序列图像缩放系数一种实时估计算法.docVIP

序列图像缩放系数一种实时估计算法 　【摘要】 照相机在靠近或远离目标景物的运动过程中，如保持聚焦中心点不变，则前后两帧图像间存在一致的缩放关系。此时，可根据尺度变化下图像灰度累积投影曲线的特点，分别计算参考帧和当前帧的投影曲线上一对极大—极小值点的坐标差值，以它们的比值作为缩放系数，实现实时求取。最后以实例验证了本算法。 【关键词】 径向运动； 缩放系数； 灰度投影； 图像序列 Real-time estimation of scale change in sequence images Abstract: When a camera moves towards the objects, the target images acquired look like to be enlarged. To estimate the scale change of image sequence in real-time, a novel spatial-domain method is proposed. According to the characteristics of the gray projection curves, a pair of maximum and minimum points are found near the central position of each gray projection curve. The differences in position are calculated respectively and the scale change parameter is obtained as the ratio of both differences. Experimental results showed that this method is feasible and efficient. Key words: radial motion; scale change; image gray projection; image sequences 在日常生活中，我们都有这样的体验：当我们驾驶汽车目光正视，向正前方快速行进时，前方的目标将迅速变大扑面而来。此种相向或相离运动被称为径向运动。 在照相机和目标间存在径向运动的情况下，如保持聚焦中心不变，则相机所拍摄的连续两帧图像间存在一致的尺度缩放，即图像在各个方向上的尺度变换因子相同。对图像序列缩放系数的估计是运动估计中的一项重要内容，在图像配准、视频稳像和实时跟踪等领域都需要用到此类运动参数。 目前，用于确定各种运动参数的方法有傅里叶梅林变换法［1,2］、基于空间域的互相关方法［3］、光流场法［4］和灰度投影法［5］等等。 基于傅里叶梅林变换的图像配准算法是一种经典的基于非特征的图像配准方法，可对两幅近似满足相似变换（平移、缩放、旋转）的图像进行配准。通过对图像傅立叶变换后的幅值谱作对数极坐标变换，将两幅图像在笛卡尔坐标空间的旋转和缩放关系转化为其幅值谱在对数极坐标空间的平移关系。然后通过互功率谱的逆傅立叶变换（即相位相关法［6］）检测出图像的旋转角和缩放因子。再将图像按所得参数进行矫正，最后通过相位相关技术得到校正图像的平移参数。由于采用了二维对数极坐标变换和两步相位相关法，该算法复杂度高，计算量大，效率低，很难满足实时计算的要求。 基于空间域的互相关法是一种最基本的基于灰度统计的方法，它通常被用来进行模板匹配和模式识别。它是一种匹配度量，给出了模板图像与基准图像之间的相似度值。 光流法采用在两帧运动图像间估计光流场，然后基于光流场进行目标检测。光流法的优点在于光流不仅携带了运动目标的运动信息，而且还携带了有关景物三维结构的丰富信息，它能够在不知道场景的任何信息的情况下检测出运动对象，但是大多数光流法的计算方法相当复杂，计算耗时，实时性和适用性都较差。 灰度投影算法原理简单，计算效率高，实时性好，它利用图像的行列灰度投影曲线做一次相关运算，就可以准确地获取图像的运动矢量。但是大多数灰度投影算法只能用于实现平移参数的估计，无法实现尺度变化下的图像序列的运动参数估计。 本文通过分析尺度变化下图像灰度投影矢量的特点，提出了一种新的空域实时估计算法，实现了缩放参数的求取，并通过大量实验对算法进行了验证。 1 灰度投影法的基本思想 灰度投影把一帧输入的M×N图像的灰度值映射成两个独立的一维波形： G(x)=N y=1f(x,y), (1) G(y)=M x=1f(x,y). (2)其中f(x,y)表示图像上(x,y)点的灰度值，G(x)表示第x行像素的投影值，即图像第x行像素灰度值的累加和；G(y)表示第y列像素的投影