白　豐　張小俊　張明路　孫凌宇

河北工業(yè)大學(xué),天津,300130

?

基于分區(qū)灰度投影的穩(wěn)像算法在衛(wèi)星裝配中的應(yīng)用

白豐張小俊張明路孫凌宇

河北工業(yè)大學(xué),天津,300130

摘要:針對傳統(tǒng)電子穩(wěn)像算法無法快速有效地消除視頻圖像隨機(jī)抖動(dòng)的問題,采用一種基于分區(qū)灰度投影的穩(wěn)像算法，以確保機(jī)器人系統(tǒng)能夠輸出穩(wěn)定連貫的衛(wèi)星裝配畫面。對前后兩幀視頻圖像進(jìn)行劃分并刪除對比度低的子區(qū)域，利用間隔投影和互相關(guān)運(yùn)算獲取局部運(yùn)動(dòng)分量,通過基于平均誤差門限的迭代步驟篩選后剩余的局部運(yùn)動(dòng)分量求解全局運(yùn)動(dòng)矢量；若判定存在低頻掃描分量，還需對多幀圖像的全局運(yùn)動(dòng)矢量作均值濾波處理。實(shí)驗(yàn)結(jié)果表明：基于分區(qū)灰度投影的穩(wěn)像算法相比傳統(tǒng)灰度投影法，在低對比度的自然場景圖像和模擬裝配圖像中的穩(wěn)像精確度分別提升119.1%和55.8%;同時(shí)執(zhí)行時(shí)間只有塊匹配算法的0.5%。能夠有效消除隨機(jī)抖動(dòng),快速輸出穩(wěn)定連貫的視頻畫面，保證機(jī)器人系統(tǒng)順利完成衛(wèi)星的地面裝配工作。

關(guān)鍵詞：衛(wèi)星裝配；電子穩(wěn)像；分區(qū)灰度投影；隨機(jī)抖動(dòng)

0引言

衛(wèi)星是一種將機(jī)、電、熱等產(chǎn)品高度耦合的系統(tǒng),其結(jié)構(gòu)復(fù)雜、功能繁瑣。當(dāng)前，將光學(xué)相機(jī)、實(shí)驗(yàn)裝置和儀器、通信和探測設(shè)備、空間望遠(yuǎn)鏡驅(qū)動(dòng)機(jī)構(gòu)、支架和天線等單機(jī)設(shè)備集成于衛(wèi)星系統(tǒng)的趨勢日益明顯。這些設(shè)備對地面裝配的精確度和實(shí)時(shí)性均要求很高，然而目前的衛(wèi)星裝配技術(shù)發(fā)展較慢，整個(gè)裝配過程仍主要依賴工程人員的經(jīng)驗(yàn)進(jìn)行定性判斷，人工操作必然存在無法數(shù)字化測量配件間的相對位置、位姿調(diào)整不可量化、關(guān)鍵對接部位可視性不強(qiáng)的狀況。因此，如何通過穩(wěn)像、識(shí)別、標(biāo)定和導(dǎo)航等前沿技術(shù)，使機(jī)器人系統(tǒng)能取代人工操作完成衛(wèi)星的精確實(shí)時(shí)地面裝配，成為當(dāng)前制造業(yè)領(lǐng)域的研究熱點(diǎn)。

在衛(wèi)星的地面裝配過程中，攝像裝置通常會(huì)伴隨著機(jī)器人系統(tǒng)同步移動(dòng)。由于載體的振動(dòng)和姿態(tài)的變化，視頻畫面不可避免地會(huì)產(chǎn)生抖動(dòng)，影響機(jī)器人系統(tǒng)的精確裝配。電子穩(wěn)像技術(shù)能夠通過估計(jì)全局運(yùn)動(dòng)矢量(或者運(yùn)動(dòng)補(bǔ)償矢量)消除隨機(jī)抖動(dòng)，使輸出的視頻畫面趨于平穩(wěn)，成為當(dāng)前解決以上問題的主要手段之一[1-3]。

