基于Harris角點的快速幀移動多視點圖像跟蹤識別

王佳欣 竇小磊

摘 要： 為了提高快速幀移動多視點圖像的檢測跟蹤識別能力，提出基于Harris角點檢測的快速幀移動多視點圖像跟蹤識別方法。構(gòu)建快速幀移動多視點圖像檢測和幀穩(wěn)定性控制模型，采用數(shù)字特征融合技術(shù)，實現(xiàn)對快速幀移動多視點圖像的模糊度增強和融合處理，通過多維空間參數(shù)檢測技術(shù)，實現(xiàn)快速幀移動多視點圖像的動態(tài)參數(shù)識別，結(jié)合聯(lián)合濾波特征匹配方法，采用穩(wěn)像控制技術(shù)，建立快速幀移動多視點圖像的灰度參數(shù)分析模型，根據(jù)Harris角點檢測結(jié)果，結(jié)合角點自適應(yīng)定位和分塊匹配濾波，實現(xiàn)對快速幀移動多視點圖像檢測和跟蹤識別。測試結(jié)果表明，采用該方法進行快速幀移動多視點圖像跟蹤識別的精度較高，角點定位和幀穩(wěn)定性較好。

關(guān)鍵詞： Harris角點; 快速幀移動; 多視點; 圖像跟蹤識別; 穩(wěn)像

文章編號： 2095-2163（2021）03-0022-05 中圖分類號：TP391 文獻標志碼：A

【Abstract】In order to improve the detection， tracking and recognition ability of fast frame moving multi-view images， a fast frame moving multi-view image tracking and recognition method based on Harris corner detection is proposed. The model of image detection and frame stability control for fast frame moving multi-view images is constructed. Digital feature fusion technology is used to enhance the ambiguity and fusion of fast frame moving multi-view images. Multi-dimensional spatial parameter detection technology is used to realize dynamic parameter identification of fast frame moving multi-view images. Combined with joint filtering feature matching method and image stabilization control technology， the gray parameter analysis model of fast frame moving multi-view images is established. According to Harris corner detection results， corner adaptive positioning and block matching filtering are combined to realize fast frame moving. The test results show that this method has high accuracy， corner location and frame stability in fast frame moving multi-view image tracking and recognition.

【Key words】 Harris corner; fast frame movement; multi-viewpoint; image tracking and recognition; image stabilization

0 引 言

隨著電子穩(wěn)像技術(shù)的發(fā)展，采用優(yōu)化圖像處理和圖像角點定位技術(shù)，建立快速幀移動多視點圖像處理和識別模型，提高快速幀移動多視點圖像處理的檢測和跟蹤識別能力。在快速幀移動多視點圖像處理和圖像模式識別設(shè)計中，需要結(jié)合計算機視覺參數(shù)識別的方法，建立快速幀移動多視點圖像處理和圖像識別模型，結(jié)合視點參數(shù)識別和圖像技術(shù)，實現(xiàn)圖像的穩(wěn)像處理和參數(shù)識別，提高圖像成像質(zhì)量，研究快速幀移動多視點圖像處理方法，在圖像參數(shù)分析和特征檢測中具有重要意義，相關(guān)的快速幀移動多視點圖像處理方法研究受到人們關(guān)注[1]。

對快速幀移動多視點圖像跟蹤識別是建立在對快速幀移動多視點圖像的增強和濾波檢測基礎(chǔ)上，采用多視點圖像像素跟蹤方法，實現(xiàn)對快速幀移動多視點圖像跟蹤識別[2]，傳統(tǒng)方法中，對快速幀移動多視點圖像識別主要有基于均衡誤差參數(shù)分析的快速幀移動多視點圖像識別方法、色彩辨識的圖像識別方法等，通過快速幀移動多視點圖像的模糊信息增強處理[3-5]，采用濾波檢測方法實現(xiàn)對快速幀移動多視點圖像的優(yōu)化融合處理，但傳統(tǒng)方法進行快速幀移動多視點圖像識別的自適應(yīng)性不好。對此，本文提出基于Harris角點檢測的快速幀移動多視點圖像跟蹤識別方法。構(gòu)建快速幀移動多視點圖像檢測和幀穩(wěn)定性控制模型，然后采用穩(wěn)像控制技術(shù)，建立快速幀移動多視點圖像的灰度參數(shù)分析模型，根據(jù)Harris角點檢測結(jié)果，結(jié)合角點自適應(yīng)定位和分塊匹配濾波，實現(xiàn)對快速幀移動多視點圖像檢測和跟蹤識別。最后進行仿真測試分析，展示了本文方法在提高快速幀移動多視點圖像跟蹤識別能力方面的優(yōu)越性能。

