1、“.....达到稳像的效果,。特征量跟踪算法的基本原理特征量跟踪算法就是利用图像序列中的特定标记来进行跟踪和分析。首先，在参考图像中确定组特征作为标识，并在当前图像中寻找对应的匹配特征。其次，根据匹配的特征来确定图像几何变换模型的参数，从而获得图像序列的帧间运动矢量。最后，进行运动矢量滤波，得到修正后的补偿参数对当前帧图像进行补偿，达到稳定的效果。其处理流程如图所示特征提取特征匹配全局运动矢量的确定运动补偿图特征量跟踪算法处理流程图特征提取，就是把参考图像中特有的特征量提取出来。图像特征有多种类型，包括亮度特征纹理特征边缘特征直线特征和点特征等，而点特征由于具有简单易提取计算量小和对噪声不敏感等的优点，成为了许多特征匹配算法的首选。特征匹配......”。

2、“.....在当前帧中找到与参考帧中的每特征量对应的唯匹配特征量。全局运动矢量的确定，在建立图像特征之间的对应关系后，可以通过运动模型计算出由参考图像到当前图像映射函数的参数值，即获得了全局运动矢量。运动补偿，对所获得的全局运动矢量参数进行滤波和修正，进而对运动矢量补中北大学学位论文偿，稳定视频序列。在本章中，我们主要研究基于特征点的跟踪算法对复杂抖动视频的稳像。特征点跟踪算法的关键技术分析特征点的提取点特征是最简单也是最易提取的特征量。对特征点的提取，通常是应用种算子，提取角点作为所需的特征量。所谓角点，就是图像中该点的灰度在水平和垂直方向上都发生很大变化的特殊点。检测和提取角点的算子包括算子算子算子和算子。我们选用具有计算简单和鲁棒性较强的算子来提取图像中的特征点。角点检测算法是种基于信号的点特征提取算子......”。

3、“.....式构造自相关函数矩阵。式在上式中，表示卷积算子，由上式的和值可得到个对称矩阵，它是个二阶实对称矩阵，必然存在两个特征值和，代表自相关函数的主曲率。提取特征点。如果特征值和是极大值时，则，处位置的点是个特征点。即行列式和矩阵的对角线元素和满足中北大学学位论文式这里是预先设定的阈值，可以限制角点的数量。是参数，通常取值。减号后面的部分是为了抑制边缘点的误检而进行的修正。由以上分析可知，算子中只是用到灰度的阶差分以及滤波，使操作简单算子能够在邻域中计算每个点的特征值并选取最优点，使提取的点特征均匀而且合理角点是旋转不变的，在不同的图像旋转角度下重复率都很大，同时......”。

4、“.....也有较高的重复率。说明，算子具有较好的鲁棒性。特征点的匹配特征点提取之后下个重要的步骤就是对提取出的特征点进行匹配，从而得到对应的特征点对。特征点匹配就是利用种匹配准则,在当前帧中找到与参考帧中每特征点对应的唯匹配点。特征点能否得到准确的匹配，直接影响到运动矢量估计的精度。通常情况下，对于特征点的匹配，通常采用序贯相似性检测算法或者是模板匹配法进行搜索匹配。考虑抗噪声的能力，本文采用基于模板匹配思想的特征窗匹配法在当前帧图像上搜索最优匹配点。特征窗匹配的基本原理特征窗匹配的基本原理，可以从以下的步骤中加以描述,步骤对于参考帧图像中检测到的所有特征点，以每个特征点为中心，构造个尺寸为的模板图像。步骤二类似于块匹配运动估计的方法，在当前图像中对应位置处，首先确定定的范围的搜索区域，然后......”。

