（计算机软件与理论专业论文）用于消防领域的视频稳像算法的研究与实现.pdf

中文摘要 视频稳像技术是近年来的计算机图像处理研究的热点。随着多媒体技术的日 益成熟，各种各样的视频应用层出不穷，传统的视频稳像技术由于存在较大的时 间延迟，已经不能很好的适应现有的各种应用环境，如何能快速完成对视频数据 的修复和处理显得至关重要。目前，视频稳像技术已被广泛应用在地质勘探、航 空航天等领域，取得了不错的效果。本文将主要研究视频稳像技术在火灾救难现 场的应用。 在我国，随着近年来在消防领域的投入不断增大，各种基于火灾现场的视频 采集系统被陆续部署到各个消防部门中，并在火灾救难行动中取得了很好的效 果。随之而来的问题是如何能在现场及时的获取稳定的视频图像，并据此做出正 确的作战指令，保护国家和人民的生命财产安全， 视频稳像技术主要针对摄像平台的非正常移动造成的图像模糊，使用多种算 法，包括视频对象提取和特征点提取与匹配等，这些算法是实现一个高效的视频 电子稳像系统的基础和关键。系统提取其运动特征向量，取得特征向量。最后根 据特征向量进行动态预测和动态补偿，获得稳定清晰的视频图像。本文针对火灾 现场的视频特征，设计并实现了视频电子稳像系统，不仅参考借鉴了传统的视频 稳像技术，同时还能够在较小的时间延迟下完成视频稳像的任务。本文中提出的 对视频中的各种对象根据其信息价值的高低分别进行不同程度的处理，能有效地 减小传统稳像算法中浪费在背景等信息含量不高的对象上的时间，同时本文还针 对火灾现场的视频特点对系统做出了优化处理。 通过本系统，能帮助消防现场指挥系统在火灾救难现场较好较快的取得火场 内部的视频信息，以更好地支持消防工作。 关键词：火灾现场，视频稳像技术，运动补偿，视频对象 a b s t r a c t v i d e os t a b i l i z a t i o nt e c h n o l o g yi st h eh o ts p o ti nt h el a t e s tr e s e a r c ho nc o m p u t e r i m a g ep r o c e s s i n g w i t ht h ep o p u l a r i t yo fm u l t i m e d i at e c h n o l o g y , v i d e os t a b i l i z a t i o n s y s t e me m e r g e d t h et r a d i t i o n a lv i d e oi m a g es t a b i l i z a t i o nt e c h n o l o g yc a i ln o tr e d u c e t h ed e l a yc a u s e db yt h ev i d e os t a b i l i z a t i o na l g o r i t h m h o wt or e c o v e rt h ev i d e oi na s h o r tt i m e s p a nh a sb e c o m ee x t r e m e l yi m p o r t a n t r e c e n t l y , v i d e o s t a b i l i z a t i o n t e c h n o l o g ym a i n l yc o n c e n t r a t e do ng e o l o g i c a ls u r v e ya n d a e r o n a u t i c sa n da s t r o n a u t i c s a n dr e c e i v e dg o o da c h i e v e m e n t t h i sp a p e rm a i n l yf o c u s e so nd i g i t a lv i d e o s t a b i l i z a t i o na tf i r e f i g h t i n g r e c e n ty e a r s ，w i t ht h ei n v e s t m e n ti nf i r e - f i g h t i n gi n c r e a s e dr a p i d l yi no u r c o u n t r y , v a r i o u sr e a l t i m ev i d e os t a b i l i z a t i o ns y s t e m sw e r ed e p l o y e da n dg e ts o m e a c h i e v e m e n t s b u tt h e s ea l s oi n t r o d u c eas e r i o u sp r o b l e mt h