王佳欣 竇小磊

摘 要： 為了提高快速幀移動(dòng)多視點(diǎn)圖像的檢測(cè)跟蹤識(shí)別能力，提出基于Harris角點(diǎn)檢測(cè)的快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別方法。構(gòu)建快速幀移動(dòng)多視點(diǎn)圖像檢測(cè)和幀穩(wěn)定性控制模型，采用數(shù)字特征融合技術(shù)，實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像的模糊度增強(qiáng)和融合處理，通過多維空間參數(shù)檢測(cè)技術(shù)，實(shí)現(xiàn)快速幀移動(dòng)多視點(diǎn)圖像的動(dòng)態(tài)參數(shù)識(shí)別，結(jié)合聯(lián)合濾波特征匹配方法，采用穩(wěn)像控制技術(shù)，建立快速幀移動(dòng)多視點(diǎn)圖像的灰度參數(shù)分析模型，根據(jù)Harris角點(diǎn)檢測(cè)結(jié)果，結(jié)合角點(diǎn)自適應(yīng)定位和分塊匹配濾波，實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像檢測(cè)和跟蹤識(shí)別。測(cè)試結(jié)果表明，采用該方法進(jìn)行快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別的精度較高，角點(diǎn)定位和幀穩(wěn)定性較好。

關(guān)鍵詞： Harris角點(diǎn); 快速幀移動(dòng); 多視點(diǎn); 圖像跟蹤識(shí)別; 穩(wěn)像

文章編號(hào)： 2095-2163（2021）03-0022-05 中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)志碼：A

【Abstract】In order to improve the detection， tracking and recognition ability of fast frame moving multi-view images， a fast frame moving multi-view image tracking and recognition method based on Harris corner detection is proposed. The model of image detection and frame stability control for fast frame moving multi-view images is constructed. Digital feature fusion technology is used to enhance the ambiguity and fusion of fast frame moving multi-view images. Multi-dimensional spatial parameter detection technology is used to realize dynamic parameter identification of fast frame moving multi-view images. Combined with joint filtering feature matching method and image stabilization control technology， the gray parameter analysis model of fast frame moving multi-view images is established. According to Harris corner detection results， corner adaptive positioning and block matching filtering are combined to realize fast frame moving. The test results show that this method has high accuracy， corner location and frame stability in fast frame moving multi-view image tracking and recognition.

【Key words】 Harris corner; fast frame movement; multi-viewpoint; image tracking and recognition; image stabilization

0 引 言

隨著電子穩(wěn)像技術(shù)的發(fā)展，采用優(yōu)化圖像處理和圖像角點(diǎn)定位技術(shù)，建立快速幀移動(dòng)多視點(diǎn)圖像處理和識(shí)別模型，提高快速幀移動(dòng)多視點(diǎn)圖像處理的檢測(cè)和跟蹤識(shí)別能力。在快速幀移動(dòng)多視點(diǎn)圖像處理和圖像模式識(shí)別設(shè)計(jì)中，需要結(jié)合計(jì)算機(jī)視覺參數(shù)識(shí)別的方法，建立快速幀移動(dòng)多視點(diǎn)圖像處理和圖像識(shí)別模型，結(jié)合視點(diǎn)參數(shù)識(shí)別和圖像技術(shù)，實(shí)現(xiàn)圖像的穩(wěn)像處理和參數(shù)識(shí)別，提高圖像成像質(zhì)量，研究快速幀移動(dòng)多視點(diǎn)圖像處理方法，在圖像參數(shù)分析和特征檢測(cè)中具有重要意義，相關(guān)的快速幀移動(dòng)多視點(diǎn)圖像處理方法研究受到人們關(guān)注[1]。

