引言

車載成像技術是一種將成像設備置于車載平臺的遠距離、非接觸獲取目標圖像的技術和方法，是未來汽車智能化的關鍵。但是由于攝像機隨車體晃動導致輸出的圖像序列不穩(wěn)定，圖像序列晃動量較大，易使觀察者產生疲勞，也會嚴重影響后續(xù)處理的精度，因此，必須對車載圖像序列進行穩(wěn)定。

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

1 車載穩(wěn)像系統(tǒng)框圖

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

電子穩(wěn)像作為車載穩(wěn)像系統(tǒng)中的核心部分，其系統(tǒng)結構如圖1所示。

圖1 系統(tǒng)框圖

其中，全局運動矢量估計是整個穩(wěn)像系統(tǒng)的關鍵，它決定了穩(wěn)像精度和耗時性。

1.1 運動矢量估計算法

通過對高速路抖動特點的分析，并且對目前在電子穩(wěn)像中常用的運動估計算法進行各自優(yōu)缺點的比較，本系統(tǒng)決定采用灰度投影算法進行全局運動矢量估計。

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

該算法首先通過投影公式將每一幀二維圖像映射成兩個一維波形，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導致圖像邊緣信息發(fā)生變化，而影響互相關計算出的互相關曲線峰值，在進行互相關計算前，對圖像進行余弦濾波，去除圖像邊界信息波形而完整保留中心區(qū)域波形，減小邊界信息對互相關計算的影響，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進行相關計算，找到兩條曲線的惟一谷值，即可確定出當前幀相對于參考幀的行列運動偏移量。相關運算的公式為：

式中：colc（n）和colr（n）分別為第i幀和參考幀的在一個方向上的灰度投影值，J為兩曲線中進行相關運算的單位長度，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范圍，m在1至2m+1間取值。當C（k）為最小值時，此時k=Kmin，則第i幀圖像相對于參考幀圖像在一個方向上的位移矢量為：

以水平方向為例，vi為正時，表明當前幀相對參考幀向右移了|vi|個像素；為負時，表明向左移了|vi|個像素。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，利用灰度投影算法對圖像匹配會造成投影曲線很平，相關運算后波谷段平緩不易找到，難以找到正確的運動矢量。而雨霧天氣是車輛外出常常碰到的情況，惡劣天氣也給投影算法帶來很大影響。因此，需要對圖像進行預處理。傳統(tǒng)的預處理方法是通過直方圖均衡化進行，但這種方法存在丟失細節(jié)和過分增強的缺點，在增強圖像對比度的同時也增強了圖像的噪聲，給后續(xù)算法在運動矢量估計的精度上產生很大影響。因此，本文采用小波的方法，即圖像經過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行加強。具體實現方法如下：

（1）選擇Haar小波對圖像進行分解，得到圖像的低頻子圖和高頻子圖；

（2）利用公式（σ為噪聲標準方差，N為信號的長度）確定閥值λ；

（3）對高頻子圖按上述閥值進行邊沿檢測并標記；

（4）對標記的邊緣進行加強，對不是邊緣的置零。

采用上述方法進行實驗，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

通過以上結果可以看出，直方圖均衡化在整體增強圖像的同時，也對圖像噪聲進行了增強，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，沒有很明顯的噪聲影響，同時圖像細節(jié)也很好地保留下來而且圖像對比度也得到了增強。

2 雨霧天氣下車載視頻穩(wěn)像的實驗

2.1 實驗方法

選取一段手動添加抖動的公路路段視頻進行試驗，以OpenCV結合VC++6.0作為軟件開發(fā)平臺編寫車載穩(wěn)像算法，對視頻進行處理，最后將視頻輸出到顯示器上顯示。

2.2 運動矢量的估計

選用經過預處理后的相鄰兩幀圖像根據公式（1）（2）進行投影變換，然后采用公式（3）計算兩幀圖像的行、列相關曲線。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 兩種情況下的運動矢量估計

實驗中手動加入的水平和垂直方向的抖動量分別為-9和12；而實驗結果顯示，對未經預處理的霧天圖像，由于對比度很差，采用灰度投影直接對其進行運動矢量檢測時，檢測到的水平和垂直方向的運動矢量分別為-3和5，誤差較大；而圖3（b）是經過均衡化處理后，檢測到的水平和垂直方向運動矢量為-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行對比度提高，檢測的水平和垂直方向的運動偏移量分別為-7和10，雖然還不能完全準確地檢測出實際偏移的運動矢量，但精度要高于直方圖均衡化處理后的檢測結果。

2.3 運動補償

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

圖4 穩(wěn)定效果

3 實驗結果分析

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。實驗結果顯示，在實時性方面，穩(wěn)定320*240的圖像序列平均時間為0.025 18 s，大于25幀／s的圖像實時性處理要求。穩(wěn)像精度上，這里使用PSNR（Peak Signal To Noise Ratio）作為穩(wěn)像效果的一種評價標準。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，達到最大值。其中相鄰5幀圖像穩(wěn)像前后PSNR值比較如下：

由表1中數據可以看出，經過本系統(tǒng)處理后的視頻幀間重合度有了明顯地改善。

通過對50幀視頻圖像序列進行的實驗表明，經過該方法處理后視頻的晃動幅度明顯得到了改善，基本達到了穩(wěn)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，造成灰度投影在車載視頻穩(wěn)定中對運動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行預處理，實驗表明，該方法有效提高了灰度投影算法的估計精度，并且算法也滿足實時性要求。