a ti sh o wt og e tt h e s t a b i l i z e dv i d e oa n dm a k et h er i g h td e c i s i o nb a s e do ni ta n dr e s c u et h el i v e sa n dt h e p r o p e r t y t h ev i d e os t a b i l i z a t i o nm a i n l ys o l v e st h eb l u r r e dv i d e oc a u s e db yt h eu n e x p e c t e d m o v e m e n to ft h ec a m e r ap l a t f o r m t h i sc o u r s ei n c l u d e sah a n do fa l g o r i t h m so fv i d e o o b j e c t se x t r a c t i o na n df e a t u r ep o i n t se x t r a c t i o na n dm a t c h t h e s ea r ek e ys t e p sf o r i m p l e m e n t i n gad i g i t a lv i d e os t a b i l i z a t i o ns y s t e m s e c o n d l y , i tn e e d s t og e tt h em o t i o n v e c t o ro ft h ev i d e oo b j e c t s f i n a l l y , t h es y s t e ms h o u l dg i v eap i e c eo fs t a b l ea n dc l e a r v i d e ob yu s i n gs o m em o t i o np r e d i c t i o na n dc o m p e n s a t i o na l g o r i t h m s t h i sp a p e r f o c u s e do nt h ef e a t u r e so ft h ev i d e oc a p t u r e do nt h es c e n eo ff u e ，d e s i g n e da n d r e a l i z e dav i d e os t a b i l i z a t i o ns y s t e mb a s e do nf i r e f i g h t i n g t h es y s t e mr e f e r r e d t r a d i t i o n a lv i d e os t a b i l i z a t i o nt e c h n o l o g ya n ds h r u n kt h ed e l a yo ft h es y s t e m s p e c i a l l y , t h i sp a p e rp r o p o s e d a na l g o r i t h mt r e a t st h ed i f f e r e n tv i d e oo b j e c t s r e s p e c t i v e l yb a s e d0 1 1t h e i ra m o u n to fi n f o r m a t i o n , w h i c hc a nr e d u c et h et i m ew a s t e d a tt h el e s si n f o r m a t i o n a lv i d e oo b j e c t se f f e c t i v e l y w h a t sm o r e ，t h i sp a p e ra l s od o e s s o m eo p t i m i z a t i o nw o r kf o rt h ef e a t u r e so fv i d e oc a p t u r e db yf 讹s c e n e t h i ss y s t e mc a nh e l pf i r e - f i g h t i n gc o m m a n d e rt os e e kd e s i r e di n f o r m a t i o nf r o m t h ec o r eo ft h ef a es i t eq u i c k l ya n de f f e c t i v e l y k e yw o r d s ：s c e n eo ff i r e ，v i d e os t a b i l i z a t i o nt e c h n o l o g y , m o t i o n c o m p e n s a t i o n ，v i d e oo b j e c t 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得叁盗盘堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名：王乏挖 签字同期： 沙。