圖像穩(wěn)定技術(shù)電子穩(wěn)像SIFT算法實驗結(jié)果背景圖像穩(wěn)像技術(shù)廣泛應(yīng)用于民用測繪儀器、軍事領(lǐng)域和攝影系統(tǒng)中。圖像不穩(wěn)定主要是由攝像機(jī)載體的運(yùn)動導(dǎo)致的，這是因為載體姿態(tài)的變化會傳遞給攝像系統(tǒng)的瞄準(zhǔn)線，從而造成攝像系統(tǒng)的光軸與目標(biāo)之間有無效的相對運(yùn)動。

圖像不穩(wěn)定的因素

穩(wěn)定軸數(shù)量

穩(wěn)像技術(shù)分類機(jī)械式穩(wěn)像：用機(jī)電的方法來達(dá)到穩(wěn)像目的。在大型的武器系統(tǒng)中將整個儀器置于穩(wěn)定平臺上;在電視攝像頭中，是將整個光學(xué)系統(tǒng)穩(wěn)定起來。光學(xué)穩(wěn)像：用光學(xué)的方法實現(xiàn)圖像穩(wěn)定。在光路中設(shè)置一些光學(xué)元件來作為對不穩(wěn)定圖像的補(bǔ)償。光學(xué)穩(wěn)像與機(jī)械式穩(wěn)像都是采用專門的裝置，如各種陀螺儀。電子穩(wěn)像：應(yīng)用計算機(jī)數(shù)字圖像處理和電子技術(shù)的方法來直接確定圖像序列的幀間偏移，從而進(jìn)行補(bǔ)償。該方法由于不需要額外增加精密機(jī)械、光學(xué)和電子元器件等設(shè)備，具有靈活性強(qiáng)、精度高及高智能化等特點(diǎn)。

主動穩(wěn)定系統(tǒng)

主動穩(wěn)定系統(tǒng)

電子穩(wěn)像系統(tǒng)構(gòu)成

電子穩(wěn)像技術(shù)的意義電子穩(wěn)像不僅可以穩(wěn)定光學(xué)系統(tǒng)的移動，也可以對目標(biāo)進(jìn)行跟蹤，可能補(bǔ)償任何形式的作用量，且不依賴任何的支撐體系。同時由于大規(guī)模集成電路技術(shù)的不斷提高，也便于實現(xiàn)設(shè)備的小型化和輕量化。

電子穩(wěn)像的基本原理電子穩(wěn)像是利用電子設(shè)備和數(shù)字圖像處理技術(shù)相結(jié)合的方法，通過檢測出參考圖像和被比較圖象的運(yùn)動矢量，并利用其補(bǔ)償被比較圖像，從而消除或減輕視頻圖像序列幀間的不穩(wěn)定，獲取清晰而穩(wěn)定的視頻圖像序列。

電子穩(wěn)像原理像移補(bǔ)償技術(shù):首先求出攝像機(jī)的角位移量，并轉(zhuǎn)換成監(jiān)視器上圖像的運(yùn)動矢量然后通過對CCD圖像傳感器的行、列序號重組，使其在監(jiān)視器上的圖像沿運(yùn)動矢量反方向位移量移動，只有第二幀輸出的圖像與第一幀相同，兩幀圖像重合才能獲得清晰的圖像。

電子穩(wěn)像的關(guān)鍵技術(shù)快速而準(zhǔn)確地檢測圖像序列的幀間運(yùn)動是實現(xiàn)電子穩(wěn)像的關(guān)鍵技術(shù)。獲取圖像運(yùn)動矢量可分為硬件方法和軟件方法。硬件實現(xiàn)方法是利用傳感器檢測攝像機(jī)的運(yùn)動。軟件方法是直接利用各種算法對圖像序列進(jìn)行處理，獲得到由攝像機(jī)運(yùn)動而產(chǎn)生的圖像序列的幀間運(yùn)動量。（像素法、圖像塊法、特征法和相位法）

塊運(yùn)動估計的快速搜索算法塊匹配法(Block一MatchingMethod)是目前一些國際標(biāo)準(zhǔn)組織推薦的運(yùn)動估計方案。