1 快速幀移動多視點圖像特征預(yù)處理

1.1 快速幀移動多視點圖像濾波分析

為了實現(xiàn)基于Harris角點檢測的快速幀移動多視點圖像跟蹤識別方法，首先構(gòu)建快速幀移動多視點圖像檢測和幀穩(wěn)定性控制模型，構(gòu)建快速幀移動多視點圖像色差參數(shù)檢測模型[6]，采用模糊度邊緣檢測方法進行快速幀移動多視點圖像色差參數(shù)均衡信息融合，得到快速幀移動多視點圖像多尺度Harris角點分布區(qū)域的邊緣模糊集為：

采用區(qū)域特征分塊檢測的方法，構(gòu)建快速幀移動多視點圖像多尺度Harris角點分布區(qū)域融合集，在K維子空間中進行快速幀移動多視點圖像的特征空間分布式重建，得到快速幀移動多視點圖像處理結(jié)構(gòu)圖，建立基于點跟蹤識別的快速幀移動多視點圖像采集識別模型，得到點跟蹤識別的快速幀圖像參數(shù)檢測模型表示為：

其中，h為快速幀移動多視點圖像的梯度像素分量; ρe表示快速幀移動多視點圖像在梯度方的特征分量; θe為色差參數(shù)均衡控制空間參數(shù)特征量，在x和y兩個方向?qū)崿F(xiàn)對快速幀移動多視點圖像參數(shù)融合。

在成像的光譜旁瓣區(qū)域，得到快速幀移動多視點圖像模糊邊緣分塊檢測結(jié)果[7]，得到快速幀移動多視點圖像模糊邊緣的分塊檢測結(jié)果為：

根據(jù)上述分析，采用圖像多尺度Harris特征檢測方法，得到快速幀移動多視點圖像的梯度分布全局估計特征量為：

其中，G（x→）表示快速幀移動多視點圖像邊界框輸出穩(wěn)定性參數(shù)，采用局部區(qū)域參數(shù)融合方法，構(gòu)建快速幀移動多視點圖像檢測模型，得到線性特征重組結(jié)果f（gi）為：

由此獲得快速幀移動多視點圖像的采集和信息跟蹤模型，根據(jù)m×n維狀態(tài)空間中的分布集，采用點目標跟蹤識別方法，快速幀移動多視點圖像多尺度Harris角點分布為I（x），構(gòu)建優(yōu)化的快速幀移動多視點圖像檢測濾波模型，得到濾波聯(lián)合信息熵：

在N×N的局部區(qū)域中進行快速幀移動多視點圖像多尺度Harris角點檢測和濾波[8]。

1.2 快速幀移動多視點圖像融合

建立快速幀移動多視點圖像的暗原色灰度參數(shù)檢測模型，通過模糊度檢測，得到模板大小為M×N，重建快速幀移動多視點圖像的像素值[9]，得到快速幀移動多視點跟蹤的灰度模糊特征參數(shù)分解式，為：

2 圖像跟蹤識別優(yōu)化

2.1 快速幀移動多視點圖像穩(wěn)像技術(shù)

采用數(shù)字特征融合技術(shù)，實現(xiàn)對快速幀移動多視點圖像的模糊度增強和融合處理[11]，得到快速幀移動多視點圖像色差參數(shù)辨識分量：

其中，n表示快速幀移動多視點圖像的空間分布維數(shù)，F(xiàn)i（v）表示快速幀移動多視點圖像的決策變量，根據(jù)對圖像的邊緣信息特征分解結(jié)果，采用邊界化的特征分布式融合增強方法，得到快速幀移動多視點檢測的文獻特征分布模型為：

采用Taubin平滑算子進行快速幀移動多視點圖像的三維跟蹤識別，得到聯(lián)合特征參數(shù)的優(yōu)化分布集為：

2.2 快速幀移動多視點圖像

采用穩(wěn)像控制技術(shù)，建立快速幀移動多視點圖像的灰度參數(shù)分析模型，根據(jù)Harris角點檢測結(jié)果，對快速幀移動多視點圖像的自適應(yīng)特征參數(shù)識別和模糊信息濾波，構(gòu)建快速幀移動多視點圖像的Harris角點檢測模型，表示為：

