一種車(chē)載穩像系統的設計與實(shí)現

　　車(chē)載成像技術(shù)是一種將成像設備置于車(chē)載平臺的遠距離、非接觸獲取目標圖像的技術(shù)和方法，是未來(lái)汽車(chē)智能化的關(guān)鍵。但是由于攝像機隨車(chē)體晃動(dòng)導致輸出的圖像序列不穩定，圖像序列晃動(dòng)量較大，易使觀(guān)察者產(chǎn)生疲勞，也會(huì )嚴重影響后續處理的精度，因此，必須對車(chē)載圖像序列進(jìn)行穩定。

　　目前，車(chē)載穩像技術(shù)使用較多的算法為特征點(diǎn)法和灰度投影法。特征點(diǎn)法能對任意形式的圖像運動(dòng)進(jìn)行運動(dòng)矢量估計，但在處理一些畫(huà)質(zhì)較差，特征貧乏的圖像時(shí)，精度往往很低，很難適應車(chē)載視頻穩像的各種環(huán)境變化；灰度投影法只能處理只含平移運動(dòng)和較小旋轉運動(dòng)的情況，且要求圖像有一定的對比度。而車(chē)載視頻往往拍攝時(shí)路況環(huán)境比較復雜，如雨霧天氣，這就給算法處理的精度帶來(lái)很大影響。本文針對這種情況，采用小波的方法對圖像進(jìn)行預處理，提高灰度投影法在車(chē)載穩像應用中的抗干擾能力。

1 車(chē)載穩像系統框圖

　　電子穩像是利用電子設備和數字圖像處理技術(shù)相結合的方法，通過(guò)計算選定的參考幀圖像和被比較的當前幀圖像的運動(dòng)矢量，再根據獲得的運動(dòng)矢量按照某種準則對當前圖像進(jìn)行補償，從而消除或減輕圖像序列幀間的隨機抖動(dòng)，獲得穩定的圖像序列。

　　電子穩像作為車(chē)載穩像系統中的核心部分，其系統結構如圖1所示。

圖1 系統框圖

　　其中，全局運動(dòng)矢量估計是整個(gè)穩像系統的關(guān)鍵，它決定了穩像精度和耗時(shí)性。

　　1.1 運動(dòng)矢量估計算法

　　通過(guò)對高速路抖動(dòng)特點(diǎn)的分析，并且對目前在電子穩像中常用的運動(dòng)估計算法進(jìn)行各自?xún)?yōu)缺點(diǎn)的比較，本系統決定采用灰度投影算法進(jìn)行全局運動(dòng)矢量估計。

　　灰度投影算法：投影法是利用圖像總體灰度變化規律來(lái)確定圖像運動(dòng)矢量的一種方法，它不必對圖像上的每一點(diǎn)做相關(guān)運算，而是利用圖像的灰度投影曲線(xiàn)做一次相關(guān)運算，因此它的運算量小，運動(dòng)估計速度快，容易滿(mǎn)足實(shí)時(shí)性要求，同時(shí)抑制噪聲的能力較強，并且在精度上也能較好地滿(mǎn)足要求。

　　該算法首先通過(guò)投影公式將每一幀二維圖像映射成兩個(gè)一維波形，其行列灰度值累加表示為：

　　式中：Ik（i）代表第k幀圖像第i行的灰度值，Ik（i）代表第k幀圖像第j列的灰度值，Gk（i,j）為第k幀圖像上（i,j）處的像素灰度值。為了避免因圖像抖動(dòng)導致圖像邊緣信息發(fā)生變化，而影響互相關(guān)計算出的互相關(guān)曲線(xiàn)峰值，在進(jìn)行互相關(guān)計算前，對圖像進(jìn)行余弦濾波，去除圖像邊界信息波形而完整保留中心區域波形，減小邊界信息對互相關(guān)計算的影響，提高計算精度。投影濾波后，對參考幀和當前幀各分量的兩條曲線(xiàn)進(jìn)行相關(guān)計算，找到兩條曲線(xiàn)的惟一谷值，即可確定出當前幀相對于參考幀的行列運動(dòng)偏移量。相關(guān)運算的公式為：

　　式中：colc（n）和colr（n）分別為第i幀和參考幀的在一個(gè)方向上的灰度投影值，J為兩曲線(xiàn)中進(jìn)行相關(guān)運算的單位長(cháng)度，m為位移矢量相對于參考幀在一側的搜索寬度，即允許的最大正負抖動(dòng)范圍，m在1至2m+1間取值。當C（k）為最小值時(shí)，此時(shí)k=Kmin，則第i幀圖像相對于參考幀圖像在一個(gè)方向上的位移矢量為：

　　以水平方向為例，vi為正時(shí)，表明當前幀相對參考幀向右移了|vi|個(gè)像素；為負時(shí)，表明向左移了|vi|個(gè)像素。同樣的方法，可以得到垂直方向的位移矢量。

　　1.2 針對雨霧天氣的圖像預處理

　　通過(guò)對灰度投影法原理的分析，可知灰度投影算法要求圖像有一定的對比度，當圖像灰度值單一并且對比度差時(shí)，利用灰度投影算法對圖像匹配會(huì )造成投影曲線(xiàn)很平，相關(guān)運算后波谷段平緩不易找到，難以找到正確的運動(dòng)矢量。而雨霧天氣是車(chē)輛外出常常碰到的情況，惡劣天氣也給投影算法帶來(lái)很大影響。因此，需要對圖像進(jìn)行預處理。傳統的預處理方法是通過(guò)直方圖均衡化進(jìn)行，但這種方法存在丟失細節和過(guò)分增強的缺點(diǎn)，在增強圖像對比度的同時(shí)也增強了圖像的噪聲，給后續算法在運動(dòng)矢量估計的精度上產(chǎn)生很大影響。因此，本文采用小波的方法，即圖像經(jīng)過(guò)小波變換分解為低頻部分和高頻部分，然后單獨對高頻部分圖像的邊緣進(jìn)行加強。具體實(shí)現方法如下：

