專利名稱：航拍交通視頻的快速魯棒配準(zhǔn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種適用于空基視頻的配準(zhǔn)方法，尤其涉及一種基于預(yù)測模型的快速魯棒的視頻配準(zhǔn)方法，是視頻穩(wěn)定、圖像拼接、地圖匹配等應(yīng)用的基礎(chǔ)，屬于交通監(jiān)視、視頻編碼領(lǐng)域。

背景技術(shù)：
圖像配準(zhǔn)是將從不同視角運(yùn)用不同種傳感器或在不同時刻獲得同一場景的兩幅或者多幅圖像不斷迭和的過程，其目的是使同一坐標(biāo)下的象素對應(yīng)同一場景點(diǎn)。在配準(zhǔn)過程中，通常以其中的一幅圖像作為參考圖像(reference image)，其它圖像相對于參考圖像進(jìn)行匹配，稱之為測量圖像(sensed image)。圖像配準(zhǔn)是許多應(yīng)用問題的必要預(yù)處理步驟，比如時序圖像的變化檢測或多模圖像融合，這些問題遍及軍事、遙感、醫(yī)學(xué)、計(jì)算機(jī)視覺等多個領(lǐng)域。
空基視頻從安裝在飛艇、直升機(jī)或無人機(jī)上的攝像機(jī)獲得，飛行器的運(yùn)動使視頻圖像產(chǎn)生平移、旋轉(zhuǎn)、尺度和視角等變化。只有消除全局運(yùn)動，將圖像配準(zhǔn)到統(tǒng)一的坐標(biāo)系下，才能檢測出視頻中的運(yùn)動物體。空基視頻配準(zhǔn)是空基視頻監(jiān)控中圖像穩(wěn)定、地理坐標(biāo)定位和全景拼接用的核心技術(shù)，是基于空基平臺的各種視覺應(yīng)用的關(guān)鍵技術(shù)之一。
配準(zhǔn)的算法主要分為基于特征的配準(zhǔn)和基于區(qū)域的配準(zhǔn)。基于區(qū)域的配準(zhǔn)通過比較對應(yīng)區(qū)域的相關(guān)度、FFT變換和互信息等進(jìn)行匹配?；谔卣鞯呐錅?zhǔn)方法，通過對反映圖像結(jié)構(gòu)信息的角點(diǎn)、邊緣、閉合區(qū)域等特征進(jìn)行特征提取、描述和匹配。在這個過程中，匹配錯誤和運(yùn)動物體所引起的錯誤是不可避免的。因此要得到準(zhǔn)確的空基視頻配準(zhǔn)圖像，就必須盡量消除匹配錯誤和運(yùn)動物體的影響。
經(jīng)文獻(xiàn)檢索發(fā)現(xiàn)，Censi在《Image stabilization by features tracking》(ImageAnalysis and Processing，1999.)采用快速外點(diǎn)剔出規(guī)則χ84。Shastry在《Airbornevideo registration and traffic-flow parameter estimation》中挑出一半與平均值接近的點(diǎn)求最小二乘解。但在上述方法，外點(diǎn)也會對結(jié)果產(chǎn)生貢獻(xiàn)，因此只能在一定范圍內(nèi)消除外點(diǎn)的影響。RANSAC方法是更為普遍的外點(diǎn)剔出算法，但是它的運(yùn)算量大、效率不夠高。許多學(xué)者都對RANSAC算法進(jìn)行了改進(jìn)，比如Chum的PROSAC算法，將候選點(diǎn)按照匹配相似度進(jìn)行排序，然后從逐漸擴(kuò)大的排序集合中產(chǎn)生隨機(jī)樣本。但是基于相似度的排序并不能消除運(yùn)動物體和重復(fù)圖案所引起的外點(diǎn)，而且運(yùn)算速度也有待進(jìn)一步提高。
由于航拍視頻相機(jī)與地面間的距離大，視頻圖像中的幾個像素的配準(zhǔn)誤差就會引起實(shí)際上幾米的誤差，所以提高航拍視頻配準(zhǔn)算法的匹配精度，排除匹配點(diǎn)對兒中的錯誤，是一個重要而不可或缺的步驟。但已有技術(shù)在這一部分的耗時較大，運(yùn)算效率低。


發(fā)明內(nèi)容
