车载稳像系统的设计与实现
实验中手动加入的水平和垂直方向的抖动量分别为-9和12；而实验结果显示，对未经预处理的雾天图像，由于对比度很差，采用灰度投影直接对其进行运动矢量检测时，检测到的水平和垂直方向的运动矢量分别为-3和5，误差较大；而图3(b)是经过均衡化处理后，检测到的水平和垂直方向运动矢量为-6和8，精度有所提高；最后图3(c)是采用小波边缘增强法对图像进行对比度提高，检测的水平和垂直方向的运动偏移量分别为-7和10，虽然还不能完全准确地检测出实际偏移的运动矢量，但精度要高于直方图均衡化处理后的检测结果。
2．3 运动补偿
本文采用两两相邻帧进行运动矢量估计，得到的是相对位移矢量，而每一帧的绝对运动参数是前N-1个相对位移矢量之和。得到每一帧的绝对运动参数后，在采用kal-man滤波器进行运动曲线平滑处理，将处理后的参数按相反方向对当前帧进行平移，即可得到稳定后的图像。实验结果如图4所示：本文引用地址：//m.amcfsurvey.com/article/197361.htm
3 实验结果分析
算法在主频Core(TM)2 Duo CPU 2．00 GHz，内存2．00GB的PC机上，使用OpenCV结合VISUAL C++编程。实验结果显示，在实时性方面，稳定320*240的图像序列平均时间为0．025 18 s，大于25帧／s的图像实时性处理要求。稳像精度上，这里使用PSNR(Peak Signal To Noise Ratio)作为稳像效果的一种评价标准。其计算公式如下：
其中均方误差MSE表示两帧图像间每个像素的偏差值。当两幅图像内容变化越小，PSNR值就越大，两幅图像完全一样时，达到最大值。其中相邻5帧图像稳像前后PSNR值比较如下：
由表1中数据可以看出，经过本系统处理后的视频帧间重合度有了明显地改善。
通过对50帧视频图像序列进行的实验表明，经过该方法处理后视频的晃动幅度明显得到了改善，基本达到了稳像的要求。
4 结论
由于恶劣天气造成图像对比度降低，而直方图均衡化处理效果不佳，造成灰度投影在车载视频稳定中对运动矢量估计精度的降低甚至失效。针对这一情况，本文采用小波边缘增强的方法对图像进行预处理，实验表明，该方法有效提高了灰度投影算法的估计精度，并且算法也满足实时性要求。
评论