近年，國內(nèi)外廣泛研究的電子穩(wěn)像算法主要基于塊匹配和灰度投影。經(jīng)典塊匹配算法[4]是國際上普遍認(rèn)可的用于評估穩(wěn)像算法性能的標(biāo)準(zhǔn)算法，但其實(shí)時(shí)性較差。相關(guān)學(xué)者主要是通過選擇合適的搜索路徑以及快速完成塊區(qū)域的匹配來提升算法的實(shí)時(shí)性的,比如三步搜索法、菱形搜索法、閾值法、代表點(diǎn)法等[5-10]。

以上基于塊匹配的相關(guān)穩(wěn)像算法具有較高的精確度，但是其實(shí)時(shí)性仍然無法滿足實(shí)際工程的應(yīng)用要求。傳統(tǒng)的灰度投影算法[11]具有明顯的速度優(yōu)勢,但是,在低對比度的視頻畫面中，由于灰度投影曲線的變化不明顯,無法精確解算出全局運(yùn)動(dòng)矢量。相關(guān)學(xué)者主要通過選擇可靠的投影方式來提升算法的穩(wěn)定性和精確度,比如梯度投影法、圓周投影法等[12-15]。

以上基于灰度投影的相關(guān)穩(wěn)像算法具有優(yōu)良的實(shí)時(shí)性能，但是穩(wěn)定性和精確度仍然難以滿足實(shí)際工程的應(yīng)用需求。另外，常見的電子穩(wěn)像算法,如:基于位平面的穩(wěn)像算法[16]和基于特征點(diǎn)匹配的穩(wěn)像算法[17]等，也不能滿足應(yīng)用需求。

針對傳統(tǒng)灰度投影法在低對比度畫面中穩(wěn)像精確度不足以及塊匹配相關(guān)算法實(shí)時(shí)性能差的問題,本文采用了一種基于分區(qū)灰度投影的穩(wěn)像算法來解決衛(wèi)星裝配畫面的隨機(jī)抖動(dòng)問題。

1基于分區(qū)灰度投影的穩(wěn)像算法

1.1圖像子區(qū)域的劃分和刪選

為保證有足夠的重合比例，依次選擇前后相鄰兩幀作為基準(zhǔn)圖像和當(dāng)前圖像進(jìn)行子區(qū)域劃分。在投影前，首先需要避免由于該區(qū)域?qū)Ρ榷炔幻黠@造成局部運(yùn)動(dòng)分量估計(jì)偏差較大的問題出現(xiàn)。解決方案是將所有子區(qū)域劃分為相同大小的四個(gè)矩形塊，然后依次循環(huán)相減，計(jì)算相鄰矩形塊間的像素絕對差和:

Pt2(xt2+i,yt2+j)|

(1)

其中,FSAD表示絕對差和，(xtk,ytk)表示第t個(gè)子區(qū)域中第k個(gè)矩形塊左上角的坐標(biāo)值,k=1,2,3,4,M和N表示矩形塊的行數(shù)和列數(shù)。將計(jì)算結(jié)果與預(yù)先設(shè)定的閾值比較，只有當(dāng)所有矩形塊的絕對差和均高于閾值時(shí)，當(dāng)前子區(qū)域才進(jìn)行灰度投影運(yùn)算。

1.2灰度投影運(yùn)算

對以上滿足閾值條件的子區(qū)域分別向水平和垂直方向進(jìn)行投影。無論是水平方向還是垂直方向，其邊緣區(qū)域具有唯一性，導(dǎo)致子區(qū)域的投影曲線在邊緣處存在差異，影響子區(qū)域的局部運(yùn)動(dòng)矢量估計(jì)精度。而投影曲線的中間區(qū)域具有相近的波峰和波谷，只是位置存在偏差(即局部運(yùn)動(dòng)矢量)，故只取投影曲線的中間部分作為子區(qū)域水平和垂直方向的投影結(jié)果。另外，通過間隔取點(diǎn)的方式，在幾乎不影響精度的情況下，成倍地縮短了算法的執(zhí)行時(shí)間。具體的投影公式如下:

(2)

(3)

式中,Wp(j)為第p個(gè)子區(qū)域中第j列像素灰度值垂直方向投影的累加和；Hp(i)為第p個(gè)子區(qū)域中第i行像素灰度值水平方向投影的累加和;Kp(i,j)為第p個(gè)子區(qū)域在(i,j)坐標(biāo)處的像素灰度值。

