图像匹配方法及视频处理方法
【技术领域】
[0001]本发明涉及图像处理领域，特别涉及一种图像匹配方法及视频处理方法。
【背景技术】
[0002]在实际摄影系统中，通过车辆、手持或者飞机等移动平台得到的视频不仅包含了成像系统的主动运动，同时也包含了移动平台的随机运动。而由此随机运动产生的不稳定视频会让人产生疲惫感，同时也给有用信息的提取带来困难。因此，如何将不稳定的视频转化为稳定的视频具有重要意义。
[0003]视频去抖，也称视频稳定，是一种很重要的视频处理技术。该视频处理技术旨在消除视频抖动，能够保证视频图像的清晰，稳定画面，使视频可以更好地进行压缩，从而提高视频质量与速度。
[0004]视频抖动是指拍摄过程中由于摄像机存在不一致的运动噪声而造成视频序列的抖动和模糊。为了消除这些抖动，视频处理技术需要做的是，提取摄像机的真实全局运动参数，然后采用合适的变化技术补偿摄像机的运动，使视频画面流程而稳定。
[0005]目前去除视频抖动的处理方法包括像素法、块匹配法、相位相关法和特征匹配法坐寸。
[0006]像素法利用像素灰度值间的关系进行运动估计，但它对噪声敏感，且要求图像的信息较为丰富。
[0007]块匹配法将块中的像素作为一个整体来进行运动估计，从而它比像素法更加鲁棒，但算法的精度和计算复杂度受块的数目、尺寸、搜索范围及搜索策略的影响很大。
[0008]相位相关法通过计算相邻帧的互功率谱来估计运动的方向和速度，它的抗噪声性较强，但计算复杂度大且易受局部运动的干扰。
[0009]特征匹配法基于人的视觉特性，通过提取并匹配相邻帧的特征进行摄像机全局运动参数估计，相比于其它算法，它更接近于人的视觉系统对运动信息进行处理的过程，但当场景中存在其他移动目标时，其场景会出现不同的运动参数，特征点提取可能仅局限在某一运动参数的区域，此时结果会受特征提取的限制，影响匹配的鲁棒性和精度。
【发明内容】
[0010]本发明技术方案所解决的技术问题为，如何提高视频去抖过程中匹配的鲁棒性。
[0011]为了解决上述技术问题，本发明技术方案提供了一种图像匹配方法，包括:
[0012]对图像场景进行区域划分，以得到子区域；
[0013]提取并匹配第一图像和第二图像中的特征点，以得到所述第一图像和第二图像之间的匹配特征点；
[0014]依据所述子区域对所述匹配特征点进行分组；
[0015]根据所述第一图像和第二图像之间的匹配模型，从所述匹配特征点选取匹配特征点子集，所述匹配特征点子集涉及尽可能多的分组；
[0016]采用所述匹配特征点子集拟合所述匹配模型，以获得图像匹配结果。
[0017]可选的，所述对所述图像场景进行区域划分是基于所述图像场景的空间位置关系进行的。
[0018]可选的，所述对图像场景进行区域划分包括:平均划分所述图像场景。
[0019]可选的，所述对图像场景进行区域划分包括:在横向或纵向上至少三等分所述图像场景。
[0020]可选的，所述对图像场景进行区域划分包括:以所述图像场景的中心点为起点、等角度划分所述图像场景。
[0021]可选的，所述匹配模型为仿射变换模型。
[0022]可选的，所述匹配特征点的分组对应于子区域的划分。
[0023]可选的，基于RANSAC算法拟合所述匹配模型。
[0024]为了解决上述技术问题，本发明技术方案还提供了一种图像匹配方法，包括:
[0025]提取并匹配第一图像和第二图像中的特征点，以得到所述第一图像和第二图像之间的匹配特征点；
[0026]对分布有所述匹配特征点的图像场景进行区域划分，以得到子区域；
[0027]依据所述子区域对所述匹配特征点进行分组；
[0028]根据所述第一图像和第二图像之间的匹配模型，从所述匹配特征点选取匹配特征点子集，所述匹配特征点子集涉及尽可能多的分组；
[0029]采用所述匹配特征点子集拟合所述匹配模型，以获得图像匹配结果。
[0030]可选的，所述对分布有所述匹配特征点的图像场景进行区域划分是基于所述分布有所述匹配特征点的图像场景的空间位置关系进行的。