5、“.....以准则作为匹配准则，从区域的中心点开始，按照顺时针方向，由近及远计算区域内每个点处的值。步骤三对所有计算出的值进行比较，并找出最小的值，则其对应位置即为匹配特征窗，其中心点即为所要寻找的最优匹配特征点。特征窗尺寸选择中北大学学位论文对于视频图像中存在旋转运动的情况，特征窗模板的大小选取的是否合适，直接影响匹配的精度。尺寸过大的模板，会导致像素点的错位，而尺寸过小的模板，包含的信息太少，不能够充分反映图像的特征。因此，有必要研究模板尺寸与旋转角度的关系，从而导出合适的模板尺寸。设以图像中心为坐标原点，旋转前在图像上任意选取两点，其坐标分别为,和图像经过旋转后，对应两点坐标分别为,和,。则图像旋转之前，两点之间的水平和垂直距离分别为式假设图像经过度的旋转......”。

6、“.....则需和这两个式子同时成立。假设模板的边长分别为和，即，，则式由此式，可以计算出选转角度与模板尺寸大小的关系，如表所示表旋转角度与模板尺寸关系表从表中可以看出，当旋转角度小于度时，选用尺寸的模板，可以保证在旋转时不发生错位。中北大学学位论文无效特征点的剔除所谓无效特征点，就是特征点选在了存在局部运动的前景物体上，或者选在了移入或移出的场景中，或者是纹理相似导致的误匹配的等情况。而无效特征点对会严重影响全局运动估计速度和精度，因此，预先验证和剔除这些不合理的特征点是非常必要的。为此，采用距离不变准则以验证特征匹配，来区分特征点的有效性。其基本原理为当摄像机只存在平移和旋转运动时......”。

7、“.....其构成的特征集为，同时，在当前图像上对应的匹配点构成了匹配特征集。假设，和，分别为特征集和匹配特征集中的特征点，那么只有满足到中其他特征点的距离和到中其他匹配点的距离相等这条件时，才能验证和是正确的匹配点对。即满足下式式其中。通过距离不变准则对匹配点对进行验证，可以删除无效特征点对，降低了其对全局运动估计精度的影响。般情况下，只要到半以上的点的距离相等就可以认为是正确匹配。如图所示，分别给出了参考图像的特征点集和当前图像中匹配特征点集。从图中可以看出，对于特征点与其他特征点构成的结构来说，在旋转后，点的匹配点到点点的匹配点的距离发生了变化，而到其余匹配点的距离未发生变化，满足距离准则，故可判断和是真确匹配点对。同理，可以判断出和为误匹配点对......”。

8、“.....通常可设定阈值，只要两点距离之差小于此阈值，就可以认为距离是相等的。全局运动参数的估计二维的运动模型是种线性模型，将经过预处理后的候选特征点对带入此模型，即确定表征图像序列帧间的平移，绕光轴旋转及变焦运动。此模型的表达式为式在上式中表示参考图像中特征点的坐标表示在当前图像对应的匹配点的坐标，为参考帧相对于当前帧的变焦系数，表示两帧图像的旋转角度为垂直和水平方向上的偏移量,。变焦系数的确定对变焦系数的确定，只需要从两帧图像中给出的组匹配点集，利用特征点之间的欧氏距离不变的性质就可以计算出来，它与摄像机的旋转和平移无关。设在参考图像和当前图像所确定的两组特征点集分别为和对应于，共对特征点对，可先求得各帧的特征点集的中心位置......”。

9、“.....则中的个特征点到其质心的欧式距离为式同理，中的个特征点到其质心的欧式距离为。则参考图像相对于当前图像的变焦系数可由下式计算中北大学学位论文式运动参数的确定对于相邻的两帧图像来说，图像间的旋转运动很小，可将式简化成线性形式，而不考虑三角函数的影响，简化后的线性形式为式将对匹配的特征点代入公式后，可得到含有个未知参数的个线性方程式,其中式对该方程展开并移项，以矩阵形式重新整理式，可得矩阵形式，其中式该方程实际上是个实数域上的阶超定线性方程组，在这里，......”。