1.3求解全局運(yùn)動(dòng)矢量

對基準(zhǔn)幀與當(dāng)前幀圖像對應(yīng)子區(qū)域的灰度投影結(jié)果采用互相關(guān)運(yùn)算，根據(jù)兩條相關(guān)曲線的波谷，確定當(dāng)前幀圖像子區(qū)域相對于基準(zhǔn)幀圖像子區(qū)域的水平和垂直方向局部運(yùn)動(dòng)分量;然后,計(jì)算局部運(yùn)動(dòng)分量的平均值即可得到全局運(yùn)動(dòng)矢量:

1≤w≤2m+1

(4)

tiy=m+1-wmin

(5)

(6)

式中,Pi(j+w-1) 為當(dāng)前幀圖像第i個(gè)子區(qū)域投影范圍的第j+w-1列像素灰度投影累加和；Qi(m+j)為基準(zhǔn)幀圖像第i個(gè)子區(qū)域投影范圍第m+j列的灰度投影累加和；G(w)為像素灰度投影累加的差值結(jié)果；wmin為G(w)取最小時(shí)的w值；tiy為當(dāng)前幀圖像第i個(gè)子區(qū)域相對于基準(zhǔn)幀圖像第i個(gè)子區(qū)域在水平方向的局部運(yùn)動(dòng)矢量；dy為對應(yīng)的全局運(yùn)動(dòng)矢量；m為運(yùn)動(dòng)估計(jì)的最大抖動(dòng)范圍；MP為子區(qū)域的行數(shù)。

同理可計(jì)算出垂直方向的全局運(yùn)動(dòng)矢量。但是,考慮到機(jī)器人系統(tǒng)的裝配畫面中可能存在運(yùn)動(dòng)前景目標(biāo)，該子區(qū)域的局部運(yùn)動(dòng)分量估計(jì)結(jié)果將嚴(yán)重干擾全局運(yùn)動(dòng)矢量的計(jì)算，甚至可能導(dǎo)致穩(wěn)像失敗。因此，本文采用一種基于平均誤差門限的迭代算法消除運(yùn)動(dòng)目標(biāo)區(qū)域?qū)θ诌\(yùn)動(dòng)矢量估計(jì)精度的影響，詳細(xì)流程如圖1所示。在排除含有前景運(yùn)動(dòng)目標(biāo)的子區(qū)域后，即可求解最終的全局運(yùn)動(dòng)矢量。

1.4運(yùn)動(dòng)補(bǔ)償矢量的計(jì)算

當(dāng)攝像裝置輔助衛(wèi)星機(jī)器人裝配時(shí),基準(zhǔn)幀和當(dāng)前幀圖像的全局運(yùn)動(dòng)矢量可能由正常掃描的低頻分量及異常抖動(dòng)的高頻分量組成,也可能只包含異常抖動(dòng)的高頻分量。在對圖像進(jìn)行運(yùn)動(dòng)補(bǔ)償時(shí),只需要補(bǔ)償攝像裝置的隨機(jī)抖動(dòng)。機(jī)器人系統(tǒng)的正常移動(dòng)通常具有階段性的幅值和方向一致性，是平滑的低頻矢量，而抖動(dòng)分量的幅值和方向則具有隨機(jī)性。據(jù)此可判斷當(dāng)前圖像是否含有正常掃描運(yùn)動(dòng)。在判斷完畢后,若不存在掃描運(yùn)動(dòng)分量,則當(dāng)前的全局運(yùn)動(dòng)矢量即為所求的運(yùn)動(dòng)補(bǔ)償矢量；否則,從實(shí)時(shí)性和有效性方面考慮，采用均值濾波的方式首先計(jì)算多幀圖像的低頻掃描分量，然后將全局運(yùn)動(dòng)矢量依次與掃描運(yùn)動(dòng)分量作差，獲得剩余的高頻抖動(dòng)分量，即為每幀圖像的運(yùn)動(dòng)補(bǔ)償矢量。

