礦井車(chē)載攝像系統(tǒng)中電子穩(wěn)像算法的研究

程德強(qiáng)，郭 政，鄭 珍，姜海龍，劉 潔

(中國(guó)礦業(yè)大學(xué)信息與電氣工程學(xué)院，江蘇徐州221008)

為了保證煤礦生產(chǎn)的安全和加快煤炭工業(yè)現(xiàn)代化進(jìn)程，大量的監(jiān)控系統(tǒng)和車(chē)載攝像系統(tǒng)應(yīng)用到礦井中。車(chē)載攝像系統(tǒng)在采集圖像時(shí)，由于機(jī)車(chē)的運(yùn)動(dòng)使得攝像設(shè)備抖動(dòng)，導(dǎo)致獲取的圖像序列不穩(wěn)定，不僅影響監(jiān)測(cè)人員對(duì)礦井現(xiàn)場(chǎng)的判斷，而且對(duì)視頻序列后續(xù)的預(yù)警處理造成困難，因此對(duì)車(chē)載攝像系統(tǒng)進(jìn)行穩(wěn)像處理具有重要的意義。

電子穩(wěn)像技術(shù)是指對(duì)視頻序列進(jìn)行數(shù)字圖像處理，消減攝像機(jī)的隨機(jī)抖動(dòng)對(duì)視頻圖像的干擾，實(shí)現(xiàn)視頻圖像序列的穩(wěn)定［1］。電子穩(wěn)像技術(shù)具有成本低、易操作、體積小、精度高、實(shí)時(shí)性強(qiáng)等特點(diǎn)［2］，已逐步取代機(jī)械式穩(wěn)像［3］和光學(xué)穩(wěn)像［4］。

電子穩(wěn)像技術(shù)主要包括運(yùn)動(dòng)估計(jì)、運(yùn)動(dòng)濾波、運(yùn)動(dòng)補(bǔ)償三部分［5］。運(yùn)動(dòng)估計(jì)就是獲取幀間全局運(yùn)動(dòng)矢量。如何根據(jù)運(yùn)動(dòng)估計(jì)得到的運(yùn)動(dòng)矢量正確判定是攝像機(jī)的主動(dòng)掃描還是隨機(jī)抖動(dòng)，這是由運(yùn)動(dòng)濾波解決的。運(yùn)動(dòng)補(bǔ)償就是根據(jù)運(yùn)動(dòng)決定得到的運(yùn)動(dòng)參數(shù)對(duì)圖像進(jìn)行反方向移動(dòng)，實(shí)現(xiàn)圖像的平滑銜接。

目前對(duì)于車(chē)載攝像系統(tǒng)的穩(wěn)像主要改進(jìn)方向在于如何提取更加精確的全局運(yùn)動(dòng)信息以及如何實(shí)現(xiàn)圖像序列的平滑銜接［6］。文獻(xiàn)［7］采用灰度投影法對(duì)圖像做穩(wěn)像處理，由于灰度投影法對(duì)圖像信息要求嚴(yán)格，且對(duì)噪聲敏感，而礦井圖像序列一般是模糊、低清晰度的，所以文獻(xiàn)［7］的方法不適用于煤礦井下。文獻(xiàn)［8］利用Harris算法提取圖像角點(diǎn)，將多組解的平均值作為全局運(yùn)動(dòng)矢量，從而實(shí)現(xiàn)圖像序列的穩(wěn)像，具有較好的穩(wěn)像效果，但是Harris算法計(jì)算量大，運(yùn)算時(shí)間長(zhǎng)不能滿足實(shí)時(shí)性的要求［9］。文獻(xiàn)［10］采用相鄰幀補(bǔ)償?shù)姆绞綄?duì)圖像進(jìn)行運(yùn)動(dòng)補(bǔ)償實(shí)現(xiàn)了動(dòng)態(tài)場(chǎng)景的穩(wěn)像，克服了固定幀補(bǔ)償方式只能對(duì)攝像系統(tǒng)定點(diǎn)拍攝的圖像序列進(jìn)行運(yùn)動(dòng)補(bǔ)償?shù)娜秉c(diǎn)，但是由于相鄰幀補(bǔ)償?shù)姆绞揭桩a(chǎn)生累積誤差，因而不能長(zhǎng)時(shí)間連續(xù)地進(jìn)行穩(wěn)像。