對(duì)快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別是建立在對(duì)快速幀移動(dòng)多視點(diǎn)圖像的增強(qiáng)和濾波檢測(cè)基礎(chǔ)上，采用多視點(diǎn)圖像像素跟蹤方法，實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別[2]，傳統(tǒng)方法中，對(duì)快速幀移動(dòng)多視點(diǎn)圖像識(shí)別主要有基于均衡誤差參數(shù)分析的快速幀移動(dòng)多視點(diǎn)圖像識(shí)別方法、色彩辨識(shí)的圖像識(shí)別方法等，通過快速幀移動(dòng)多視點(diǎn)圖像的模糊信息增強(qiáng)處理[3-5]，采用濾波檢測(cè)方法實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像的優(yōu)化融合處理，但傳統(tǒng)方法進(jìn)行快速幀移動(dòng)多視點(diǎn)圖像識(shí)別的自適應(yīng)性不好。對(duì)此，本文提出基于Harris角點(diǎn)檢測(cè)的快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別方法。構(gòu)建快速幀移動(dòng)多視點(diǎn)圖像檢測(cè)和幀穩(wěn)定性控制模型，然后采用穩(wěn)像控制技術(shù)，建立快速幀移動(dòng)多視點(diǎn)圖像的灰度參數(shù)分析模型，根據(jù)Harris角點(diǎn)檢測(cè)結(jié)果，結(jié)合角點(diǎn)自適應(yīng)定位和分塊匹配濾波，實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像檢測(cè)和跟蹤識(shí)別。最后進(jìn)行仿真測(cè)試分析，展示了本文方法在提高快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別能力方面的優(yōu)越性能。

1 快速幀移動(dòng)多視點(diǎn)圖像特征預(yù)處理

1.1 快速幀移動(dòng)多視點(diǎn)圖像濾波分析

為了實(shí)現(xiàn)基于Harris角點(diǎn)檢測(cè)的快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別方法，首先構(gòu)建快速幀移動(dòng)多視點(diǎn)圖像檢測(cè)和幀穩(wěn)定性控制模型，構(gòu)建快速幀移動(dòng)多視點(diǎn)圖像色差參數(shù)檢測(cè)模型[6]，采用模糊度邊緣檢測(cè)方法進(jìn)行快速幀移動(dòng)多視點(diǎn)圖像色差參數(shù)均衡信息融合，得到快速幀移動(dòng)多視點(diǎn)圖像多尺度Harris角點(diǎn)分布區(qū)域的邊緣模糊集為：

采用區(qū)域特征分塊檢測(cè)的方法，構(gòu)建快速幀移動(dòng)多視點(diǎn)圖像多尺度Harris角點(diǎn)分布區(qū)域融合集，在K維子空間中進(jìn)行快速幀移動(dòng)多視點(diǎn)圖像的特征空間分布式重建，得到快速幀移動(dòng)多視點(diǎn)圖像處理結(jié)構(gòu)圖，建立基于點(diǎn)跟蹤識(shí)別的快速幀移動(dòng)多視點(diǎn)圖像采集識(shí)別模型，得到點(diǎn)跟蹤識(shí)別的快速幀圖像參數(shù)檢測(cè)模型表示為：

其中，h為快速幀移動(dòng)多視點(diǎn)圖像的梯度像素分量; ρe表示快速幀移動(dòng)多視點(diǎn)圖像在梯度方的特征分量; θe為色差參數(shù)均衡控制空間參數(shù)特征量，在x和y兩個(gè)方向?qū)崿F(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像參數(shù)融合。

在成像的光譜旁瓣區(qū)域，得到快速幀移動(dòng)多視點(diǎn)圖像模糊邊緣分塊檢測(cè)結(jié)果[7]，得到快速幀移動(dòng)多視點(diǎn)圖像模糊邊緣的分塊檢測(cè)結(jié)果為：

根據(jù)上述分析，采用圖像多尺度Harris特征檢測(cè)方法，得到快速幀移動(dòng)多視點(diǎn)圖像的梯度分布全局估計(jì)特征量為：

其中，G（x→）表示快速幀移動(dòng)多視點(diǎn)圖像邊界框輸出穩(wěn)定性參數(shù)，采用局部區(qū)域參數(shù)融合方法，構(gòu)建快速幀移動(dòng)多視點(diǎn)圖像檢測(cè)模型，得到線性特征重組結(jié)果f（gi）為：