7 年 、， y 一i 完成特征点匹配 图3 5 特征点匹配算法流程图 匹配后的特征点对中可能存在错误的匹配，这种错误是无法避免的。对于这 种错误的匹配结果，本系统采用简单的r a n s a c 算法进行筛选和纠错。如文献 2 2 1 1 2 3 中所述，系统利用r a n s a c 算法找出错误的匹配结果，并将这些错误的 匹配点对删除，匹配点对中的特征点被重新与对应的不同尺度空间下的特征点组 成正确的特征点匹配对。在完成这一系列的操作之后，系统将继续执行特征点提 取与匹配算法的运算。 第三章视频稳像系统的分析与总体设计 3 2 4 运动估计与补偿子系统的设计 3 2 4 1 运动估计 在完成对特征点的提取和匹配之后，视频图像序列中的各帧画面之间就被建 立了对应关系。为了能够最终对视频图像序列进行稳像处理，首先要计算各帧之 间的差异。对于视频图像序列，可以通过减少时间冗余来提高视频编码的效率。 目前运动估计的主流算法主要是基于块匹配的运动估计算法，但是这类算法要对 搜索区内的所有点进行检测，因而计算复杂度很高。为了保证系统的实时性，必 须要使用效率更高的运动估计算法。 本系统利用一种新的搜索算法，即线性正方形搜索算法来进行运动估计。这 种算法基于运动矢量和绝对差和( s u mo fa b s o l u t ed i f f e r e n c e ，s a d ) 的空间分布特 性采用线性正方形搜索算法，简称为l s s ( l i n e s q u a r es e a r c h ) 算、法【2 4 1 。这种新型 算法在计算性能和准确程度上都强于其它同类算法。由于线性正方形搜索算法对 于不重要的搜索区域使用简单的线性搜索减少算法的运算复杂度，而对于重要的 搜索区域使用精度和效率很高的正方形搜索算法，这种思想与火场视频稳像中对 于重要信息物体进行高度处理，而对不重要的背景物体进行简略处理的思想不谋 而合。线性正方形搜索算法按照绝对差和的空间方向性设计了线性搜索算法及正 方形搜索模板。算法的正方形搜索模板如图3 _ 6 2 4 所示。 l s s 算法的正方形搜索模板上共有九个称为内模板的搜索点，以及八个称为 外模板的模拟搜索点。在进行精确搜索的时候使用内模板，而在确定线性搜索的 方向的时候使用外模板。图3 7 【2 4 】中表示了八种有可能的线性搜索方向。 内较板 一j外横板 - 霉7 5 _ 3 - 2 l0l235670 4 i ? 、，j x z xx x l 弋，、v 图3 - 6l s s 算法的正方形搜索模板 4 4 4 弗o d 4 o o ，2 3 第三章视频稳像系统的分析与总体设计 内撰板 ? ：外模板 j4 5 - 3 2 - ioi2345670 j 。，。 、，、 ，x x x 7 粉x 。 o ， 、y ，? 、 z 、 过 图3 7 八种有可能的线性搜索方向 线性正方形搜索算法将位于正方形模板中心位置的点称为中心点，将绝对差 和最小的搜索点称为线搜索点，将中心点与线搜索点之间确定的矢量的方向作为 线性搜索的方向。 3 2 4 2 运动补偿 通过运动估计算法，视频稳像系统得到了视频图像序列中相邻两帧之间的差 异并取得了对应的运动矢量。根据这些信息，系统就可以对视频图像序列进行补 偿和重建。 运动补偿的步骤如下： ( 1 ) 将视频图像分割为静止部分和运动部分。 ( 2 ) 按照运动估计得到的运动矢量取得前一帧的图像数据。 ( 3 ) 通过使用预测滤波器，得到前一帧图像数据的预测差异块。 ( 4 ) 将上一帧图像的静止部分与预测差异块组合在一起，重新组成一幅新的 图像。 3 2 5 用户界面设计 友好的用户界面能够使用户将系统的性能发挥到最大，能够大幅度的提高用 户的工作效率，并且使用户耗费在系统操作上的时间大大降低。这一因素在争分 夺秒的火灾救难行动中更是显得尤为突出。在本小节中将对本系统的主要用户界 面进行详细说明。 第三章视频稳像系统的分析与总体设计 3 251 用户接口设计 本系统可以按照用户视频采集设备配置的不同，向用户提供不同视频来源的 稳像操作。图3 - 8 所示的是系统为用户提供的选取视频源的界面，其中包含一个 下拉菜单，下拉菜单中的各个子项为各种视频源的格式，在用户选取之后系统就 可以按照用户选定的视频数据格式对视频数据进行稳像操作。 图3 - 8 用户选择视频源界面 在用户选择了视频数据的格式之后，系统又为用户提供了特定物体轮廓筛选 界面。