本發(fā)明的技術(shù)解決問題針對現(xiàn)有配準(zhǔn)算法得不足，提供一種適用于航拍視頻，尤其是航拍交通視頻的快速魯棒配準(zhǔn)方法，該方法利用相機(jī)運(yùn)動的連續(xù)性構(gòu)造出基于預(yù)測的魯棒估計(jì)器，比其他方法更快速有效地剔除特征點(diǎn)匹配中的外點(diǎn)，從而實(shí)現(xiàn)對航拍交通視頻進(jìn)行快速準(zhǔn)確的配準(zhǔn)。
本發(fā)明的技術(shù)解決方案航拍交通視頻的快速魯棒配準(zhǔn)方法，其步驟如下 步驟100、對輸入圖像，包括參考圖像和當(dāng)前幀圖像，進(jìn)行特征點(diǎn)提取； 步驟200、根據(jù)特征點(diǎn)的描述算子，對特征點(diǎn)進(jìn)行匹配，產(chǎn)生匹配點(diǎn)對兒的候選集合； 步驟300、基于歷史幀的變換參數(shù)和可獲取到的空基平臺運(yùn)動參數(shù)，對相機(jī)的運(yùn)動參數(shù)進(jìn)行估計(jì)； 步驟400、基于運(yùn)動模型的估計(jì)，通過魯棒估計(jì)器剔除匹配點(diǎn)對兒候選集合中的外點(diǎn)，從而獲得用于計(jì)算當(dāng)前幀變換模型的正確的匹配點(diǎn)對兒的集合； 步驟500、通過匹配點(diǎn)對兒的位置對應(yīng)關(guān)系，求解出當(dāng)前幀的配準(zhǔn)變換模型，同時把求解參數(shù)輸入運(yùn)動模型估計(jì)中； 步驟600、根據(jù)求解出的當(dāng)前幀的變換模型對當(dāng)前幀進(jìn)行變換，再做插值，從而獲得當(dāng)前幀的配準(zhǔn)輸出圖像。
本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于 (1)本發(fā)明的匹配精度更高。由于航拍視頻相機(jī)與地面間的距離大，視頻圖像中的幾個像素的配準(zhǔn)誤差就會引起實(shí)際上幾米的誤差，所以提高航拍視頻配準(zhǔn)算法的匹配精度，排除匹配點(diǎn)對兒中的錯誤，是一個重要而不可或缺的步驟。本發(fā)明利用相機(jī)運(yùn)動的連續(xù)性構(gòu)造出基于預(yù)測的魯棒估計(jì)器，從候選點(diǎn)集合中剔出了外點(diǎn)，進(jìn)而排除了外點(diǎn)對配準(zhǔn)結(jié)果的干擾，因此比其他方法更快速有效地剔除特征點(diǎn)匹配中的外點(diǎn)，從而實(shí)現(xiàn)對航拍交通視頻進(jìn)行快速準(zhǔn)確的配準(zhǔn)，配準(zhǔn)結(jié)果更準(zhǔn)確。
(2)與現(xiàn)有特征點(diǎn)提取和匹配算法完全兼容，可以應(yīng)用各種成熟快速的特征點(diǎn)提取和匹配方法。由于算法的步驟100和步驟200與后續(xù)步驟相對獨(dú)立，且后續(xù)步驟是基于魯棒的方法進(jìn)行設(shè)計(jì)的，對特征點(diǎn)提取和匹配結(jié)果的適應(yīng)性很強(qiáng)，因此目前各種成熟的、快速的特征點(diǎn)提取和匹配技術(shù)都可以應(yīng)用于步驟100和步驟200。
(3)該發(fā)明能很好的適用于運(yùn)動空基平臺上的航拍視頻配準(zhǔn)。本發(fā)明的步驟310至步驟360中，構(gòu)造了一個動態(tài)求解得模型，因此保證了算法適用于空基平臺運(yùn)動不斷變化的情況。
(4)該發(fā)明更快速地剔除特征點(diǎn)匹配中的外點(diǎn)。因?yàn)榕錅?zhǔn)圖像間的變換實(shí)際上是由相機(jī)的運(yùn)動引起的，所以步驟410至步驟480的基于運(yùn)動模型預(yù)測的排序方法，能夠有效地提高求解速度，減少運(yùn)算量。大量航拍真實(shí)數(shù)據(jù)的實(shí)驗(yàn)也證明的該方法的有效性和優(yōu)越性。
