[发明专利]基于灰度积分投影互相关函数特征的运动参数估计方法

摘要

本发明提供了一种基于灰度积分投影互相关函数特征的运动参数估计方法，采用平移运动模型，包括以下步骤将目标图像划分为N×N个同等大小矩形分块，并对每个分块进行灰度积分投影，确定每个分块灰度积分投影的方差，遴选方差较大的R个区域作为备选区域；对连续两帧目标图像中备选区域的灰度积分投影进行互相关运算，计算互相关函数极值点的二阶导数，对灰度积分投影的方差和互相关函数极值点的二阶导数进行加权求和，获得各个备选区域的优劣因子，将优劣因子降序排列，选择排列靠前的Q个区域作为优质区域；分别对所得的优质区域进行局部运动参数估计，获得X轴或Y轴方向的平移运动参数，对各个优质区域的这些局部运动参数加权求和获得全局运动参数。本发明方法能够有效估计低对比度、高分辨率图像的全局运动参数。

主权项

一种基于灰度积分投影互相关函数特征的运动参数估计方法，采用平移运动模型，其特征在于，包括以下步骤：步骤1，将目标图像划分为N×N个同等大小矩形分块，并对每个分块进行灰度积分投影，确定每个分块灰度积分投影的方差，遴选方差较大的R个区域作为备选区域，R为整数且2≤R≤N，具体过程如下：(1.1)将目标图像划分为N×N个同等大小的矩形分块，其中N为整数且N≥2；(1.2)对每个分块进行灰度积分投影，如式(1)所示：Colk,(p,q)(j)=ΣiGk,(p,q)(i,j)Rowk,(p,q)(i)=ΣjGk,(p,q)(i,j)---(1)]]>式中，Gk,(p,q)(i,j)为第k帧目标图像第(p,q)分块子图像的灰度矩阵，(p,q)表示第p行第q列的子区域，i为矩阵的横坐标、j为矩阵的纵坐标，Colk,(p,q)(j)为第k帧目标图像第(p,q)分块子图像第j列的灰度积分投影、Rowk,(p,q)(i)为第k帧目标图像第(p,q)分块子图像第i行的灰度积分投影；确定每个分块灰度积分投影的方差，如式(2)所示：式中，Zk,(p,q)(t)为第k帧目标图像第(p,q)分块子图像的灰度积分投影，ZM为第k帧目标图像第(p,q)分块子图像的灰度积分投影均值，M为第k帧目标图像第(p,q)分块子图像的灰度积分投影元素个数，σ2为第k帧目标图像第(p,q)分块子图像的灰度积分投影的方差，Z＝x表示行灰度积分投影、Z＝y表示列灰度积分投影；(1.3)以灰度积分投影的方差大小对这些分块排序，遴选方差较大的R个区域作为备选区域，R为整数且2≤R≤N；步骤2，对连续两帧目标图像中备选区域的灰度积分投影进行互相关运算，确定互相关函数极值点的二阶导数，对灰度积分投影的方差和互相关函数极值点的二阶导数进行加权求和，获得各个备选区域的优劣因子，将优劣因子降序排列，选择排列靠前的Q个区域作为优质区域，其中Q≤R；步骤3，分别对所得的优质区域进行局部运动参数估计，获得每个区域在X轴或Y轴方向的平移运动参数，再对各个优质区域的局部运动参数进行加权求和获得全局运动参数。