2實(shí)驗(yàn)分析

為確保本文算法對衛(wèi)星裝配畫面的穩(wěn)像效果，實(shí)驗(yàn)分別創(chuàng)建自然場景圖像庫和衛(wèi)星裝配的模擬裝配圖像庫予以驗(yàn)證，并將基于分區(qū)灰度投影的穩(wěn)像算法與傳統(tǒng)灰度投影法、塊匹配遍歷搜索算法進(jìn)行比較。所有實(shí)驗(yàn)均在安裝2.50GHzCPU、4GB內(nèi)存、Windows7操作系統(tǒng)的計(jì)算機(jī)平臺(tái)上通過MATLAB2010編程實(shí)現(xiàn)。同時(shí)，統(tǒng)一將圖像的分辨率轉(zhuǎn)換為512像素×512像素。實(shí)驗(yàn)內(nèi)容包括：①創(chuàng)建自然場景圖像庫和衛(wèi)星裝配的模擬裝配圖像庫；②根據(jù)穩(wěn)像前后兩幀圖像的峰值信噪比值和差分結(jié)果評價(jià)各算法的精確度;③通過統(tǒng)計(jì)各算法對前后兩幀圖像的穩(wěn)像時(shí)間衡量實(shí)時(shí)性能；④展示利用本文分區(qū)灰度投影算法對模擬裝配圖像的穩(wěn)像效果。

2.1兩組圖像庫的建立

首先，創(chuàng)建自然場景的圖像庫。創(chuàng)建60組(每組6幅圖像)共360幅自然場景圖像，每幅圖像均存在不同程度的隨機(jī)抖動(dòng)。本文選擇其中一組作為測試集1，進(jìn)行各穩(wěn)像算法具體的性能評估實(shí)驗(yàn)，其中圖像庫的第31～36幅圖像(即測試集1)如圖2所示。選取當(dāng)前自然場景圖像的原因在于：圖中天空、山脈和花朵占據(jù)著自然圖像的絕大多數(shù)區(qū)域，圖像的對比度信息非常微弱，這將更加有效地考驗(yàn)各算法的性能。

然后，構(gòu)建衛(wèi)星裝配的模擬裝配圖像庫。通過攝像裝置采集存在隨機(jī)抖動(dòng)的低對比度裝配視頻模擬衛(wèi)星裝配過程,利用其中具有代表性的部分幀構(gòu)建60組(每組6幅圖像)共360幅圖像。從中選取一組作為測試集2,進(jìn)行各穩(wěn)像算法的性能評估實(shí)驗(yàn)和效果展示，其中圖像庫的第31～36幅圖像(即測試集2)如圖3所示。

2.2各算法的精確度分析

峰值信噪比(PSNR)是一種圖像序列間穩(wěn)定程度的客觀評價(jià)方式。因此，本文首先通過穩(wěn)像前后相鄰兩幀圖像的峰值信噪比值TPSNR衡量各算法的精確度，具體計(jì)算如下：

(7)

TPSNR=10lg(2552/TMSE)

(8)

其中,f(x,y)和g(x,y)表示基準(zhǔn)幀和當(dāng)前幀圖像,M和N表示圖像的行數(shù)和列數(shù),TMSE表示均方差值。若利用式(7)、式(8)計(jì)算出的穩(wěn)像后的TPSNR值相比于穩(wěn)像前的值有明顯提升,則認(rèn)為當(dāng)前穩(wěn)像方法能夠消除或減小圖像間的高頻隨機(jī)抖動(dòng)。表1是塊匹配遍歷搜索法、傳統(tǒng)灰度投影法和本文基于分區(qū)灰度投影的穩(wěn)像算法對測試集1、2中的六幀圖像進(jìn)行穩(wěn)像前和穩(wěn)像后的平均TPSNR值。

從表1可以看出,塊匹配算法作為國際上普遍認(rèn)可的全局運(yùn)動(dòng)估計(jì)方法,穩(wěn)像后的TPSNR值增幅最大,達(dá)到143.2%和99.1%,具有極佳的穩(wěn)像精確度。傳統(tǒng)灰度投影算法由于受到低對比度信息的干擾，穩(wěn)像后的TPSNR值增幅最小。特別是在具有大面積相似信息的測試集1中，該算法的全局運(yùn)動(dòng)矢量估計(jì)偏差更大,TPSNR值增幅只有23.0%。而本文基于分區(qū)灰度投影的穩(wěn)像算法在穩(wěn)像后,TPSNR值有大幅度提升,達(dá)到142.1%和96.7%,能夠非常接近甚至達(dá)到塊匹配遍歷搜索算法的穩(wěn)像效果，相比于傳統(tǒng)灰度投影算法TPSNR值的增幅達(dá)到119.1%和55.8%,精確度具有明顯的優(yōu)勢。