本系统考虑到消防救难行动中对于特定形状物体的高度关注，以及火灾现 场视频的特点，能够提取不同轮廓的物体，并对这些物体进行高度处理，因此视 频中具有用户在这一界面选择的特定轮廓的物体都将被提取出来进行精细的处 理，以便为现场指挥人员提供火灾现场的有效信息。特定轮廓筛选界面如图3 - 9 所示。 3 - 9 特定轮廓筛选界面 在选择了特定轮廓之后，系统就进入视频稳像处理阶段，视频处理界面如图 3 一1 0 所示。在这一界面中为用户提供了两个视频图像显示区域位于窗口左侧的 是原始视频图像显示区域，位于窗1 ：3 右侧的是经过稳像处理的视频图像显示区 第三章视频稳像系统的分析与总体设计 域。在这两个视频图像显示区域上方显示的是视频稳像系统已处理时间，这为现 场指挥人员记录消防员在特定时间的具体位置提供了极大的方便。 山_ 山_ 图3 1 0 视频处理界面 3 2 52 系统参数设计 在视频稳像系统的实际应用中，用户对于视频稳像系统的性能和效率的要求 随着不同的火灾现场环境的改变而改变，因而必须按照用户的特点使用不同的参 数或者算法来对视频数据进行处理，从而保证用户的需求被很好的满足，也使得 系统具有更好的适应性和鲁棒性。而且，因为用户的视频采集设备的配置情况无 法统一，因此系统需要为不同的硬件环境提供不同的运行参数。 针对消防战斗中使用的视频采集设备的配置情况和消防现场指挥员的指挥 信息需求，本系统能够处理的视频数据的格式类型包括a v i 、符合m p e g - 1 、 m p e g 一2 和m p e g 4 标准的视频等，并且在特定轮廓提取方面为用户预先设置六 种特定的物体轮廓供用户选择，包括人体、油桶、气( 汽) 罐、树木、车辆和电 器等对火灾现场指挥人员具有重要指挥意义的物体的轮廓。 本系统将系统的运行参数保存在单独的文件中，这些运行参数针对用户的不 同需求而设置。并且用户也可以按照自己的需求的变佬而随时更改这些参数的设 置。系统在运行前会从参数文件中读出相应的运行参数，对视频稳像系统进行初 始化设置。 第三章视频稳像系统的分析与总体设计 3 3 本章小结 本章主要介绍了消防视频稳像系统的需求分析和总体设计，其中3 1 节重点 分析了火场视频的特点和系统需要实现的功能，3 2 节针对视频稳像系统的几个 主要处理算法分别展开讨论，对本系统的总体构架进行了设计。 第四章视频稳像系统的详细设计 第四章视频稳像系统的详细设计 4 1 视频对象分割模块的详细设计 视频对象分割模块是视频稳像运算的重要步骤。在前文中提出为了保证系统 的实时性而对重要和非重要的视频对象进行不同程度的处理。为了保证这一思想 能够顺利实施，首先要将这两种视频对象进行分割。在本节中，主要针对视频对 象分割进行模块的详细设计。视频对象分割操作可被分为三个步骤t 建立指定轮 廓，搜索视频对象和视频对象提取【2 5 ，2 6 2 7 1 。该算法的流程如图4 1 所示。 开始 4 1 1 图像分块 丫 一 读取用户设置的特 定物体轮廓 v 一一 预处理视频数据 丫 提取预设轮廓边 界，与视频中物体 轮廓进行比较 v j l ，：= 二者相符吗? 一， n v 分离视频对象与背 景对象并分别保存 一v 一 结束 图4 1 视频对象提取模块流程图 在进行轮廓匹配比较的阶段中，系统参考了m p e g 4 视频编码标准的视频编 码方式【2 8 1 。尽管在之前的操作中已经对原始的视频数据进行了归一化和降噪处 理，但这无法保证所有的图像噪声造成的影响都被消除掉。为了避免图像噪声的 干扰，系统将视频图像进行分块，分出的每一块被称为宏块。在每一帧图像的搜 3 0 第四章视频稳像系统的详细设计 索区域左上角的宏块作为基准宏块，在搜索区域的周围进行宏块搜索以寻找符合 的宠块。在搜索的过程中系统采取不同太小的宏块来进行搜索，算法在选取较 大的宏块时准确率会出现下降的情况，但为了保证算法在时间复杂度和运算准确 率之间达到较好的平衡，因此系统将选取性能较为优秀的分块情况并应用到实际 视频处理中“。 在视频应用中，如果视频图像的分辨率比2 0 x 2 0 小，那么视频的很多信息 都很难被表现出柬。因此本系统在选取宏块大小的时候将以此分辨率作为宏块大 小的上限，在这种情况下本系统使用的分辨率为3 2 0 x 2 4 0 的视频图像被分为2 0 1 5 块。与此相对，视频图像的分块的下限是2 2 ，即把视频图像分割成分辨 率为1 6 0 1 2 0 的四块。 分块大小对视频对蒙搜索的影响如图4 - 2 所示。为了保证算法的速度，本系 统采用半像索作为步进单位进行搜索，尽管这会在一定程度上降低视频图像的清 晰度，但是这种程度的降低对于人眼能够识别的分辨率而言是微不足道的。 