　?。?）選擇Haar小波對圖像進(jìn)行分解，得到圖像的低頻子圖和高頻子圖；

　?。?）利用公式（σ為噪聲標準方差，N為信號的長(cháng)度）確定閥值λ；

　?。?）對高頻子圖按上述閥值進(jìn)行邊沿檢測并標記；

　?。?）對標記的邊緣進(jìn)行加強，對不是邊緣的置零。

　　采用上述方法進(jìn)行實(shí)驗，結果如圖2所示：

（a） 雨天圖像增強

（b） 霧天圖像增強

圖2 圖像增強效果對比

　　通過(guò)以上結果可以看出，直方圖均衡化在整體增強圖像的同時(shí)，也對圖像噪聲進(jìn)行了增強，圖像邊緣清晰度較差，圖像偏暗；而采用小波邊緣增強法處理的圖像，沒(méi)有很明顯的噪聲影響，同時(shí)圖像細節也很好地保留下來(lái)而且圖像對比度也得到了增強。

2 雨霧天氣下車(chē)載視頻穩像的實(shí)驗

　　2.1 實(shí)驗方法

　　選取一段手動(dòng)添加抖動(dòng)的公路路段視頻進(jìn)行試驗，以OpenCV結合VC++6.0作為軟件開(kāi)發(fā)平臺編寫(xiě)車(chē)載穩像算法，對視頻進(jìn)行處理，最后將視頻輸出到顯示器上顯示。

　　2.2 運動(dòng)矢量的估計

　　選用經(jīng)過(guò)預處理后的相鄰兩幀圖像根據公式（1）（2）進(jìn)行投影變換，然后采用公式（3）計算兩幀圖像的行、列相關(guān)曲線(xiàn)。仿真結果如圖3所示：

（a） 未預處理

（b） 直方圖均衡化處理

（c） 小波邊緣增強處理

圖3 兩種情況下的運動(dòng)矢量估計

　　實(shí)驗中手動(dòng)加入的水平和垂直方向的抖動(dòng)量分別為-9和12；而實(shí)驗結果顯示，對未經(jīng)預處理的霧天圖像，由于對比度很差，采用灰度投影直接對其進(jìn)行運動(dòng)矢量檢測時(shí)，檢測到的水平和垂直方向的運動(dòng)矢量分別為-3和5，誤差較大；而圖3（b）是經(jīng)過(guò)均衡化處理后，檢測到的水平和垂直方向運動(dòng)矢量為-6和8，精度有所提高；最后圖3（c）是采用小波邊緣增強法對圖像進(jìn)行對比度提高，檢測的水平和垂直方向的運動(dòng)偏移量分別為-7和10，雖然還不能完全準確地檢測出實(shí)際偏移的運動(dòng)矢量，但精度要高于直方圖均衡化處理后的檢測結果。

　　2.3 運動(dòng)補償

　　本文采用兩兩相鄰幀進(jìn)行運動(dòng)矢量估計，得到的是相對位移矢量，而每一幀的絕對運動(dòng)參數是前N-1個(gè)相對位移矢量之和。得到每一幀的絕對運動(dòng)參數后，在采用kal-man濾波器進(jìn)行運動(dòng)曲線(xiàn)平滑處理，將處理后的參數按相反方向對當前幀進(jìn)行平移，即可得到穩定后的圖像。實(shí)驗結果如圖4所示：

圖4 穩定效果

3 實(shí)驗結果分析

　　算法在主頻Core（TM）2 Duo CPU 2.00 GHz，內存2.00GB的PC機上，使用OpenCV結合VISUAL C++編程。實(shí)驗結果顯示，在實(shí)時(shí)性方面，穩定320*240的圖像序列平均時(shí)間為0.025 18 s，大于25幀／s的圖像實(shí)時(shí)性處理要求。穩像精度上，這里使用PSNR（Peak Signal To Noise Ratio）作為穩像效果的一種評價(jià)標準。其計算公式如下：

　　其中均方誤差MSE表示兩幀圖像間每個(gè)像素的偏差值。當兩幅圖像內容變化越小，PSNR值就越大，兩幅圖像完全一樣時(shí)，達到最大值。其中相鄰5幀圖像穩像前后PSNR值比較如下：

　　由表1中數據可以看出，經(jīng)過(guò)本系統處理后的視頻幀間重合度有了明顯地改善。

　　通過(guò)對50幀視頻圖像序列進(jìn)行的實(shí)驗表明，經(jīng)過(guò)該方法處理后視頻的晃動(dòng)幅度明顯得到了改善，基本達到了穩像的要求。

4 結論

　　由于惡劣天氣造成圖像對比度降低，而直方圖均衡化處理效果不佳，造成灰度投影在車(chē)載視頻穩定中對運動(dòng)矢量估計精度的降低甚至失效。針對這一情況，本文采用小波邊緣增強的方法對圖像進(jìn)行預處理，實(shí)驗表明，該方法有效提高了灰度投影算法的估計精度，并且算法也滿(mǎn)足實(shí)時(shí)性要求。