同時(shí),本文采用部分差分圖像直觀地反映各算法的穩(wěn)像效果，如圖4、圖5所示。其中,圖4表示塊匹配遍歷搜索算法、傳統(tǒng)灰度投影法和本文基于分區(qū)灰度投影的穩(wěn)像算法利用測試集1中的第3幀和第4幀灰度圖像進(jìn)行穩(wěn)像前和穩(wěn)像后的差分效果圖。圖5表示相關(guān)算法利用測試集2中的第3幀和第4幀灰度圖像進(jìn)行穩(wěn)像前和穩(wěn)像后的差分效果圖。這里差分圖像中的剩余灰度信息量反映著各算法穩(wěn)像性能的優(yōu)劣。

從圖4、圖5中同樣發(fā)現(xiàn)，由于圖像中存在低對比度區(qū)域的干擾以及前景目標(biāo)的移動(dòng)，采用傳統(tǒng)灰度投影算法估計(jì)的全局運(yùn)動(dòng)矢量偏差較大，造成差分圖像中存在大量灰度值不為零的區(qū)域，穩(wěn)像效果并不理想。而采用本文基于分區(qū)灰度投影的穩(wěn)像算法能夠消除圖像中的隨機(jī)抖動(dòng)，接近甚至達(dá)到與塊匹配遍歷搜索算法相似的穩(wěn)像效果。

另外，由于測試集1中的圖像對比度信息更加不明顯,能夠直觀反映各算法的穩(wěn)像性能，因此本文進(jìn)一步將差分圖像(圖4)的灰度信息按列方向投影累加。曲線圖中累計(jì)灰度值越低，說明基準(zhǔn)幀與當(dāng)前幀圖像的相似度越高。差分圖像中間列(129～384)的投影曲線如圖6所示。圖7對應(yīng)圖6投影曲線部分區(qū)域的放大,從圖7中能更加清晰地看出各算法的差分效果。圖6、圖7的曲線分布再次驗(yàn)證了分區(qū)灰度投影算法的優(yōu)良性能。

2.3各算法的實(shí)時(shí)性能分析

通過統(tǒng)計(jì)測試集1和測試集2中所有前后兩幀圖像的平均穩(wěn)像時(shí)間，評估本文基于分區(qū)灰度投影的穩(wěn)像算法、塊匹配遍歷搜索算法和傳統(tǒng)灰度投影算法的實(shí)時(shí)性能，具體數(shù)據(jù)如表2所示。統(tǒng)計(jì)結(jié)果顯示,本文方法相比于傳統(tǒng)灰度投影法雖然增加了區(qū)間劃分和優(yōu)化篩選等步驟，但并未明顯增加算法的執(zhí)行時(shí)間；同時(shí),本文算法的穩(wěn)像時(shí)間只有塊匹配算法的0.5%,具有顯著的實(shí)時(shí)性優(yōu)勢。

2.4分區(qū)灰度投影算法對模擬裝配圖像的穩(wěn)像效果

實(shí)驗(yàn)發(fā)現(xiàn)，本文算法能夠克服模擬裝配圖像中低對比度區(qū)域的干擾以及前景目標(biāo)移動(dòng)的影響，準(zhǔn)確估計(jì)出全局運(yùn)動(dòng)矢量。利用本文基于分區(qū)灰度投影的穩(wěn)像算法對測試集2中連續(xù)六幅裝配圖像的穩(wěn)像效果如圖8所示。穩(wěn)像后的所有圖像依次輸出，可以獲得平穩(wěn)連貫的視頻裝配畫面。

3結(jié)語

本文采用一種基于分區(qū)灰度投影的穩(wěn)像算法來消除裝配畫面的隨機(jī)抖動(dòng)。將該算法與傳統(tǒng)灰度投影法、塊匹配算法的精確度和實(shí)時(shí)性進(jìn)行實(shí)驗(yàn)對比，結(jié)果表明，基于分區(qū)灰度投影的穩(wěn)像算法能夠有效消除隨機(jī)抖動(dòng)，快速輸出連貫的視頻畫面，可保證機(jī)器人系統(tǒng)順利完成衛(wèi)星的地面裝配工作。

參考文獻(xiàn):

[1]SeungKK,SeokJK,TaeSW,etal.FeaturePointClassificationBasedGlobalMotionEstimationforVideoStabilization[J].IEEETransactionsonConsumerElectronics,2013,59(1):267-272.