由此獲得快速幀移動(dòng)多視點(diǎn)圖像的采集和信息跟蹤模型，根據(jù)m×n維狀態(tài)空間中的分布集，采用點(diǎn)目標(biāo)跟蹤識(shí)別方法，快速幀移動(dòng)多視點(diǎn)圖像多尺度Harris角點(diǎn)分布為I（x），構(gòu)建優(yōu)化的快速幀移動(dòng)多視點(diǎn)圖像檢測(cè)濾波模型，得到濾波聯(lián)合信息熵：

在N×N的局部區(qū)域中進(jìn)行快速幀移動(dòng)多視點(diǎn)圖像多尺度Harris角點(diǎn)檢測(cè)和濾波[8]。

1.2 快速幀移動(dòng)多視點(diǎn)圖像融合

建立快速幀移動(dòng)多視點(diǎn)圖像的暗原色灰度參數(shù)檢測(cè)模型，通過模糊度檢測(cè)，得到模板大小為M×N，重建快速幀移動(dòng)多視點(diǎn)圖像的像素值[9]，得到快速幀移動(dòng)多視點(diǎn)跟蹤的灰度模糊特征參數(shù)分解式，為：

2 圖像跟蹤識(shí)別優(yōu)化

2.1 快速幀移動(dòng)多視點(diǎn)圖像穩(wěn)像技術(shù)

采用數(shù)字特征融合技術(shù)，實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像的模糊度增強(qiáng)和融合處理[11]，得到快速幀移動(dòng)多視點(diǎn)圖像色差參數(shù)辨識(shí)分量：

其中，n表示快速幀移動(dòng)多視點(diǎn)圖像的空間分布維數(shù)，F(xiàn)i（v）表示快速幀移動(dòng)多視點(diǎn)圖像的決策變量，根據(jù)對(duì)圖像的邊緣信息特征分解結(jié)果，采用邊界化的特征分布式融合增強(qiáng)方法，得到快速幀移動(dòng)多視點(diǎn)檢測(cè)的文獻(xiàn)特征分布模型為：

采用Taubin平滑算子進(jìn)行快速幀移動(dòng)多視點(diǎn)圖像的三維跟蹤識(shí)別，得到聯(lián)合特征參數(shù)的優(yōu)化分布集為：

2.2 快速幀移動(dòng)多視點(diǎn)圖像

采用穩(wěn)像控制技術(shù)，建立快速幀移動(dòng)多視點(diǎn)圖像的灰度參數(shù)分析模型，根據(jù)Harris角點(diǎn)檢測(cè)結(jié)果，對(duì)快速幀移動(dòng)多視點(diǎn)圖像的自適應(yīng)特征參數(shù)識(shí)別和模糊信息濾波，構(gòu)建快速幀移動(dòng)多視點(diǎn)圖像的Harris角點(diǎn)檢測(cè)模型，表示為：

其中，wmk為快速幀移動(dòng)多視點(diǎn)圖像的白平衡偏移量，i， j為快速幀移動(dòng)多視點(diǎn)偏移參數(shù)。綜上分析，實(shí)現(xiàn)快速幀移動(dòng)多視點(diǎn)圖像的跟蹤識(shí)別。

3 仿真測(cè)試分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別中的應(yīng)用性能，采用Matlab進(jìn)行仿真測(cè)試，圖像的幀移動(dòng)速度為149 fram/s，相似度為0.143，粗糙度系數(shù)為0.829，根據(jù)上述參數(shù)設(shè)定，進(jìn)行多視點(diǎn)圖像跟蹤識(shí)別，得到待處理圖像如圖1所示。

采用數(shù)字特征融合技術(shù)，實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像的模糊度增強(qiáng)處理，構(gòu)建圖像特征點(diǎn)匹配模型，得到匹配結(jié)果如圖2所示。

分析圖2得知，本文方法能有效實(shí)現(xiàn)對(duì)快速幀移動(dòng)多視點(diǎn)圖像的特征匹配，采用Harris角點(diǎn)檢測(cè)，得到快速幀移動(dòng)多視點(diǎn)圖像的跟蹤識(shí)別結(jié)果如圖3所示。