(5)該發(fā)明有效避免由于運(yùn)動目標(biāo)和背景重復(fù)引起的特征點(diǎn)匹配錯誤，從而提高配準(zhǔn)算法的準(zhǔn)確度。尤其適用于對匹配算法精度要求高的應(yīng)用，比如航拍交通視頻。步驟411至413充分利用相機(jī)運(yùn)動具有連續(xù)性這一特點(diǎn)，假設(shè)相機(jī)在充分小的時間段里滿足勻變速運(yùn)動規(guī)律，從而預(yù)測出相機(jī)當(dāng)前幀的狀態(tài)參數(shù)。利用狀態(tài)參數(shù)將配準(zhǔn)候選點(diǎn)兒集合進(jìn)行排序，優(yōu)先從排序在前面的點(diǎn)集合中抽樣，從而更快的找到最優(yōu)配準(zhǔn)結(jié)果。本發(fā)明基于PROSAC的抽樣思想，但與PROSAC不同的是不是根據(jù)匹配點(diǎn)的相似度對候選集合進(jìn)行排序的，而是根據(jù)匹配點(diǎn)與預(yù)測模型的符合度。由于受到運(yùn)動車輛、背景圖案重復(fù)等因素的影響，即使匹配點(diǎn)的相似度很高，仍有可能是匹配外點(diǎn)。



圖1為本發(fā)明方法的總體流程圖； 圖2為本發(fā)明的運(yùn)動模型估計(jì)方法流程圖； 圖3為本發(fā)明的魯棒估計(jì)器流程圖； 圖4為本發(fā)明的魯棒估計(jì)器中候選點(diǎn)排序的流程圖。

具體實(shí)施例方式 如圖1所示，本發(fā)明包括如下步驟 步驟100、對輸入圖像，包括參考圖像和當(dāng)前幀圖像，進(jìn)行特征點(diǎn)提取在本發(fā)明中采用SIFT算子。SIFT算法經(jīng)過尺度空間極值檢測、精確位置和尺度空間的鎖定、計(jì)算方向參數(shù)、最后構(gòu)造出128維特征向量作為特征點(diǎn)的描述子。SIFT描述子是基于尺度空間的、對圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性的圖像局部特征描述算子，因此可以很好的適用于空基平臺的旋轉(zhuǎn)、平移和高度等變化； 步驟200、根據(jù)特征點(diǎn)的描述算子，對特征點(diǎn)進(jìn)行匹配 在本發(fā)明中采用2NN匹配策略。當(dāng)前幀圖像中的一個特征點(diǎn)用一個SIFT向量X表示，參考幀圖像中所有特征點(diǎn)的SIFT向量組成一個集合π(x)，其中與X距離最近的兩個特征點(diǎn)的向量依次是π1(x)，π2(x)，當(dāng)且僅當(dāng)其中ρ∈(0，1)，本發(fā)明實(shí)施例中ρ＝0.6，X與π1(x)是一對匹配點(diǎn)。所有匹配點(diǎn)對兒組成候選集合； 步驟300、基于歷史幀的變換參數(shù)和可獲取到的空基平臺運(yùn)動參數(shù)，對相機(jī)的運(yùn)動參數(shù)進(jìn)行估計(jì)； 圖2為本發(fā)明運(yùn)動模型估計(jì)方法的流程圖，在圖1所示的技術(shù)方案中，所述步驟300具體為 步驟310、將估計(jì)窗口的長度設(shè)定為n，n的取值要根據(jù)實(shí)驗(yàn)設(shè)定，取值太大，不能反映運(yùn)動突變的情況，取值太小，不易獲得準(zhǔn)確的估計(jì)，本實(shí)驗(yàn)中取n＝3； 步驟320、判斷空基平臺的飛行參數(shù)，如GPS數(shù)據(jù)，是否可獲得，是則執(zhí)行步驟330，否則執(zhí)行步驟340； 步驟330、估計(jì)窗口長度加1，即為n+1； 步驟340、設(shè)X(i)為向量中的任意一個元素，把很短瞬間內(nèi)相機(jī)的運(yùn)動近似為運(yùn)變速運(yùn)動，從而每一個X(i)可以由一組線性方程估計(jì)得到，設(shè)線性參數(shù)為α，β，α，β∈R，則有 如果能夠獲得慣性導(dǎo)航或GPS數(shù)據(jù)，就可以一個飛行數(shù)據(jù)狀態(tài)向量X，并在方程組中添加一個等式X(i)′k＝α+βtn+1； 步驟350、通過求解方程組，得到參數(shù)[α，β]T的值； 步驟360、根據(jù)公式獲得當(dāng)前幀的狀態(tài)預(yù)測向量Xp＝(s，θ，Δx，Δy)，其中S為尺度因子，θ為旋轉(zhuǎn)角度，Δx，Δy分別為x和y方向的平移量。