[2]JieX,HuaWC,ShouY,etal.FastFeature-basedVideoStabilizationwithoutAccumulativeGlobalMotionEstimation[J].IEEETransactionsonConsumerElectronics,2012,58(3):993-999.

[3]TzuuSL,ChingCC.ExtendedKalmanFilterBasedHand-shakeDetectorforOpticalImageStabilizationUsingaLowCostGyroscope[J].IEEETransactionsonConsumerElectronics,2013,59(1):113-121.

[4]VellaF,CastorinaA,MancusoM,etal.DigitalImageStabilizationbyAdaptiveBlockMotionVectorsFiltering[J].IEEETransactionsonConsumerElectronics,2002,48(3):796-801.

[5]AmirpourH,AmousaviniaA,ShamsiN.PredictiveThreeStepSearchAlgorithmforMotionEstimation[C]//Proceedingsofthe8thIranianConferenceonMachineVisionandImageProcessing.Zanjan,2013:48-52.

[6]WenJQ,BoY,JiaoJW.HumanActivityRecognitionBasedonImprovedDiamondSearchBlock-matchingMethod[C]//Proceedingsofthe4thInternationalSymposiumonComputationalIntelligenceandDesign.Hangzhou,2011:236-239.

[7]GulluMK.WeightedConstrainedOne-bitTransformBasedFastBlockMotionEstimation[J].IEEETransactionsonConsumerElectronics,2011,57(2):751-755.

[8]LiS,QiJQ.ImageStabilizationbyCombiningGray-scaleProjectionandRepresentativePointMatchingAlgorithms[C]//Proceedingsofthe3rdInternationalConferenceonAwarenessScienceandTechnology.Dalian,2011:128-132.

[9]王鵬,趙躍進(jìn),孔令琴,等.改進(jìn)塊匹配宏塊的快速傳感器電子穩(wěn)像方法[J].光子學(xué)報(bào),2012,41(9):1065-1070.

WangPeng,ZhaoYuejin,KongLingqin,etal.ImprovedFastBlock-matchingAlgorithmforSensorElectronicImageStabilization[J].ActaPhotonicaSinica,2012,41(9):1065-1070.

[10]宗艷桃, 蔣曉瑜,裴闖,等.基于時(shí)間序列預(yù)測的電子穩(wěn)像算法研究[J].光子學(xué)報(bào),2012,41(2):244-248.

ZongYantao,JiangXiaoyu,PeiChuang,etal.TimeSeriesPredictionBasedElectronicImageStabilizationAlgorithm[J].ActaPhotonicaSinica,2012,41(2):244-248.

[11]汪小勇,李奇,徐之海,等.用于實(shí)時(shí)數(shù)字穩(wěn)像的灰度投影算法研究[J].光子學(xué)報(bào),2006,35(8):1268-1271.

WangXiaoyong,LiQi,XuZhihai,etal.StudyonGrayProjectionAlgorithmforRealTimeVideoStabilization[J].ActaPhotonicaSinica,2006,35(8):1268-1271.

[12]ChaoJ,BrianLE.Constrained3DRotationSmoothingViaGlobalManifoldRegressionforVideoStabilization[J].IEEETransactionsonSignalProcessing,2014,62(13):3293-3304.

[13]XieT,ZhuB,XieLJ.etal.ACircular-projectionBasedDigitalImageStabilizationAlgorithmandItsImplementationforRotatingImageSequences[C]//Proceedingsofthe10thInternationalConferenceonSignalProcessing.Beijing,2010:1236-1239.