針對(duì)文獻(xiàn)［8，10］存在的穩(wěn)像處理速度慢和效果差的問(wèn)題，本文提出一種基于MIC-Harris角點(diǎn)特征的自適應(yīng)運(yùn)動(dòng)補(bǔ)償電子穩(wěn)像算法。首先采用本文提出的MIC-Harris算子提取圖像序列的角點(diǎn)，運(yùn)用NCC和RANSAC算法對(duì)角點(diǎn)配準(zhǔn)，通過(guò)二維放射運(yùn)動(dòng)模型求取全局運(yùn)動(dòng)矢量;然后用Kalman濾波確定各幀的運(yùn)動(dòng)補(bǔ)償矢量;最后利用本文提出的自適應(yīng)相鄰幀補(bǔ)償方法對(duì)圖像序列進(jìn)行反方向補(bǔ)償，實(shí)現(xiàn)對(duì)礦井圖像序列的長(zhǎng)時(shí)間連續(xù)快速穩(wěn)像處理。

1 基于特征匹配法的全局運(yùn)動(dòng)參數(shù)估計(jì)

運(yùn)動(dòng)估計(jì)的算法有灰度投影法［11］、塊匹配法［12］、相關(guān)相位法［13］、特征匹配法［14］。特征匹配法以圖像典型特征為基本單元計(jì)算運(yùn)動(dòng)估計(jì)，能夠很好地滿足人的視覺(jué)特性，針對(duì)礦井圖像序列低清晰度、易受噪聲影響的特點(diǎn)［15］，本文采用特征匹配法估計(jì)全局運(yùn)動(dòng)矢量?；静襟E為:提取圖像序列每一幀的特征點(diǎn);建立圖像序列間特征點(diǎn)的對(duì)應(yīng)關(guān)系;通過(guò)運(yùn)動(dòng)模型求取全局運(yùn)動(dòng)矢量。

1．1 M IC-Harris特征點(diǎn)檢測(cè)

1.1.1 Harris特征點(diǎn)檢測(cè)

Harris角點(diǎn)檢測(cè)［16］是基于圖像的 Hessian矩陣，圖像中的每一像素點(diǎn)有

式中:w(x，y)為高斯窗口的權(quán)值;Ix和Iy分別為像素(x，y)在水平和垂直方向的梯度。由H的特征值建立Harris的角點(diǎn)量計(jì)算公式

式中:det(H)=λ1λ2=AB-C2是矩陣H的行列式;tr(H)=λ1+λ2=A+B是矩陣 H的跡;a為經(jīng)驗(yàn)值，取值范圍為［0.04，0.06］。通過(guò)判斷角點(diǎn)量R值是否大于給定的閾值，即可得該點(diǎn)是否為角點(diǎn)。

1.1.2 MIC特征點(diǎn)檢測(cè)

Trajkovic等人［17］對(duì)角點(diǎn)的定義與 Moravec角點(diǎn)、Harris角點(diǎn)是相似的，即:如果存在一條通過(guò)模板矩形中心像素點(diǎn)的直線灰度變化強(qiáng)烈，則該像素點(diǎn)就為角點(diǎn)?；诙喔袼惴ǖ腗IC角點(diǎn)檢測(cè)算法，首先對(duì)圖像進(jìn)行多格處理計(jì)算簡(jiǎn)單角點(diǎn)量，找到候選角點(diǎn)。再利用插值法計(jì)算插值角點(diǎn)量，最終確定角點(diǎn)。