步驟400、基于運(yùn)動模型的估計(jì)，通過魯棒估計(jì)器剔除匹配點(diǎn)對兒候選集合中的外點(diǎn)，從而獲得用于計(jì)算當(dāng)前幀變換模型的正確的匹配點(diǎn)對兒的集合； 圖3為本發(fā)明中魯棒估計(jì)器的流程圖，在圖1所示的技術(shù)方案中，所述步驟400具體為 定義具有最高符合度的n個點(diǎn)組成的集合為Pn，M是一次抽樣，其中m是一次抽樣的點(diǎn)數(shù)。假設(shè)RANSAC從N個點(diǎn)對應(yīng)中抽取TN個大小為m的樣本。設(shè)

為樣本序列，其中是由RANSAC均勻抽取的。定義Tn為樣本序列

中只包含來自集合Pn點(diǎn)的樣本數(shù)。
步驟410、按照符合度函數(shù)值的大小，將候選點(diǎn)集合進(jìn)行降序排序，得到新的集合PN； 步驟420、設(shè)定循環(huán)抽樣的初始值，設(shè)t為驗(yàn)證的總次數(shù)，n為被抽樣的有序集合的大小，n*為n的抽樣終止值，令初始值為t:＝0，n:＝initial，n*:＝N； 步驟430、更新抽樣集合的大小，t:＝t+1，定義Tn為樣本序列

中只包含來自集合Pn點(diǎn)的樣本數(shù)因?yàn)門n不一定為整數(shù)，所以定義T′m＝1和

如果t＝T′n且n＜n*，那么n:＝n+1； 步驟440、在候選有序集合中進(jìn)行半隨機(jī)抽樣，若T′n＜t，則樣本包含m-1個集合Pn-1中的隨機(jī)點(diǎn)和pn，否則，從Pn中隨機(jī)采樣m點(diǎn)； 步驟450、從抽樣中計(jì)算齊次對應(yīng)矩陣Mt； 步驟460、遍歷候選點(diǎn)集合Pn，找出與Mt一致的所有匹配點(diǎn)對兒； 步驟470、判斷一致的匹配點(diǎn)對兒數(shù)目是否滿足終止條件，此處的終止條件可以是PROSAC的終止條件，也可以是其它根據(jù)實(shí)際情況提出的要求，判斷為否，則重復(fù)執(zhí)行步驟430，判斷為是，則執(zhí)行步驟480； 步驟480、用最小二乘法，采用與最優(yōu)Mt一致的所有匹配點(diǎn)對兒，求出配準(zhǔn)變換的齊次對應(yīng)矩陣 圖4為本發(fā)明區(qū)域合并的流程圖，在圖3所示的技術(shù)方案中，所述步驟410具體為 步驟411、從預(yù)測向量計(jì)算齊次對應(yīng)預(yù)測矩陣，從預(yù)測向量Xp＝(s，θ，Δx，Δy)可以得到當(dāng)前幀的預(yù)測模型的齊次變換矩陣，設(shè)為Mp有 步驟412、計(jì)算候選點(diǎn)對兒與預(yù)測模型的符合度，如果對應(yīng)點(diǎn)pj＝[xj，yj，1]T和點(diǎn)p0＝[x0，y0，1]T分別在當(dāng)前幀和參考幀上，那么點(diǎn)pj的符合度函數(shù)定義為q(pj)＝||pj-Mpp0||； 步驟413、按照符合度函數(shù)值的大小，將候選點(diǎn)集合進(jìn)行降序排序，得到新的集合PN.對于PN有 步驟500、通過匹配點(diǎn)對兒的位置對應(yīng)關(guān)系，求解出當(dāng)前幀的配準(zhǔn)變換模型，同時把求解參數(shù)輸入運(yùn)動模型估計(jì)中； 當(dāng)相機(jī)垂直對地，與地面的距離遠(yuǎn)遠(yuǎn)大于相機(jī)焦距時，地面的起伏可以忽略可以近似成如下模型 其中(x0，y0)為參考幀中的坐標(biāo)，(x，y)為當(dāng)前幀的坐標(biāo)，T＝[Δx，Δy]T為平移向量，為旋轉(zhuǎn)矩陣，S為尺度因子。