[14]張永祥，閆文林，張偉功，等. 一種旋轉(zhuǎn)運(yùn)動(dòng)估計(jì)穩(wěn)像算法的研究與實(shí)現(xiàn)[J].小型微型計(jì)算機(jī)系統(tǒng),2014,35(9):2151-2155.

ZhangYongxiang,YanWenlin,ZhangWeigong,etal.ResearchandImplementationofImageStabilizationinaRotaryMotionEstimationAlgorithm[J].JournalofChineseComputerSystems,2014,35(9):2151-2155.

[15]孫輝.Bayer彩色序列圖像的電子穩(wěn)像[J].光學(xué)精密工程,2014,22(2):481-488.

SunHui.ElectronicImageStabilizationforBayerColorVideoSequenceImage[J].OpticsandPrecisionEngineering,2014,22(2):481-488.

[16]遆曉光，靳萬鑫，余穎.大運(yùn)動(dòng)前景和旋轉(zhuǎn)抖動(dòng)視頻的快速數(shù)字穩(wěn)定[J].光學(xué)精密工程,2014,22(1):177-185.

DiXiaoguang,JinWanxin,YuYing.DigitalVideoStabilizationforLarge-scaleMovingForegroundObjectandRotationJitter[J].OpticsandPrecisionEngineering,2014,22(1):177-185.

[17]蔣建國,牛杰杰，齊美彬. 基于SURF和軌跡濾波的旋轉(zhuǎn)視頻穩(wěn)像算法[J].儀器儀表學(xué)報(bào),2014,35(3):550-557.

JiangJiangguo,NiuJiejie,QiMeibin.RotationalVideoStabilizationAlgorithmBasedonSurfandTrajectorySmoothing[J].ChineseJournalofScientificInstrument,2014,35(3):550-557.

(編輯王旻玥)

VideoStabilizationMethodBasedonSubzoneGrayProjectioninApplicationsofSatelliteAssembly

BaiFengZhangXiaojunZhangMingluSunLingyu

HebeiUniversityofTechnology,Tianjin,300130

Keywords:satelliteassembly;electronicimagestabilization;subzonegrayprojection;randomjitter

Abstract:Aimingtosolvetheproblemthattraditionalelectronicimagestabilizationalgorithmcouldnoteliminatevideorandomjittersquicklyandefficiently,basedonsubzonegrayprojectionavideostabilizationmethodwasusedtoensuretherobotsystemoutputtingsatelliteassemblypicturesstablyandcoherently.Twoframesweredividedandsubregionsoflowcontrastweredeleted.Theintervalprojectionandcross-correlationalgorithmwereusedtogetlocalmotioncomponent.Theglobalmotionvectorwassolvedbytherestlocalmotioncomponentafteriterativestepsbasedontheaverageerrorthreshold.Anaveragefilterwouldbeusedinglobalmotionvectorofmultipleframesifimagehadlowfrequencyscanningcomponent.Experimentalresultsshowthatusingthestabilizationmethodbasedonsubzonegrayprojection'simagethestabilizingprecisionincreases119.1%innaturalsceneimagesand55.8%insimulationassemblyimagesoflowcontrastcomparedwithtraditionalgrayprojectionmethod,meanwhiletheexecutiontimeisonly0.5%ofblockmatchingalgorithm.Itprovesthatthemethodcaneliminaterandomjitterseffectively,outputstablecoherentvideoimagesrapidly,andguaranteethesatelliteinstallationofrobotsystem.

收稿日期：2015-03-27

基金項(xiàng)目：國家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)資助項(xiàng)目(2015AA043101)

作者簡介：白豐,男,1988年生。河北工業(yè)大學(xué)機(jī)械工程學(xué)院博士研究生。主要研究方向?yàn)闄C(jī)器人視覺及圖像處理技術(shù)。張小俊,男,1980年生。河北工業(yè)大學(xué)機(jī)械工程學(xué)院副教授。張明路，男，1964年生。河北工業(yè)大學(xué)機(jī)械工程學(xué)院教授、博士研究生導(dǎo)師。孫凌宇,男,1978年生。河北工業(yè)大學(xué)機(jī)械工程學(xué)院副教授。

中圖分類號(hào)：TP391

DOI：10.3969/j.issn.1004-132X.2016.02.009