本文選題：視頻監(jiān)控 + 圖像去抖��； 參考：《計(jì)算機(jī)仿真》2017年09期

【摘要】：對視頻監(jiān)控圖像的去抖動視覺監(jiān)測算法的研究,可更好的對存在尺度、旋轉(zhuǎn)變換的監(jiān)控抖動視頻圖像進(jìn)行去抖處理。對視頻圖像進(jìn)行去抖動處理,需要先計(jì)算出圖像特征點(diǎn)之間的校正量,對視頻進(jìn)行補(bǔ)償,完成對圖像的去抖動視覺監(jiān)測。傳統(tǒng)方法依據(jù)像素灰度差值搜索最優(yōu)匹配項(xiàng),求解當(dāng)前標(biāo)準(zhǔn)幀的偏移量,但忽略了對圖像特征點(diǎn)的校正,導(dǎo)致視頻圖像去抖動效果不理想。提出基于卡爾曼濾波的視頻監(jiān)控圖像去抖動視覺監(jiān)測算法。提取視頻監(jiān)控圖像的特征點(diǎn),結(jié)合快速近似最鄰近庫理論匹配視頻鄰幀間的圖像特征點(diǎn),剔除錯誤匹配的圖像特征點(diǎn),結(jié)合卡爾曼濾波理論對視頻監(jiān)控圖像特征點(diǎn)軌跡進(jìn)行濾波處理,計(jì)算出濾波前后圖像特征點(diǎn)之間的校正量,直接對監(jiān)控視頻進(jìn)行補(bǔ)償,消除監(jiān)控視頻抖動。實(shí)驗(yàn)結(jié)果表明,所提算法能夠有效減輕視頻監(jiān)控圖像的抖動現(xiàn)象,具有更強(qiáng)的實(shí)時(shí)性及健壯性。
[Abstract]:The research on the de-jitter visual monitoring algorithm of the video surveillance image can better deal with the jitter video image with the existing scale and rotation transformation. In order to dejitter the video image, it is necessary to calculate the correction amount between the feature points of the image, compensate the video, and complete the visual monitoring of the image de-jitter. The traditional method is based on the pixel grayscale difference to search the optimal matching term to solve the offset of the current standard frame, but the correction of the image feature points is neglected, resulting in the video image de-jitter effect is not ideal. A visual monitoring algorithm for video surveillance image dejitter based on Kalman filter is proposed. The feature points of video surveillance images are extracted, and the image feature points between adjacent frames are matched with the theory of fast approximation nearest nearest library, and the image feature points that are mismatched are eliminated. Based on Kalman filter theory, the trace of feature points of video surveillance image is filtered, and the correction between the feature points of the image before and after filtering is calculated, which can compensate the video directly and eliminate the jitter of the video. The experimental results show that the proposed algorithm can effectively reduce the jitter of video surveillance images and has better real-time and robustness.
【作者單位】： 天津商業(yè)大學(xué)寶德學(xué)院;
【分類號】：TN948.6;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏波,李曉峰,李在銘;任意指定圖像目標(biāo)的實(shí)時(shí)檢測與跟蹤[J];系統(tǒng)工程與電子技術(shù);2000年05期

2 郭旭平,李在銘;跟蹤系統(tǒng)中圖像目標(biāo)的快速提取技術(shù)研究[J];電子科技大學(xué)學(xué)報(bào);1998年01期

3 楊文,孫洪,徐新,曹永鋒,徐戈;SAR圖像目標(biāo)解譯算法研究[J];系統(tǒng)工程與電子技術(shù);2004年10期

4 王衛(wèi)威;王正明;謝美華;汪雄良;;基于稀疏約束與性能最優(yōu)化的SAR圖像目標(biāo)增強(qiáng)方法[J];數(shù)據(jù)采集與處理;2008年03期

5 徐牧;肖順平;王雪松;;一種基于樣本篩選的極化SAR圖像目標(biāo)對比增強(qiáng)新方法[J];中國圖象圖形學(xué)報(bào);2009年11期

6 計(jì)科峰,高貴,匡綱要;一種子像素精度SAR圖像目標(biāo)峰值提取方法[J];計(jì)算機(jī)仿真;2004年09期

7 高貴,計(jì)科峰,匡綱要,李德仁;高分辨率SAR圖像目標(biāo)峰值提取及峰值穩(wěn)定性分析[J];電子與信息學(xué)報(bào);2005年04期

8 高貴;計(jì)科峰;匡綱要;李德仁;;SAR圖像目標(biāo)相關(guān)特性分析[J];計(jì)算機(jī)仿真;2006年09期

9 王衛(wèi)威;王正明;汪雄良;李明山;;SAR圖像目標(biāo)增強(qiáng)模型最優(yōu)性能分析[J];系統(tǒng)工程與電子技術(shù);2008年09期

10 高貴,計(jì)科峰,匡綱要,李德仁;高分辨率SAR圖像目標(biāo)峰值特征提取[J];信號處理;2005年03期

相關(guān)會議論文 前2條

1 張林怡;王運(yùn)鋒;王建國;;分維數(shù)在SAR圖像海岸線檢測中的應(yīng)用研究[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

2 佘二永;;SAR圖像目標(biāo)解譯技術(shù)分析[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C];2011年

相關(guān)博士學(xué)位論文 前1條

1 徐牧;極化SAR圖像人造目標(biāo)提取與幾何結(jié)構(gòu)反演研究[D];國防科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 甘洪涌;SAR圖像自動目標(biāo)識別算法研究[D];哈爾濱理工大學(xué);2014年

2 張玉營;基于認(rèn)知理論的高分辨率PolSAR圖像目標(biāo)解譯算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 袁琳;PolSAR圖像建筑物密度檢測方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 杜臻;SAR圖像艦船目標(biāo)檢測算法研究[D];哈爾濱工業(yè)大學(xué);2016年

5 陸怡悅;基于雷達(dá)與圖像信息融合的路面目標(biāo)識別與應(yīng)用[D];南京理工大學(xué);2017年

6 何威;基于多分辨率分析的SAR圖像和多光譜圖像融合算法研究[D];沈陽航空航天大學(xué);2017年

7 單雁冰;結(jié)合結(jié)構(gòu)信息和統(tǒng)計(jì)特征的SAR圖像目標(biāo)檢測[D];西安電子科技大學(xué);2012年

8 須海江;星載合成孔徑雷達(dá)圖像目標(biāo)定位研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2005年

9 楊朝南;SAR圖像特征提取及微弱目標(biāo)檢測方法研究[D];電子科技大學(xué);2010年

10 陳沫;SAR圖像軍事目標(biāo)識別方法研究[D];安徽大學(xué);2013年

，

本文編號：1837216