1.1.3 MIC-Harris角點(diǎn)檢測(cè)

Harris算子對(duì)噪聲不敏感，角點(diǎn)檢測(cè)準(zhǔn)確率高，但是計(jì)算量大，運(yùn)算速度慢［18］。MIC算法運(yùn)算速度快，角點(diǎn)提取效果好，但對(duì)噪聲敏感，圖像邊界模糊時(shí)會(huì)檢測(cè)出大量邊界偽角點(diǎn)［19］?；谝陨蟽煞N算子的優(yōu)缺點(diǎn)，本文提出MIC-Harris角點(diǎn)檢測(cè)算法。針對(duì)Harris算法運(yùn)算速度慢的缺點(diǎn)，首先對(duì)圖像進(jìn)行基于多格算法的MIC角點(diǎn)檢測(cè)提取候選角點(diǎn)，避免Harris算法對(duì)圖像每一個(gè)像素點(diǎn)計(jì)算的缺點(diǎn)。對(duì)于MIC算子易檢測(cè)邊界偽角點(diǎn)的情況，使用Harris算法角點(diǎn)檢測(cè)準(zhǔn)確度高的優(yōu)點(diǎn)克服。算法的具體步驟如下:

1)對(duì)原始圖像進(jìn)行多格算法處理，計(jì)算處理后圖像上的每一個(gè)像素點(diǎn)的簡(jiǎn)單角點(diǎn)量，如果簡(jiǎn)單角點(diǎn)量大于閾值T1，則此像素點(diǎn)就為候選角點(diǎn)。

2)在原始圖像上再次計(jì)算候選角點(diǎn)的簡(jiǎn)單角點(diǎn)量，如果簡(jiǎn)單角點(diǎn)量小于閾值T2，則認(rèn)為不是角點(diǎn)。如果大于閾值T2，計(jì)算該像素點(diǎn)的插值角點(diǎn)量。如果插值角點(diǎn)量小于閾值T2，則不是角點(diǎn)，相反則把此像素點(diǎn)標(biāo)記為角點(diǎn)，獲得初始角點(diǎn)集。

3)對(duì)初始角點(diǎn)集利用Harris算子進(jìn)行提煉。通過(guò)對(duì)初始角點(diǎn)集里的角點(diǎn)進(jìn)行Harris角點(diǎn)量的計(jì)算，判斷是否為角點(diǎn)，若不是則剔除邊界偽角點(diǎn)。

4)用NMS(Non-Maximum Suppression)方法對(duì)角再次提煉，確定最終角點(diǎn)。

1．2 基于NCC和RANSAC的角點(diǎn)匹配

模板匹配算法具有模板易選取、計(jì)算簡(jiǎn)單、易實(shí)現(xiàn)、準(zhǔn)確率高等優(yōu)點(diǎn)而被廣泛應(yīng)用與圖像配準(zhǔn)［20］。本文采用一種由粗到精的匹配策略進(jìn)行角點(diǎn)匹配，首先采用歸一化互相關(guān)法(NCC)［21］進(jìn)行角點(diǎn)模板粗匹配，接著運(yùn)用RANSAC算法濾除錯(cuò)誤匹配點(diǎn)。

NCC算法是基于特征點(diǎn)鄰域像素的灰度值的相似性來(lái)進(jìn)行匹配。設(shè)w1和w2分別是圖像1中以角點(diǎn)p1和圖像2中以角點(diǎn)p2為中心的兩個(gè)大小相同的矩形框口，u1與u2為相關(guān)窗口內(nèi)像素的灰度均值，(xi，yi)的取值為窗口的大小，則NCC定義如式(3)所示

角點(diǎn)匹配時(shí)，首先對(duì)圖像1中的角點(diǎn)與圖像2中矩形窗口中的每個(gè)角點(diǎn)計(jì)算相關(guān)系數(shù)，將NCC值最大的角點(diǎn)作為匹配點(diǎn)，這樣得到一個(gè)匹配點(diǎn)集;對(duì)圖像2做同樣操作，得到另一個(gè)匹配點(diǎn)集;最后在兩個(gè)匹配點(diǎn)集中搜索相同匹配點(diǎn)對(duì)，則相同的角點(diǎn)被認(rèn)為候選匹配點(diǎn)。

RANSAC是一個(gè)采用迭代法來(lái)估計(jì)參數(shù)的數(shù)學(xué)模型，具有很好的剔除誤匹配點(diǎn)的能力，經(jīng)常被應(yīng)用在圖像匹配中［22］。NCC算法在角點(diǎn)粗匹配后會(huì)存在錯(cuò)誤的匹配點(diǎn)對(duì)，本文采用RANSAC算法去除誤匹配。

