留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

红外激光车载云台去抖动设计

熊晶莹,  戴明,  赵春蕾

downloadPDF
文章导航 > 红外与激光工程  > 2018 >  47(1): 126002-0126002(7)
熊晶莹, 戴明, 赵春蕾. 红外激光车载云台去抖动设计[J]. 红外与激光工程, 2018, 47(1): 126002-0126002(7). doi: 10.3788/IRLA201847.0126002
引用本文: 熊晶莹, 戴明, 赵春蕾. 红外激光车载云台去抖动设计[J]. 红外与激光工程, 2018, 47(1): 126002-0126002(7). doi: 10.3788/IRLA201847.0126002
shu
Xiong Jingying, Dai Ming, Zhao Chunlei. Dejitter design for infrared laser vehicle cloud platforms[J]. Infrared and Laser Engineering, 2018, 47(1): 126002-0126002(7). doi: 10.3788/IRLA201847.0126002
Citation: Xiong Jingying, Dai Ming, Zhao Chunlei. Dejitter design for infrared laser vehicle cloud platforms[J]. Infrared and Laser Engineering, 2018, 47(1): 126002-0126002(7). doi: 10.3788/IRLA201847.0126002
shu

红外激光车载云台去抖动设计

doi: 10.3788/IRLA201847.0126002
  • 1.

    中国科学院长春光学精密机械与物理研究所,吉林 长春 130033;

  • 2.

    中国科学院大学,北京 100049

基金项目: 

国家自然科学基金（61405191）

详细信息
    作者简介:

    熊晶莹(1989-),女,博士生,主要从事图像处理及工程应用方面的研究。Email:xiong_ing@163.com

  • 中图分类号: TP751

Dejitter design for infrared laser vehicle cloud platforms

  • 1.

    Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China;

  • 2.