it 8 x 8 1 6 x 1 6 # m$ a & t # h ( t # )e m 图4 - 2 宏块分块大小对视频对象提取准确度的影响 图4 _ 2 表示在实验室条件下，在与其他条件无关的情况下，按照不同大小的 宏块进行运算所消耗的运算时间，以及其对视频对象提取准确度的影响。从图 4 2 中可以看出，分块的数目越多，算法的时间复杂度越大，匹配准确度也随之 增大，但由于当宏块大小较小的时候邻接宏块的灰度信息会减少，因此会使准确 度有所降低，这就说明了1 6 1 6 分块情况下准确率小于8 8 分块情况下的准确 率的原因。 第四章视频稳像系统的详细设计 4 1 2 搜索视频对象的基本流程 本文使用视频图像的帧间仿射来识别视频图像序列中的视频对象。视频图像 的帧间仿射是利用视频对象在帧间的连续性，通过从前一帧中获得的信息来弥补 当前帧，并且确定它们之间的相关性。 在本文中假设上一帧的灰度模板为i 一将当前帧的二值化图像记为b ，帧 间的位移为d ，。算法通过下列步骤获得当前帧的灰度模板i 3 1 3 2 ，3 3 1 。 ( 1 ) 帧间仿射 根据当前的帧间位移，将上一帧的灰度模板仿射到当前的模板上，形成一个 仿射关系d 耐。根据帧间位移d ，当前帧中的任意坐标点p ( x ，y ) 都能确定它在上 一帧中的位置p ( x ，y ) ，二者之间的对应关系是尸= 尸一d ，。如果p 在上一帧图 像中，且这一点在两帧图像中的灰度差小于某一阈值，则认为p 点属于新的对象。 ( 2 ) 获取当前帧的灰度模板 首先修正当前帧的二值化图像e ，然后使之与d 。，进行并操作，从而得到当 前模板z 。 ( 3 ) 获取视频对象 通过当前帧的灰度模板和前一帧的灰度模板，可以利用差分操作来获取两帧 中对应像素点之间的关系，并确定视频图像中视频对象的轮廓，进而由此将视频 对象与背景对象区分开来。 最后，视频对象和背景对象被分别进行存储，同时被记录下来的还有它们在 其所在的视频图像中的位置信息等。 4 1 3 视频对象匹配的基本流程 在确定了视频物体的轮廓特征和视频图像序列中的视频对象之后，视频稳像 系统将采用户选择的视频物体的轮廓与采集到的视频图像序列中的视频物体的 轮廓进行比较和匹配。算法从基准宏块开始进行z 字形搜索，z 字形搜索扫描的 顺序如图4 - 3 8 】所示。 图4 3z 字搜索扫描顺序 3 2 第四章视频稳像系统的详细设计 搜索从位于搜索区域左上角的基准宏块开始，先向该宏块的右侧宏块进行搜 索，对基准宏块和该宏块的纹理和灰度信息进行比较。当匹配成功之后，转向下 方宏块，进行上述比较。依此类推，搜索的过程在图4 3 中表示。 在对宏块进行匹配中，匹配区域的选择非常重要，匹配区域选择的过大将会 影响算法的空间复杂度和时间复杂度，而匹配区域过小又会使得算法的准确程度 下降。为了保证视频稳像系统能够及时的完成任务，因此本文选用运算复杂度较 小且性能相对较好的半像素级作为步进单位进行运算。 4 1 4 视频对象和背景对象的确定 在进行视频物体轮廓匹配之后，各个与用户指定的物体轮廓相匹配的图像区 域都被选定了。由用户特定轮廓围起的区域就是被筛选出的视频对象，而从原始 视频图像中除去视频物体之后的部分就是背景对象。被提取出来的重要视频对象 和背景视频对象都被系统分别进行存储和处理。 在一幅视频图像中可能有多个重要视频对象，在保存它们的时候需要保留它 们在原始图像中的位置信息。由于各个视频物体之间可能存在互相遮挡的情况， 因此系统还要对视频对象进行进一步处理以更加精确的确定每个视频对象。 对于整体运动的视频对象来说，即刚体视频对象，由于其外形固定，在遮挡 的情况下很少出现匹配不准的问题。而对于非整体运动的视频对象，即非刚体视 频对象，由于非刚体的运动速度慢，而且不是整体运动，因此如果两帧之间对应 视频对象的位移较小，则对于视频物体的匹配效果会很差。 本文使用视频图像序列中视频物体边缘的相关性来对视频对象进行精确处 理，即利用中间一帧与前一帧和后一帧图像边缘重合的区域作为中间一帧中视频 对象的边缘 3 1 , 3 3 。这种办法不但能够解决刚体视频对象之间相互遮挡的问题，如 堆积在一起的油桶等，也能够很好的解决非刚体视频对象，如人体之间遮挡的问 题。 另一方面，由于系统对于背景视频对象的处理程度较低，且背景视频对象通 常较重要视频对象而言不会出现相互遮挡的情况，故此仅仅将背景视频对象简单 保存就可以了。 第四章视频稳像系统的详细设计 始 建立基准老块 搜索基准宏块的d 侧宏块 有丰搜索左块? 疆j 舀宙话i 瓢 的左下宏块 y 当前搜索生块还 有左下宏块吗? 擅索当前搜索右执 的下方宏块 一 n r 甫未搜索宏块? _ + y 孺女办女i 甄 的右上老块 v， 前婴索址，i ，。z n “j7 k 、 t 1 二覆棼t 啦! n “口， t 图4 4 搜索视频对象模块流程图 第四章视频稳像系统的详细设计 4 2 特征提取与匹配模块的详细设计 4 2 1 消除边缘响应点 如前文中所描述的，对视频图像序列中的特征点的提取首先要建立高斯图像 金字塔和高斯差分金字塔，之后通过精确定位空间极值点等步骤获得特征点和特 征点的特征向量。