1．3 運(yùn)動(dòng)參數(shù)估計(jì)

運(yùn)動(dòng)模型包括單應(yīng)性運(yùn)動(dòng)模型和仿射性運(yùn)動(dòng)模型兩種，其中仿射性運(yùn)動(dòng)模型具有參數(shù)少、計(jì)算簡(jiǎn)單、易于實(shí)現(xiàn)，且實(shí)時(shí)性強(qiáng)的優(yōu)點(diǎn)被廣泛應(yīng)用在運(yùn)動(dòng)參數(shù)估計(jì)中［23］。本文通過(guò)對(duì)仿射性運(yùn)動(dòng)模型參數(shù)估計(jì)實(shí)現(xiàn)全局運(yùn)動(dòng)矢量的計(jì)算。

仿射模型可用式(4)表示

也可表示為

式中:U，U'是坐標(biāo)矢量;θ為旋轉(zhuǎn)角度;R是旋轉(zhuǎn)矩陣;t是平移矢量。仿射運(yùn)動(dòng)模型是一最小二乘問(wèn)題，因此可將利用RANSAC算法篩選后的匹配點(diǎn)集，代入最小二乘模型計(jì)算出仿射變換最優(yōu)參數(shù)解，即全局運(yùn)動(dòng)矢量。

2 基于Kalman濾波的運(yùn)動(dòng)補(bǔ)償參數(shù)求解

仿射運(yùn)動(dòng)模型求取的運(yùn)動(dòng)參數(shù)包括攝像機(jī)的正常掃描運(yùn)動(dòng)矢量和攝像機(jī)的隨機(jī)抖動(dòng)矢量?jī)刹糠?。運(yùn)動(dòng)濾波的目的是較好的保留攝像機(jī)的低頻主動(dòng)運(yùn)動(dòng)，而濾除高頻隨機(jī)抖動(dòng)。從算法實(shí)時(shí)性的角度出發(fā)，文中采用Kalman濾波［24］獲取圖像序列的運(yùn)動(dòng)補(bǔ)償參數(shù)。

Kalman濾波算法是以最小均方誤差為準(zhǔn)則，包括狀態(tài)方程和測(cè)量方程兩部分。根據(jù)圖像序列求解的全局運(yùn)動(dòng)參數(shù)(x，y)建立穩(wěn)像系統(tǒng)的狀態(tài)方程和測(cè)量方程。

系統(tǒng)的狀態(tài)方程為

式中:x，y，vx，vy表示圖像分別在水平和垂直方向上的位移及位移速度;N(0，σx)是過(guò)程噪聲;σx和σy是過(guò)程激勵(lì)噪聲方差且兩者相互獨(dú)立的。

運(yùn)動(dòng)估計(jì)矢量(x，y)就是 Kalman濾波對(duì)應(yīng)的測(cè)量值，其相應(yīng)的測(cè)量方程為

3 基于自適應(yīng)相鄰幀的運(yùn)動(dòng)補(bǔ)償

運(yùn)動(dòng)補(bǔ)償?shù)哪康氖菍?shí)現(xiàn)圖像序列間平滑銜接和動(dòng)態(tài)圖像序列的穩(wěn)定。文獻(xiàn)［25］采用固定參考幀補(bǔ)償?shù)姆椒▽?duì)攝像系統(tǒng)定點(diǎn)拍攝的圖像序列進(jìn)行運(yùn)動(dòng)補(bǔ)償，達(dá)到了很好的穩(wěn)像效果。但實(shí)際現(xiàn)場(chǎng)隨著礦下攝像載體的運(yùn)動(dòng)，當(dāng)前幀相對(duì)于參考幀所確定的特征點(diǎn)所在的區(qū)域，可能會(huì)移出圖像畫(huà)面，即在當(dāng)前幀的某些區(qū)域找不到所對(duì)應(yīng)的參考幀所確定的特征點(diǎn)，出現(xiàn)失穩(wěn)現(xiàn)象，從而不能達(dá)到對(duì)圖像序列穩(wěn)像的效果。文獻(xiàn)［10］采用相鄰幀補(bǔ)償?shù)姆椒▽?duì)圖像序列進(jìn)行運(yùn)動(dòng)補(bǔ)償。運(yùn)動(dòng)補(bǔ)償矢量如式(8)所示