    University of Chinese Academy of Sciences,Beijing 100049,China

  • 摘要: 车辆行驶产生的颠簸、晃动，会严重影响红外激光车载云台采集视频的质量，不利于信息的观察和判读。为了改善视频质量，提出一种实时有效的车载电子稳像方法。首先，用非线性扩散滤波建立尺度空间，使视频帧在无损精度的前提下突出边缘信息；然后，采取图像亮度信息与梯度信息相结合的特征提取策略，利用图像亮度信息快速搜索潜在特征点并记录其位置，并通过分析其梯度信息与预判条件的对比结果来选取优质特征点，在特征描绘阶段，通过增强二值特征描绘器之间的显著性和差异性，提升特征量的辨别力；最后，通过位置验证辨别相似特征，提高全局运动矢量估计精度。时间比对实验表明提出的算法能够满足实时处理的要求，在分辨率为720 P时也能达到每秒处理帧频大于60帧；有效能力对比实验中，新方法的重复度均高于65%，明显提高了特征探测能力，并且在加入去抖动设计后6组实验的帧间转换精度分别提升了46.8%、30.8%、28.44%、28.1%、33.9%和53.4%，表明该方法极大地改善了抖动视频的稳定性和视频信息提取的准确度。
    Abstract: The quality of vehicle records was seriously influenced along with the bumping and shaking driving, and the jittering videos would impact observer reading and interpreting the information. In order to improve the quality of the records, a real-time image stabilization method for vehicle cloud platforms had been proposed. Firstly, the nonlinear filter was adopted to build scale space for the purpose of highlighting edge information; Secondly, a feature detection combined fast image brightness test and gradient calculation was put forward for more quality features, furthermore, increasing the self-salience and differences between descriptors brought discriminative power; Finally, similar features was availably distinguished by location verification for accurate estimation of global motion vector. The time experimental results shown that the proposed approach fulfile the task of real-time, and the average frame rate is over 60 even when the resolution is 720 P. In effective capability experiments, the repeatability of new method is more than 65%, which indicates the enhancement of detection power. Furthermore, the ITF of 6 group tested increase 46.8%, 30.8%, 28.44%, 28.1%, 33.9% and 53.4% after dejitter design, which illustrates that the method significantly improves the effectiveness and precision of the vehicle image stabilization algorithm.
  • [1] Ji Shujiao, Zhu Ming, Hu Hanping. Aero-borne electronic image stabilization based on feature point matching[J]. Chinese Optics, 2013, 6(6):841-849. (in Chinese)
    [2] Lai Lijun, Xu Zhiyong, Zhang Xuyao. Improved gradient optical flow for digital image stabilization[J]. Infrared and Laser Engineering, 2016, 45(4):0428004. (in Chinese)
    [3] Wu Wei, Xu Tingfa, Wang Yawei, et al. High precision digital image stabilization with full frame compensation[J]. Chinese Optics, 2013, 6(3):378-385.
    [4] David G L. Object recognition from local scale-invariant features[C]//The Seventh IEEE International Conference on Computer Vision, 1999, 2(3):1150-1157.
    [5] Herbert Bay, Tinne Tuytelaars, Luc V G. SURF:Speeded up robust features[J]. Computer Vision-ECCV, 2006, 110(3):404-417.
    [6] He Linying, Liu Jinghong, Li Gang, et al. Fast image registration approach based on improved BRISK[J]. Infrared and Laser Engineering, 2014, 43(8):2722-2727. (in Chinese)
    [7] Ji Shujiao, Zhu Ming, Lei Yanmin, et al. Video stabilization with improved motion vector estimation[J]. Optics and Precision Engineering, 2015, 23(5):1458-1465. (in Chinese)
    [8] Dai Xuemei, Lang Lang, Chen Mengyuan. Research of image feature point matching based on improved ORB algorithm[J]. Journal of Electronic Measurement and Instrumentation, 2016, 30(2):233-240. (in Chinese)
    [9] Chris Whiten, Robert Laganiere, Guillaume A. Bilodeau. efficient action recognition with MoFREAK[C]//Computer and Robot Vision(CRV), 2013 International Conference, 2013, 10(1):319-325.
    [10] Yu Fei, Zhan Xingqun, Liu Ming. Stereo vision tracking and measurement system based on KAZE feature[J]. Computer Measurement Control, 2016, 24(2):30-33. (in Chinese)
    [11] Geng Zexun, Xu Zhijun, Lu Lanxin, et al. Improved KAZE feature matching algorithm with viewpoint change robustness[J]. Optics and Precision Engineering, 2016, 24(3):616-625. (in Chinese)
    [12] Elmar Mair, Gregory D H, Darius Burschka, et al. Adaptive and generic corner detection based on the accelerated segment test[C]//Proceedings of the European Conference on Computer Vision (ECCV'10), 2010, 6312:183-196.
    [13] Zhao Chenchen, Gong Zhihui, Long Yican, et al. The oblique stereo image matching with Shi-Tomasi feature[J]. Journal of Geomatics Science and Technology, 2015(1):66-71. (in Chinese)
    [14] Krystian Mikolajczyk, Tinne Tuytelaars, Cordelia Schmid, et al. A comparison of affine region detectors[J]. Proceedings of the International Journal of Computer Vision, 2005, 65(1):43-72.
    [15] Vinay A, Vinay S S, Akshay K C, et al. Affine-scale invariant feature transform and two-dimensional principal component analysis:a novel framework for affine and scale invariant face recognition[J]. Iet Computer Vision, 2016, 10(1):43-59.
  • [1] 秦丽丽, 李丽娟, 任姣姣, 顾健, 熊伟华, 张丹丹, 祝莉莉, 张霁旸, 薛竣文, 江柏红, 高增华.  基于梯度阈值的太赫兹时域信号自适应稀疏算法 . 红外与激光工程, 2023, 52(4): 20220443-1-20220443-12. doi: 10.3788/IRLA20220443
    [2] 吴志洋, 王双, 刘铁根, 靳党鹏.  基于深度学习视觉和激光辅助的盾构管片自动拼装定位方法 . 红外与激光工程, 2022, 51(4): 20210183-1-20210183-9. doi: 10.3788/IRLA20210183
    [3] 林森, 赵振禹, 任晓奎, 陶志勇.  基于语义信息补偿全局特征的物体点云分类分割 . 红外与激光工程, 2022, 51(8): 20210702-1-20210702-12. doi: 10.3788/IRLA20210702
    [4] 李鹏, 张洋洋.  采用辅助靶标的移动机器人立体视觉定位 . 红外与激光工程, 2019, 48(S1): 104-113. doi: 10.3788/IRLA201948.S117006
    [5] 王毅, 何明元, 葛晶晶, 项杰.  基于正交匹配追踪的云检测算法研究 . 红外与激光工程, 2019, 48(12): 1203003-1203003(6). doi: 10.3788/IRLA201948.1203003
    [6] 仝选悦, 吴冉, 杨新锋, 滕书华, 庄祉昀.  红外与激光融合目标识别方法 . 红外与激光工程, 2018, 47(5): 526003-0526003(8). doi: 10.3788/IRLA201847.0526003
    [7] 付群健, 于淼, 常天英, 张瑾, 罗政纯, 王旭, 刘珉含, 崔洪亮.  相位敏感光时域反射系统模式识别方法综述 . 红外与激光工程, 2018, 47(7): 722001-0722001(14). doi: 10.3788/IRLA201847.0722001
    [8] 蔡克荣, 仇理宽, 高瑞林.  脉冲激光引信的信号特征提取方法及应用(特邀) . 红外与激光工程, 2018, 47(3): 303004-0303004(5). doi: 10.3788/IRLA201847.0303004
    [9] 尹丽华, 李范鸣, 刘士建.  基于区域分割与融合的全景稳像算法 . 红外与激光工程, 2018, 47(9): 926004-0926004(10). doi: 10.3788/IRLA201847.0926004
    [10] 温泉, 杨丽薇, 赵尚弘, 方英武, 王轶, 丁西峰, 林涛.  天基激光清除小尺度空间碎片变轨模型研究 . 红外与激光工程, 2017, 46(3): 329004-0329004(8). doi: 10.3788/IRLA201746.0329004
    [11] 孙俊灵, 马鹏阁, 孙光民, 羊毅.  低信噪比下机载多脉冲激光雷达姿态不敏感性特征提取研究 . 红外与激光工程, 2017, 46(3): 330002-0330002(9). doi: 10.3788/IRLA201746.0330002
    [12] 方英武, 赵尚弘, 杨丽薇, 王轶, 楚兴春, 蒙文, 林宝勤.  地基激光辐照近地轨道小尺度空间碎片作用规律研究 . 红外与激光工程, 2016, 45(2): 229002-0229002(6). doi: 10.3788/IRLA201645.0229002
    [13] 方敏, 王君, 王红艳, 李天涯.  应用监督近邻重构分析的高光谱遥感数据特征提取 . 红外与激光工程, 2016, 45(10): 1028003-1028003(8). doi: 10.3788/IRLA201645.1028003
    [14] 杨晟, 李学军, 朱诗兵, 刘涛.  抗仿射形变异构金字塔复合描述点特征匹配算法 . 红外与激光工程, 2014, 43(7): 2387-2392.
    [15] 杨晟, 李学军, 谢剑薇, 王珏.  脊点集稳健裁剪和惩罚约束的高精度靶标点提取 . 红外与激光工程, 2014, 43(6): 1994-1999.
    [16] 闫勇刚, 欧阳健飞, 马祥, 翟羽佳.  基于2-DGabor滤波器的光学定穴体表特征提取方法 . 红外与激光工程, 2014, 43(5): 1685-1689.
    [17] 陈晓露, 戴明, 葛明, 郎小龙.  快速平滑点特征轨迹电子稳像 . 红外与激光工程, 2014, 43(6): 1988-1993.
    [18] 丁玲, 唐娉, 李宏益.  基于ISOMAP的高光谱遥感数据的降维与分类 . 红外与激光工程, 2013, 42(10): 2707-2711.
    [19] 蔡辉, 李娜, 赵慧洁.  基于本征模函数的高光谱数据特征提取方法 . 红外与激光工程, 2013, 42(12): 3475-3480.
    [20] 龚俊亮, 何昕, 魏仲慧, 朱弘, 郭立俊.  采用尺度空间理论的红外弱小目标检测方法 . 红外与激光工程, 2013, 42(9): 2566-2573.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  406
  • HTML全文浏览量:  68
  • PDF下载量:  141
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-06-05
  • 修回日期:  2017-08-03
  • 刊出日期:  2018-01-25