塊匹配運(yùn)動估計搜索路徑1、全搜索法（FS）2、三步法（TSS）3、菱形法（DS）

全搜索法全搜索法(FullSearchMethod，F(xiàn)S)，也稱為窮盡搜索法。

FS算法是最簡單、最原始的搜索算法，由于可靠，且能夠得到全局最優(yōu)的結(jié)果，通常是其它算法性能比較的標(biāo)準(zhǔn)，但它的計算量的確很大，這就限制了在需要實時應(yīng)用的場合，所以有必要進(jìn)一步研究其它快速算法。

金字塔模板匹配為了加快搜索速度，很多影像匹配方法使用金字塔影像。對影像進(jìn)行一次采樣率為1/n(n=2,3)的重采樣，即把影像的每n×n個像素變?yōu)橐粋€像素，這樣就得到一對長、寬都為原來1/n的影像，把它作為金字塔的第二層。再對第二層用同樣方法進(jìn)行一次采樣率為1/n的重采樣，又得到第三層（頂層）。原始影像作為金字塔影像的底層。

三步搜索法TSS算法的基本思想是采用一種由粗到細(xì)的搜索模式，從原點(diǎn)開始，按一定步長取周圍8個點(diǎn)構(gòu)成每次搜索的點(diǎn)群，然后進(jìn)行匹配計算，跟蹤最小塊誤差（MBD）點(diǎn)。

TSS算法搜索時，整個過程采用了統(tǒng)一的搜索模板，使得第一步的步長過大，容易引起誤導(dǎo)，從而對小運(yùn)動效率較低。當(dāng)搜索范圍大于7時，僅用3步是不夠的。總體說來，三步法是一種較典型的快速搜索算法，所以被研究的較多，后來又相繼有許多改進(jìn)的新三步法出現(xiàn)，改進(jìn)了它對小運(yùn)動的估計性能。

菱形搜索法DS算法采用了兩種控制模扳，分別是有9個檢測點(diǎn)的大模板(LargeDiamondSearchPattern)LDSP和有5個檢測點(diǎn)的小模板(SmallDiamondSearchPattern)SDSP，如圖所示。

搜索時先用大模板計算，當(dāng)最小塊誤差MBD點(diǎn)出現(xiàn)在中心點(diǎn)處時，將大模板LDSP換為SDSP，再進(jìn)行匹配計算，這時5個點(diǎn)中的MBD即為最優(yōu)匹配點(diǎn)。

DS算法的特點(diǎn)在于它分析了視頻圖像中運(yùn)動矢量的基本規(guī)律，選用了大小兩種形狀的搜索模板LDSP和SDSP。先用LDSP搜索，由于步長大，搜索范圍廣，可以進(jìn)行粗定位，使搜索過程不會陷于局部最??；當(dāng)粗定位結(jié)束后，可以認(rèn)為最優(yōu)點(diǎn)就在LDSP周圍8個點(diǎn)所圍的菱形區(qū)域中，這時再用SDSP來準(zhǔn)確定位，使搜索不致于有大的起伏。

基于SIFT特征點(diǎn)匹配的電子穩(wěn)像算法電子穩(wěn)像技術(shù)的關(guān)鍵在于全局運(yùn)動估計，即找出抖動視頻序列相鄰幀之間的相對位移量?；趬K匹配的運(yùn)動估計算法都是通過尋找局部子塊的匹配塊，來得到最佳運(yùn)動矢量的，塊的數(shù)目和布局決定了結(jié)果的準(zhǔn)確性，塊的尺寸、搜索范圍和搜索策略影響計算的復(fù)雜度?；谔卣鞯倪\(yùn)動估計算法考慮了圖像的內(nèi)部特征，因此能夠提高運(yùn)動估計的精度。

SIFT算法流程

SIFT算法簡介1主要思想

SIFT算法是一種提取局部特征的算法，在尺度空間尋找極值點(diǎn)，提取位置，尺度，旋轉(zhuǎn)不變量。2算法的主要特點(diǎn)：

SIFT特征是圖像的局部特征，其對旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。

SIFT算法簡介將一幅圖像映射（變換）為一個局部特征向量集；特征向量具有平移、縮放、旋轉(zhuǎn)不變性，同時對光照變化、仿射及投影變換也有一定不變性。OriginalimagecourtesyofDavidLowe

SIFT算法步驟檢測尺度空間極值點(diǎn)精確定位極值點(diǎn)為每個關(guān)鍵點(diǎn)指定方向參數(shù)關(guān)鍵點(diǎn)描述子的生成