式中:i為起始幀即參考幀;v(n)為當(dāng)前幀Pn的運(yùn)動(dòng)補(bǔ)償矢量;m(i)為計(jì)算得到的相鄰幀間運(yùn)動(dòng)矢量。

由式(8)知當(dāng)前幀的運(yùn)動(dòng)補(bǔ)償參數(shù)是所有運(yùn)動(dòng)矢量累積的結(jié)果，容易出現(xiàn)累積誤差，使得整個(gè)圖像慢慢發(fā)生偏移，最后超出補(bǔ)償邊界，不能夠長(zhǎng)時(shí)間連續(xù)的穩(wěn)像。針對(duì)相鄰幀補(bǔ)償方法的缺點(diǎn)，本文提出一種自適應(yīng)相鄰幀補(bǔ)償?shù)姆€(wěn)像算法。具體步驟如下:

1)設(shè)閾值為T(mén)，選取第一幀圖像為參考幀。

2)根據(jù)式(8)對(duì)圖像進(jìn)行運(yùn)動(dòng)補(bǔ)償。

3)判斷圖像序列的運(yùn)動(dòng)補(bǔ)償矢量v(n)是否達(dá)到閾值T。如果，則重新選擇參考幀，以當(dāng)前幀Pn為參考幀，重新計(jì)算累積運(yùn)動(dòng)矢量，重復(fù)步驟2);反之，則參考幀不變。

T取值太大同樣會(huì)出現(xiàn)累積誤差現(xiàn)象，取值太小會(huì)由于頻繁更換參考幀而出現(xiàn)圖像序列跳變現(xiàn)象。根據(jù)礦井車(chē)載攝像系統(tǒng)的實(shí)際現(xiàn)場(chǎng)情況，經(jīng)過(guò)試驗(yàn)測(cè)得，T取圖片大小的20%。

4 實(shí)驗(yàn)結(jié)果及分析

本文算法在處理器為 Pentium(R)Dual-Core、主頻2.6 GHz硬件環(huán)境下進(jìn)行實(shí)驗(yàn)，采用Visual Studio 2008和OpenCV聯(lián)合編程。實(shí)驗(yàn)視頻采用礦井車(chē)載攝像系統(tǒng)拍攝的視頻，圖像分辨率為640×480，視頻長(zhǎng)度為1 603幀。

4．1 M IC-Harris角點(diǎn)快速檢測(cè)及匹配能力分析

為了更加直觀的觀測(cè)圖像角點(diǎn)，實(shí)驗(yàn)采用積木圖像(如圖1a所示)進(jìn)行MIC-Harris角點(diǎn)檢測(cè)能力的測(cè)試，圖像分辨率為320×240，采用MIC、Harris和本文算法MIC-Harris進(jìn)行比較。圖1和表1分別為3種算法角點(diǎn)提取效果比較圖和算法處理時(shí)間。由圖1和表1可以看出，本文MIC-Harris算法既保留了MIC運(yùn)算速度快和Harris準(zhǔn)確度高的優(yōu)點(diǎn)，又克服了MIC易檢測(cè)邊界偽角點(diǎn)和Harris計(jì)算量大、運(yùn)算時(shí)間長(zhǎng)的缺點(diǎn)。

圖1 MIC，Harris和MIC-Harris角點(diǎn)提取效果比較圖

表1 角點(diǎn)檢測(cè)算法處理時(shí)間

圖2為NCC角點(diǎn)粗匹配結(jié)果圖，圖3為RANSCA精匹配結(jié)果圖。兩幅圖像比較可看出，RANSAC算法可以有效去除NCC粗匹配后的錯(cuò)誤匹配點(diǎn)對(duì)。