[0031]可选的，所述对分布有所述匹配特征点的图像场景进行区域划分包括:以所述分布有所述匹配特征点的图像场景的中心点为起点、等角度划分所述分布有所述匹配特征点的图像场景。
[0032]为了解决上述技术问题，本发明技术方案还提供了一种视频处理方法，包括:
[0033]利用如上所述的匹配方法拟合得到相邻帧图像之间的匹配模型；
[0034]基于所述匹配模型对帧图像进行运动补偿。
[0035]本发明技术方案至少具备以下技术效果:
[0036]本发明技术方案针对视频图像中，划分具有两个或多个不同运动参数区域的场景，并依据划分场景区域对分别于划分场景区域内的匹配特征点进行分组，以保证每次用于计算匹配模型的匹配特征点均匀的分布在整个场景中，确保最终匹配模型的鲁棒性。
[0037]本发明技术方案还按照图像场景的空间位置关系对匹配特征点进行分组，按照分组抽取匹配特征点，并在选取过程中涉及尽可能多的分组，使匹配模型的估计适于全局模型参数，其算法代价非常低，并且计算时耗少。
[0038]本发明技术方案中，还采用RANSAC算法拟合所述匹配模型，基于本发明技术方案的分组选取匹配特征点进行拟合的方式，RANSAC算法的每次迭代选取到的用于计算匹配模型的匹配特征点能够尽可能广地分散到图像场景的大部分区域，最大化选取到全部场景分布范围内的匹配特征点，降低了算法收敛到局部最优的概率；本发明技术方案能够更好的估计具有空间位置的匹配特征点的全局匹配模型参数，避免陷入局部匹配结果，进一步保证了匹配算法的鲁棒性。
【附图说明】
[0039]图1为本发明技术方案提供的一种图像匹配方法的流程示意图；
[0040]图2为图像摄取设备横向拍摄视野范围的内容示意图；
[0041]图3为以一种划分方式对图像场景进行划分的结果示意图；
[0042]图4为对横向拍摄的图像场景进行划分的结果示意图；
[0043]图5为对纵向拍摄的图像场景进行划分的结果示意图；
[0044]图6为以另一种划分方式对图像场景进行划分的结果示意图；
[0045]图7为图像上匹配特征点的分布示意图；
[0046]图8为划分图像场景所得子区域上匹配特征点的分布示意图；
[0047]图9为本发明技术方案提供的另一种图像匹配方法的流程示意图；
[0048]图10为所述分布有所述匹配特征点的图像场景在一种定义结果下的选取示意图；
[0049]图11为所述分布有所述匹配特征点的图像场景在另一种定义结果下的选取示意图；
[0050]图12为所述分布有所述匹配特征点的图像场景在又一种定义结果下的选取示意图；
[0051]图13为划分所述图像场景所得所述分布有所述匹配特征点的图像场景的子区域上匹配特征点的分布示意图；
[0052]图14为以一种方式划分所述分布有所述匹配特征点的图像场景所得子区域上匹配特征点的分布示意图；
[0053]图15为以另一种方式划分所述分布有所述匹配特征点的图像场景所得子区域上匹配特征点的分布示意图；
[0054]图16为本发明技术方案提供的一种视频处理方法的流程示意图。
【具体实施方式】
[0055]为了使本发明的目的、特征和效果能够更加明显易懂，下面结合附图对本发明的【具体实施方式】做详细说明。
[0056]在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的方式来实施，因此本发明不受下面公开的具体实施例的限制。
[0057]实施例一
[0058]一种图像匹配方法，如图1所示，其包括如下步骤:
[0059]步骤S100，对图像场景进行区域划分，以得到子区域。
[0060]所述图像场景指的是摄像机等图像摄取设备在视野范围内可摄取的图像内容。本实施例中，对所述图像场景进行区域划分是指对所述图像摄取设备视野范围进行划分。
[0061]参考图2，图像摄取设备的视野范围1为横向拍摄的视野范围，设定视野范围1中的图像内容包括人物，动物，以及静态背景，其中，人物对应区域为斜线阴影，动物对应区域为点线阴影，静态背景对应区域无阴影。
[0062]本步骤中，划分方式可以有多种:
[0063]第一