在齊次坐標(biāo)系下，從特征點(diǎn)匹配得到的模型表示成一個3×3的矩陣 由T＝[a02，a12]T和得到， Δx＝a02，Δy＝a12 θ＝arctan(a10/a00). 由此，可以得到一個狀態(tài)向量X＝(s，θ，Δx，Δy)表示當(dāng)前幀與參考幀之間的配準(zhǔn)參數(shù)。由于相機(jī)運(yùn)動存在連續(xù)性，所以可以從歷史狀態(tài)向量估計(jì)出一個預(yù)測向量。
步驟600、根據(jù)求解出的當(dāng)前幀的變換模型對當(dāng)前幀進(jìn)行變換，即已知 (x，y，1)T＝H(x0，y0，1)T，其中(x0，y0，1)為參考幀圖像的齊次坐標(biāo)，(x，y，1)為當(dāng)前幀圖像的齊次坐標(biāo)?？傻?x0，y0，1)T＝H-1(x，y，1)T，從而把當(dāng)前幀變換到參考幀的坐標(biāo)下。由于得到的坐標(biāo)值可能不是整數(shù)，所以要做插值，最后獲得當(dāng)前幀的配準(zhǔn)輸出圖像。
權(quán)利要求
1、航拍交通視頻的快速魯棒配準(zhǔn)方法，其特征在于步驟如下
步驟100、對輸入圖像，包括參考圖像和當(dāng)前幀圖像，進(jìn)行特征點(diǎn)提取；
步驟200、根據(jù)特征點(diǎn)的描述算子，對特征點(diǎn)進(jìn)行匹配，產(chǎn)生匹配點(diǎn)對兒的候選集合；
步驟300、基于歷史幀的變換參數(shù)和可獲取到的空基平臺運(yùn)動參數(shù)，對相機(jī)的運(yùn)動參數(shù)進(jìn)行估計(jì)，獲得當(dāng)前幀的狀態(tài)預(yù)測向量Xp＝(s，θ，Δx，Δy)，其中S為尺度因子，θ為旋轉(zhuǎn)角度，Δx，Δy分別為x和y方向的平移量；
步驟400、基于運(yùn)動模型的估計(jì)，通過魯棒估計(jì)器剔除匹配點(diǎn)對兒候選集合中的外點(diǎn)，從而獲得用于計(jì)算當(dāng)前幀變換模型的正確的匹配點(diǎn)對兒的集合；
步驟500、通過匹配點(diǎn)對兒的位置對應(yīng)關(guān)系，求解出當(dāng)前幀的配準(zhǔn)變換模型，同時把求解參數(shù)輸入運(yùn)動模型估計(jì)中；
步驟600、根據(jù)求解出的當(dāng)前幀的變換模型對當(dāng)前幀進(jìn)行變換，再做插值，從而獲得當(dāng)前幀的配準(zhǔn)輸出圖像。
2、根據(jù)權(quán)利要求1所述的航拍交通視頻的快速魯棒配準(zhǔn)方法，其特征在于所述的步驟300具體為
步驟310、將估計(jì)窗口的長度設(shè)定為n，n的取值要根據(jù)實(shí)驗(yàn)設(shè)定；
步驟320、判斷空基平臺的飛行參數(shù)，是否可獲得，可獲得則執(zhí)行步驟330，否則執(zhí)行步驟340；
步驟330、將估計(jì)窗口長度加1，即為n+1；
步驟340、設(shè)X(i)為向量中的任意一個元素，把很短瞬間內(nèi)相機(jī)的運(yùn)動近似為運(yùn)變速運(yùn)動，從而每一個X(i)可以由一組線性方程估計(jì)得到，設(shè)線性參數(shù)為α，β，α，β∈R，則有
如果能夠獲得慣性導(dǎo)航或GPS數(shù)據(jù)，就可以一個飛行數(shù)據(jù)狀態(tài)向量X′，并在方程組中添加一個等式X(i)′k＝a+βtn+1；
步驟350、通過求解方程組(1)，得到參數(shù)[α，β]T的值；
步驟360、根據(jù)公式獲得當(dāng)前幀的狀態(tài)預(yù)測向量Xp＝(s，θ，Δx，Δy)，其中S為尺度因子，θ為旋轉(zhuǎn)角度，Δx，Δy分別為x和y方向的平移量。
3、根據(jù)權(quán)利要求1所述的航拍交通視頻的快速魯棒配準(zhǔn)方法，其特征在于所述的步驟400具體為