圖2 NCC角點(diǎn)粗匹配效果圖

圖3 RANSCA精匹配效果圖

4．2 穩(wěn)像連續(xù)處理性能分析

圖4 a為原始圖像序列的第206幀，圖4b和圖4c為分別采用文獻(xiàn)［10］算法和本文算法穩(wěn)像處理后的圖像。文獻(xiàn)［10］采用相鄰幀補(bǔ)償方式對(duì)圖像進(jìn)行變換，達(dá)到穩(wěn)像的效果，但相鄰幀補(bǔ)償方式易產(chǎn)生累積誤差，穩(wěn)像實(shí)驗(yàn)最終在第342幀失穩(wěn)。本文算法采用自適應(yīng)參考幀的方式對(duì)圖像進(jìn)行運(yùn)動(dòng)補(bǔ)償，克服了累積誤差的干擾，可以保持長(zhǎng)時(shí)間穩(wěn)像效果。圖像的反方向補(bǔ)償會(huì)導(dǎo)致邊界信息丟失從而出現(xiàn)黑色邊框，從圖4也可看出，由于本文算法克服了累積誤差，采用本文算法進(jìn)行穩(wěn)像處理出現(xiàn)的黑色邊框比文獻(xiàn)［10］的小。

4．3 穩(wěn)像準(zhǔn)確度分析

圖4 穩(wěn)像效果比較圖

為了測(cè)試穩(wěn)像算法的準(zhǔn)確度，采用均方差MSE評(píng)價(jià)穩(wěn)像效果。MSE值越小說(shuō)明兩幅圖像重合度越高圖像越穩(wěn)定［26］。圖5為圖像序列從第200幀到第260幀穩(wěn)像前后MSE值比較圖，從圖中可看出，穩(wěn)像后圖像序列MSE值小于穩(wěn)像前，說(shuō)明本文提出的算法對(duì)于礦井車(chē)載攝像系統(tǒng)拍攝的抖動(dòng)視頻序列具有較好的穩(wěn)像效果。

圖5 穩(wěn)像前后圖像序列的MSE對(duì)比

5 結(jié)束語(yǔ)

本文針對(duì)礦井車(chē)載攝像系統(tǒng)獲取的圖像序列進(jìn)行了研究，提出了基于MIC-Harris角點(diǎn)特征的自適應(yīng)運(yùn)動(dòng)補(bǔ)償電子穩(wěn)像算法。首先采用本文提出的MIC-Harris提取角點(diǎn)特征;然后通過(guò)仿射運(yùn)動(dòng)模型，求解幀間全局運(yùn)動(dòng)矢量，建立Kalman濾波的狀態(tài)方程和預(yù)測(cè)方程預(yù)測(cè)補(bǔ)償矢量;最后采用基于自適應(yīng)相鄰幀更新的補(bǔ)償方式進(jìn)行圖像穩(wěn)像。實(shí)驗(yàn)結(jié)果表明，基于MIC-Harris角點(diǎn)特征的的自適應(yīng)運(yùn)動(dòng)補(bǔ)償電子穩(wěn)像算法可以有效地消除礦井車(chē)載攝像系統(tǒng)的隨機(jī)抖動(dòng)，并且克服了累積誤差的干擾，實(shí)現(xiàn)長(zhǎng)時(shí)間的穩(wěn)像，為后續(xù)煤礦井下視頻處理提供了基礎(chǔ)研究。

［1］趙紅穎，金宏，熊經(jīng)武.電子穩(wěn)像技術(shù)概述［J］.光學(xué)精密工程，2001，9(4):353-359.

［2］朱齊丹，徐從營(yíng)，蔡成濤.船載折反射全景視覺(jué)系統(tǒng)電子穩(wěn)像算法［J］.吉林大學(xué)學(xué)報(bào)，2013(5):68-72.

［3］ SUNG-JEA K.Fast digital image stabilizer based on gray-coded bitplane matching［J］.IEEE Consumer Electronics Society，1999，45(3):598-603.

［4］谷素梅，張經(jīng)武.CCD攝像機(jī)光學(xué)慣性穩(wěn)像跟蹤頭［J］.光學(xué)技術(shù)，1995，21(2):21.