分析上述仿真結(jié)果得知，對(duì)于快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別，本文方法是有效的，還可提高圖像檢測(cè)和識(shí)別能力。測(cè)試檢測(cè)精度，對(duì)比結(jié)果見表1。分析仿真結(jié)果得知，本文方法對(duì)快速幀移動(dòng)多視點(diǎn)圖像識(shí)別的精度更高。

4 結(jié)束語(yǔ)

結(jié)合計(jì)算機(jī)視覺參數(shù)識(shí)別的方法，建立快速幀移動(dòng)多視點(diǎn)圖像處理和圖像識(shí)別模型，本文提出基于Harris角點(diǎn)檢測(cè)的快速幀移動(dòng)多視點(diǎn)圖像跟蹤識(shí)別方法。建立快速幀移動(dòng)多視點(diǎn)圖像的暗原色灰度參數(shù)檢測(cè)模型，通過模糊度檢測(cè)，重建快速幀移動(dòng)多視點(diǎn)圖像的像素值，采用數(shù)字特征參數(shù)檢測(cè)方法，建立快速幀移動(dòng)多視點(diǎn)圖像穩(wěn)像控制模型，結(jié)合Harris角點(diǎn)檢測(cè)實(shí)現(xiàn)圖像多視點(diǎn)跟蹤識(shí)別。研究表明，本文方法對(duì)快速幀移動(dòng)多視點(diǎn)圖像識(shí)別的精度較高。

參考文獻(xiàn)

[1] 王瑩瑩. 矢量地理數(shù)據(jù)動(dòng)態(tài)多重?cái)?shù)字水印算法研究[J]. 測(cè)繪學(xué)報(bào)，2021，50（4）：566.

[2] 王曉琴. 基于加密全息數(shù)字水印技術(shù)的電子檔案管存系統(tǒng)設(shè)計(jì)[J]. 現(xiàn)代電子技術(shù)，2021，44（8）：81-84.

[3] 馬文駿，張黎明，李玉，等. 基于NSCT與改進(jìn)SIFT特征點(diǎn)的GF-2影像水印算法[J]. 地理與地理信息科學(xué)，2021，37（2）：31-37.

[4] 李博. 基于視覺傳達(dá)的多幀圖像高分辨率重建仿真[J]. 計(jì)算機(jī)仿真，2021，38（3）：113-116，121.

[5] 張迅，李建勝，王安成，等. 無(wú)人平臺(tái)視覺導(dǎo)航算法驗(yàn)證仿真系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2021，38（1）：9-14，20.[ZK）]

[6] 李松卿，丁剛毅. 基于成像逼真度的視覺仿真方法[J]. 中國(guó)電子科學(xué)研究院學(xué)報(bào)，2021，16（1）：14-20.

[7] 崔麗群，張平，賀情杰，等. 對(duì)比度和細(xì)節(jié)增強(qiáng)顯著性檢測(cè)方法研究[J]. 計(jì)算機(jī)工程與應(yīng)用， 2019， 55（23）： 200-208.

[8] 金磊磊，梁紅，楊長(zhǎng)生. 基于顯著性檢測(cè)的聲吶圖像快速降噪研究[J]. 西北工業(yè)大學(xué)學(xué)報(bào)，2019，37（1）：80-86.

[9] 周友行，劉漢江，趙晗妘，等. 基于像元相互關(guān)系的FCM聚類分割算法[J]. 儀器儀表學(xué)報(bào)，2019，40（9）：124-131.

[10]宋廷強(qiáng)，李繼旭，張信耶. 基于深度學(xué)習(xí)的高分辨率遙感圖像建筑物識(shí)別[J]. 計(jì)算機(jī)工程與應(yīng)用， 2020， 56（8）： 26-34.

[11]李艷娟，牛夢(mèng)婷，李林輝. 基于蜂群k-means算法的遙感圖像聚類應(yīng)用研究[J]. 計(jì)算機(jī)工程與應(yīng)用， 2019， 55（6）： 151-159.

[12]魏光杏，周獻(xiàn)中，卜錫濱. 基于模糊C均值與人工蜂群優(yōu)化的灰度圖像分割[J]. 蘭州大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，55（2）：250-254，260.