红外激光车载云台去抖动设计

doi: 10.3788/IRLA201847.0126002
  • 1. 中国科学院长春光学精密机械与物理研究所,吉林 长春 130033;
  • 2. 中国科学院大学,北京 100049
    • 作者简介:

    熊晶莹(1989-),女,博士生,主要从事图像处理及工程应用方面的研究。Email:xiong_ing@163.com

  • 收稿日期: 2017-06-05
  • 修回日期: 2017-08-03
  • 刊出日期: 2018-01-25
基金项目:

国家自然科学基金（61405191）

  • 中图分类号: TP751

摘要: 车辆行驶产生的颠簸、晃动，会严重影响红外激光车载云台采集视频的质量，不利于信息的观察和判读。为了改善视频质量，提出一种实时有效的车载电子稳像方法。首先，用非线性扩散滤波建立尺度空间，使视频帧在无损精度的前提下突出边缘信息；然后，采取图像亮度信息与梯度信息相结合的特征提取策略，利用图像亮度信息快速搜索潜在特征点并记录其位置，并通过分析其梯度信息与预判条件的对比结果来选取优质特征点，在特征描绘阶段，通过增强二值特征描绘器之间的显著性和差异性，提升特征量的辨别力；最后，通过位置验证辨别相似特征，提高全局运动矢量估计精度。时间比对实验表明提出的算法能够满足实时处理的要求，在分辨率为720 P时也能达到每秒处理帧频大于60帧；有效能力对比实验中，新方法的重复度均高于65%，明显提高了特征探测能力，并且在加入去抖动设计后6组实验的帧间转换精度分别提升了46.8%、30.8%、28.44%、28.1%、33.9%和53.4%，表明该方法极大地改善了抖动视频的稳定性和视频信息提取的准确度。

English Abstract

    全文HTML

参考文献 (15)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计