SIFT算法詳細(xì)步驟（1）

高斯金子塔的構(gòu)建過程可分為兩步：（1）對圖像做高斯平滑；（2）對圖像做降采樣。

為了讓尺度體現(xiàn)其連續(xù)性，在簡單下采樣的基礎(chǔ)上加上了高斯濾波。一幅圖像可以產(chǎn)生幾組（octave）圖像，一組圖像包括幾層（interval）圖像。

高斯金字塔

高斯圖像金字塔共o組、s層，則有：σ——尺度空間坐標(biāo)；s——sub-level層坐標(biāo)；σ0——初始尺度；S——每組層數(shù)（一般為3~5）。

SIFT算法

圖像金字塔的構(gòu)建：圖像金字塔共O組，每組有S層，下一組的圖像由上一組圖像降采樣得到。圖1由兩組高斯尺度空間圖像示例金字塔的構(gòu)建，第二組的第一副圖像由第一組的第一副到最后一副圖像由一個因子2降采樣得到。

SIFT算法詳細(xì)步驟（2）▲空間極值點(diǎn)檢測為了尋找尺度空間的極值點(diǎn)，每一個采樣點(diǎn)要和它所有的相鄰點(diǎn)比較，看其是否比它的圖像域和尺度域的相鄰點(diǎn)大或者小。如圖，中間的檢測點(diǎn)和它同尺度的8個相鄰點(diǎn)和上下相鄰尺度對應(yīng)的9×2個點(diǎn)共26個點(diǎn)比較，以確保在尺度空間和二維圖像空間都檢測到極值點(diǎn)。

圖(b)為圖(a)中十字花點(diǎn)處的尺度軌跡曲線?？梢娫搱D中尺度軌跡曲線在大約σ=5處取得局部極小值。

多尺度分析各階分解信號目標(biāo)信號

SIFT算法詳細(xì)步驟（3）▲關(guān)鍵點(diǎn)方向分配利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個關(guān)鍵點(diǎn)指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性。在實際計算時，我們在以關(guān)鍵點(diǎn)為中心的鄰域窗口內(nèi)采樣，并用直方圖統(tǒng)計鄰域像素的梯度方向。梯度直方圖的范圍是0～360度，其中每10度一個柱，總共36個柱。直方圖的峰值則代表了該關(guān)鍵點(diǎn)處鄰域梯度的主方向，即作為該關(guān)鍵點(diǎn)的方向。

SIFT算法詳細(xì)步驟（4）▲特征點(diǎn)描述子生成首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性。

由關(guān)鍵點(diǎn)鄰域梯度信息生成特征向量

接下來以關(guān)鍵點(diǎn)為中心取8×8的窗口。然后在每4×4的小塊上計算8個方向的梯度方向直方圖，繪制每個梯度方向的累加值，即可形成一個種子點(diǎn)，如圖5右部分所示。此圖中一個關(guān)鍵點(diǎn)由2×2共4個種子點(diǎn)組成，每個種子點(diǎn)有8個方向向量信息。這種鄰域方向性信息聯(lián)合的思想增強(qiáng)了算法抗噪聲的能力，同時對于含有定位誤差的特征匹配也提供了較好的容錯性。

SIFT算法詳細(xì)步驟（5）當(dāng)兩幅圖像的SIFT特征向量生成后，下一步我們采用關(guān)鍵點(diǎn)特征向量的歐式距離來作為兩幅圖像中關(guān)鍵點(diǎn)的相似性判定度量。取圖像1中的某個關(guān)鍵點(diǎn)，并找出其與圖像2中歐式距離最近的前兩個關(guān)鍵點(diǎn)，在這兩個關(guān)鍵點(diǎn)中，如果最近的距離除以次近的距離少于某個比例閾值，則接受這一對匹配點(diǎn)。降低這個比例閾值，SIFT匹配點(diǎn)數(shù)目會減少，但更加穩(wěn)定。

SIFT算法匹配效果圖該組圖片在拍攝時進(jìn)行了相機(jī)平移、轉(zhuǎn)動和變焦操作。圖(a)為第一幅圖中檢測出的SIFT特征。橢圓的中心位置代表了關(guān)鍵點(diǎn)在圖像中的二維坐標(biāo)位置，橢圓的長軸代表了關(guān)鍵點(diǎn)的尺度，橢圓的方向代表了該關(guān)鍵點(diǎn)的方向。