其中，wmk為快速幀移動多視點圖像的白平衡偏移量，i， j為快速幀移動多視點偏移參數(shù)。綜上分析，實現(xiàn)快速幀移動多視點圖像的跟蹤識別。

3 仿真測試分析

為了驗證本文方法在實現(xiàn)快速幀移動多視點圖像跟蹤識別中的應(yīng)用性能，采用Matlab進行仿真測試，圖像的幀移動速度為149 fram/s，相似度為0.143，粗糙度系數(shù)為0.829，根據(jù)上述參數(shù)設(shè)定，進行多視點圖像跟蹤識別，得到待處理圖像如圖1所示。

采用數(shù)字特征融合技術(shù)，實現(xiàn)對快速幀移動多視點圖像的模糊度增強處理，構(gòu)建圖像特征點匹配模型，得到匹配結(jié)果如圖2所示。

分析圖2得知，本文方法能有效實現(xiàn)對快速幀移動多視點圖像的特征匹配，采用Harris角點檢測，得到快速幀移動多視點圖像的跟蹤識別結(jié)果如圖3所示。

分析上述仿真結(jié)果得知，對于快速幀移動多視點圖像跟蹤識別，本文方法是有效的，還可提高圖像檢測和識別能力。測試檢測精度，對比結(jié)果見表1。分析仿真結(jié)果得知，本文方法對快速幀移動多視點圖像識別的精度更高。

4 結(jié)束語

結(jié)合計算機視覺參數(shù)識別的方法，建立快速幀移動多視點圖像處理和圖像識別模型，本文提出基于Harris角點檢測的快速幀移動多視點圖像跟蹤識別方法。建立快速幀移動多視點圖像的暗原色灰度參數(shù)檢測模型，通過模糊度檢測，重建快速幀移動多視點圖像的像素值，采用數(shù)字特征參數(shù)檢測方法，建立快速幀移動多視點圖像穩(wěn)像控制模型，結(jié)合Harris角點檢測實現(xiàn)圖像多視點跟蹤識別。研究表明，本文方法對快速幀移動多視點圖像識別的精度較高。

參考文獻

[1] 王瑩瑩. 矢量地理數(shù)據(jù)動態(tài)多重數(shù)字水印算法研究[J]. 測繪學報，2021，50（4）：566.

[2] 王曉琴. 基于加密全息數(shù)字水印技術(shù)的電子檔案管存系統(tǒng)設(shè)計[J]. 現(xiàn)代電子技術(shù)，2021，44（8）：81-84.

[3] 馬文駿，張黎明，李玉，等. 基于NSCT與改進SIFT特征點的GF-2影像水印算法[J]. 地理與地理信息科學，2021，37（2）：31-37.

[4] 李博. 基于視覺傳達的多幀圖像高分辨率重建仿真[J]. 計算機仿真，2021，38（3）：113-116，121.

[5] 張迅，李建勝，王安成，等. 無人平臺視覺導航算法驗證仿真系統(tǒng)的設(shè)計與實現(xiàn)[J]. 測繪科學技術(shù)學報，2021，38（1）：9-14，20.[ZK）]

[6] 李松卿，丁剛毅. 基于成像逼真度的視覺仿真方法[J]. 中國電子科學研究院學報，2021，16（1）：14-20.

[7] 崔麗群，張平，賀情杰，等. 對比度和細節(jié)增強顯著性檢測方法研究[J]. 計算機工程與應(yīng)用， 2019， 55（23）： 200-208.

[8] 金磊磊，梁紅，楊長生. 基于顯著性檢測的聲吶圖像快速降噪研究[J]. 西北工業(yè)大學學報，2019，37（1）：80-86.

[9] 周友行，劉漢江，趙晗妘，等. 基于像元相互關(guān)系的FCM聚類分割算法[J]. 儀器儀表學報，2019，40（9）：124-131.

[10]宋廷強，李繼旭，張信耶. 基于深度學習的高分辨率遙感圖像建筑物識別[J]. 計算機工程與應(yīng)用， 2020， 56（8）： 26-34.

[11]李艷娟，牛夢婷，李林輝. 基于蜂群k-means算法的遙感圖像聚類應(yīng)用研究[J]. 計算機工程與應(yīng)用， 2019， 55（6）： 151-159.

[12]魏光杏，周獻中，卜錫濱. 基于模糊C均值與人工蜂群優(yōu)化的灰度圖像分割[J]. 蘭州大學學報（自然科學版），2019，55（2）：250-254，260.