在这一系列运算中，对于空间极值点的定位是重中之重，其结 果直接影响到特征点提取和匹配算法结果的精度【3 2 】。由于火场内部环境复杂，因 此在火灾现场采集到的原始视频数据中常常有大量的噪声干扰，这会使得算法在 计算过程中产生大量不稳定的边缘响应点，降低算法的性能。 本文采用拟合三维二次函数来减少不稳定的边缘响应点的数目，并对特征点 进行精确定位，从而达到增强算法稳定性，提高算法抗噪声干扰的能力州。本文 中使用的去除边缘响应点的办法如下【3 2 】： ( 1 ) 首先计算一个空间极值点的主曲率，该主曲率通过一个二阶矩阵求出。 肚匮。d x 蜘y 。 其中d 是上文所述的高斯差分算子。 d 。= d x + l ，y 】+ d x 一1 ，y 一2 d x ，y 】 ( 4 - 2 ) d 。= d x l ，y + 】+ d 【x ，y 一1 - 2 d x ，y ( 4 - 3 ) d n = o 2 5 d x + l ，y + 1 - d x + l ，y - 1 - d x l ，y 1 + d x - l ，y - l 】 ( 4 4 ) ( 2 ) 空间极值点的主曲率与矩阵h 的特征值成正比，令口，卢分别为矩阵h 的最大特征值和最小特征值，令丁( h ) = d 。+ d 。= 口+ ， e ( h ) = d 。d 。- ( d 。) 2 = q 矽，口= 历，贝0 有： t ( h ) 2 ：! 竺旦：蟛：1 2 型( 4 5 ) 一= 一= = 一= = 一 一? j e o h 、)仅p印2， 其中，当口与相等时立! 蔓的值最小，而随着y 值的增大立垡也增大。 ( 3 ) 因此，在检查空间极值点的主曲率是否在阈值y 的范围内，只需要检验 下列不等式是否成立。 三盟 t o t a l ； 建立特征描述算子 f o r ( i = o ；i o c t v d d a t a 一 i n w l ，d d a t a - r ， d d a t a - c ，f e a t - o r i ，d d a t a 一 s c lo c t v , d ，n ) ； h i s t t o d e s c r ( h i s t ，d ，玛f e a t ) ； r e l e a s e d e s c r h i s t ( & h i s t ，d ) ； ) ) 建立特征描述算子之后开始对特征点进行提取。代码中i m g 是视频图像帧的 指针，f e a t 是特征点集，n 是特征点的数目。 v o i dd r a w _ f e a t u r e s ( i p l l m a g e 木i m g ，s t r u c tf e a t u r e 宰f e a t ，i mn ) h a tt y p e ； t y p e 决定了特征点的提取方式 本文使用两种特征点提取方式，一种是由牛津大学提出的v g g 改进算 法，另一种是s i f t 算法原作者d a v i dl o w e 提出的算法。 i f ( ! f e a t ) 如果无法找到特征点 f p r i n t f ( s t d e r r , ”w a r n i n g ：n of e a t u r e st od r a w , sl i n e d n ”) ； 输出错误提示信息 r e t u r n ； ) s w i t c h ( t y p e ) 判断特征点的提取方式 c a s ef e a t u r e o x f d ： d r a w _ o x f d _ f e a t u r e s ( i m g ，f e a t ，n ) ； b r e a k ； c a s ef e a t u r e l o w e ： d r a w _ l o w e _ f e a t u r e s ( i m g ，f e a t ，1 1 ) ； b r e a k ； d e f a u l t ： f p r i n t f ( s t d e r r , ”w a r n i n g ：d r a w f e a t u r e s 0 ：u n r e c o g n i z e df e a t u r e ”t t y p e ，s ，l i n e d n ”) ； b r e a k ； ) 4 3 第五章视频稳像系统的实现 j 至此，特征点提取阶段结束。接下来要对提取到的特征点进行匹配。在特征 点匹配运算中，本文首先读取视频图像序列中前后两帧图像的特征点，之后通过 判断这些特征点对应的尺度，再对这些特征点进行匹配。 ( i p l l m a g e * i m 9 1 宰i m