步驟410、按照符合度函數(shù)值的大小，將候選點(diǎn)集合進(jìn)行降序排序，得到新的集合PN；
步驟420、設(shè)定循環(huán)抽樣的初始值，設(shè)t為驗(yàn)證的總次數(shù)，n為被抽樣的有序集合的大小，n*為n的抽樣終止值，令初始值為t:＝0，n:＝initial，n*:＝N；
步驟430、更新抽樣集合的大小，t:＝t+1，定義Tn為樣本序列
中只包含來自集合Pn點(diǎn)的樣本數(shù)因?yàn)門n不一定為整數(shù)，所以定義T′m＝1和
如果t＝T′n且n＜n*，那么n:＝n+1；
步驟440、在候選有序集合中進(jìn)行半隨機(jī)抽樣，若T′n＜t，則樣本包含m-1個集合Pn-1中的隨機(jī)點(diǎn)和Pn，否則，從Pn中隨機(jī)采樣m點(diǎn)；
步驟450、從抽樣中計(jì)算齊次對應(yīng)矩陣Mt；
步驟460、遍歷候選點(diǎn)集合Pn，找出與Mt一致的所有匹配點(diǎn)對兒；
步驟470、判斷一致的匹配點(diǎn)對兒數(shù)目是否滿足終止條件，此處的終止條件可以是PROSAC的終止條件，也可以是其它根據(jù)實(shí)際情況提出的要求，判斷為否，則重復(fù)執(zhí)行步驟430，判斷為是，則執(zhí)行步驟480；
步驟480、用最小二乘法，用與最優(yōu)Mt一致的所有匹配點(diǎn)對兒，求出配準(zhǔn)變換的齊次對應(yīng)矩陣
4、根據(jù)權(quán)利要求3所述的航拍交通視頻的快速魯棒配準(zhǔn)方法，其特征在于所述的步驟410具體為
步驟411、從預(yù)測向量計(jì)算齊次對應(yīng)預(yù)測矩陣，從預(yù)測向量Xp＝(s，θ，Δx，Δy)可以得到當(dāng)前幀的預(yù)測模型的齊次變換矩陣，設(shè)為Mp有
步驟412、計(jì)算候選點(diǎn)對兒與預(yù)測模型的符合度，
如果對應(yīng)點(diǎn)pj＝[xj，yj，1]T和點(diǎn)p0＝[x0，y0，1]T分別在當(dāng)前幀和參考幀上，那么點(diǎn)pj的符合度函數(shù)定義為q(pj)＝‖pj-Mpp0‖‖；
步驟413、按照符合度函數(shù)值的大小，將候選點(diǎn)集合進(jìn)行降序排序，得到新的集合PN.對于PN有
全文摘要
航拍交通視頻的快速魯棒配準(zhǔn)方法，步驟為(1)對輸入圖像，包括參考圖像和當(dāng)前幀圖像，進(jìn)行特征點(diǎn)提?。?2)根據(jù)特征點(diǎn)的描述算子，對特征點(diǎn)進(jìn)行匹配，產(chǎn)生匹配點(diǎn)對兒的候選集合；(3)基于歷史幀的變換參數(shù)和可獲取到的空基平臺運(yùn)動參數(shù)，對相機(jī)的運(yùn)動參數(shù)進(jìn)行預(yù)測；(4)基于運(yùn)動模型的估計(jì)，通過魯棒估計(jì)器剔除匹配點(diǎn)對兒候選集合中的外點(diǎn)，從而獲得用于計(jì)算當(dāng)前幀變換模型的正確的匹配點(diǎn)對兒的集合；(5)通過匹配點(diǎn)對兒的位置對應(yīng)關(guān)系，求解出當(dāng)前幀的配準(zhǔn)變換模型，同時把求解參數(shù)輸入運(yùn)動模型估計(jì)中；(6)根據(jù)求解出的當(dāng)前幀的變換模型對當(dāng)前幀進(jìn)行變換，再做插值，從而獲得當(dāng)前幀的配準(zhǔn)輸出圖像。本發(fā)明能夠更快速有效地剔除特征點(diǎn)匹配中的外點(diǎn)，從而實(shí)現(xiàn)對航拍交通視頻進(jìn)行快速準(zhǔn)確的配準(zhǔn)。
文檔編號G06T7/20GK101339658SQ20081011812
公開日2009年1月7日 申請日期2008年8月12日 優(yōu)先權(quán)日2008年8月12日
發(fā)明者羅喜伶, 吳燕雄, 軍 張 申請人:北京航空航天大學(xué)