［5］王智慧.基于快速特征匹配的電子穩(wěn)像技術(shù)研究［D］.南京:南京航空航天大學(xué)，2012.

［6］朱娟娟，郭寶龍.電子穩(wěn)像的特征點(diǎn)跟蹤算法［J］.光學(xué)學(xué)報(bào)，2006，26(4):516-521.

［7］齊紅，任洪娥，田少卿，等.一種基于灰度投影的電子穩(wěn)像改進(jìn)方法［J］.中山大學(xué)學(xué)報(bào)，2012，51(5):40-44.

［8］周亞軍，陶聲祥，張舒，等.一種基于Harris角點(diǎn)特征的穩(wěn)像算法［J］. 激光與紅外，2009，39(5):555-557.

［9］程德強(qiáng)，郭政，劉潔，等.一種基于改進(jìn)光流法的電子穩(wěn)像算法［J］.煤炭學(xué)報(bào)，2015(3):707-712.

［10］姬莉霞，李學(xué)相.基于相鄰幀補(bǔ)償?shù)母咚龠\(yùn)動(dòng)目標(biāo)圖像穩(wěn)像算法及仿真［J］.計(jì)算機(jī)科學(xué)，2014，41(7):310-312.

［11］ KRISHNA R.Real-time digital video stabilization for multi-media application［J］.IEEE Proceedings of ISCAS，1998，8(6):69-72.

［12］ ZHU C.Hexagon-based search pattern for fast block motion estimation［J］.IEEE Trans.Circuits and Systems for Video Technology，2002，12(5):349-355.

［13］ HILL L，VLACHOS T.On the estimation of global motion using phase correlation for broadcast applications［C］//Proc.7th International Conference on Image Processing and Its Applications.Manchester:IET Press，1999:721-725.

［14］ HUANG JC.Automatic feature-based global motion estimation in video sequences［J］.IEEE Trans.Consumer Electronics，2004，50(3):911-915.

［15］程德強(qiáng)，趙國(guó)，范一武，等.礦井移動(dòng)載體攝像的電子穩(wěn)像算法［J］.中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2012，41(5):805-810.

［16］ HARRISC，STEPHENSM.A combined corner and edge detector［C］//Proc.4th Alvey Vision Conference.Manchester:［s.n.］，1988:147-151.

［17］ TRAJKOVIC M，HEDLEY M.Fast corner detection［J］.Image and Vision Computing，1998，16(1):75-87.

［18］陳利軍.圖像角點(diǎn)檢測(cè)和匹配算法的研究［D］.西安:西安電子科技大學(xué)，2005.

［19］劉全，張樂(lè)，張永剛，等.基于角點(diǎn)特征的幾何同步數(shù)字水印算法［J］.通信學(xué)報(bào)，2011，32(4):25-31.

［20］高峰，雷志勇.基于模板匹配的圖像跟蹤技術(shù)［J］.國(guó)外電子元器件，2008，15(10):34-36.

［21］ FISCHLER M A.Random sample consensus:a paradigm for model fitting with applications to image analysis and automated cartography［J］.Communications of the ACM，1998，24(6):381-395.

［22］劉相濱，鄒北驥.一種基于RANSAC的柱面圖像配準(zhǔn)算法［J］.湖南大學(xué)學(xué)報(bào)，2010，37(8):79-82.

［23］孫輝，熊經(jīng)武，趙紅穎.電子穩(wěn)像技術(shù)在船載電視監(jiān)視系統(tǒng)中的應(yīng)用［J］. 光電工程，2008，35(2):103-108.

［24］ WANG C，KIM J M.Robust digital image stabilization using the Kalman filter ［J］.IEEE Trans.Consumer Electronics，2009，55(1):6-14.

［25］郭曉冉，崔少輝.基于光流法的多分辨率電子穩(wěn)像算法［J］.半導(dǎo)體光電，2014，39(2):340-344.

［26］張永祥.基于陀螺儀的船載電子穩(wěn)像技術(shù)研究［D］.長(zhǎng)春:中國(guó)科學(xué)院，2005.