即(x + ",^ + v)，并计算出运动之后恒星的质心位置((乂)'。因此，(w) = (x;-x。，乂i。)为估计出的样本特征精确的运动矢量。2、摄像机运动模型。计算图像的全局运动模型参数，需要确定表征全局运动的摄像机运动模型，考虑到计算 的复杂性和算法的有效性，本专利技术采用基于平行投影的六参数模型。在图像存在旋转、平移等运动方式时，系统可采用运动模型参数估计法对目标的三维运动进行描述。典型的运动参数估计模型如公式(2)所示。假设在时刻^成像刚体的某一点的坐标为(U,z)，在时刻"+,该点运动到(义',r，z')，这一运动可用矩阵w描述的旋转和矢量r表示的平移来合成，有<formula>complex formula see original document page 5</formula>在成像平面中的目标点坐标(;c，力与目标三维点坐标(z，;r，z)的关系如公式(3):<formula>complex formula see original document page 5</formula>由公式(2)和公式(3)可以得到公式(4)进一步可以表示为如公式(5):<formula>complex formula see original document page 6</formula>(4)<本文档来自技高网...

【技术保护点】
一种星空背景图像中的运动补偿方法，其特征在于包括下述步骤：　（ａ）通过相邻帧间有效区域的确定，将图像均匀划分，在划分后的小模块内进行样本点的选取，并且通过块匹配与质心法相结合的方式，进行样本点运动矢量的估计，通过异常点剔除去除冗余信息，计算出样本特征的运动矢量；　（ｂ）采用基于平行投影的六参数模型，确定表征全局运动模型的摄像机运动参数；　（ｃ）定义样本点集合，计算出所有样本点的运动参数，通过构建的摄像机运动模型参数估计出速度场，通过求解全局运动模型参数的最优解来获取全局运动模型的运动参数；　（ｄ）通过双线性内插法对相邻两帧的后一帧图像进行补偿。

【技术特征摘要】

【专利技术属性】
技术研发人员：张艳宁，孙瑾秋，姜磊，段锋，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]