一、电子稳像技术发展评述（论文文献综述）
王施鳗[1]（2020）在《基于机载平台的红外电子稳像技术研究与实现》文中指出随着海上运输业、渔业以及海洋资源开发业的发展,海难事故发生的频次也随之增加。海上环境恶劣,救援困难,我国在深远海救助保障方面存在不足,尤其是海难发生时,对海面遇险目标的搜寻技术方面明显存在不足。所以,研发一套快速、准确的机载海面遇险目标搜寻系统十分重要。红外相机成像时不受恶劣海况限制且能够全天候工作,将红外相机与救助直升机相结合,能够提高遇险目标搜寻的成功率。飞机飞行过程中产生的颠簸、晃动会使得采集到的红外图像序列存在抖动,影响人眼对遇险目标的察看,不利于后续对红外图像进行目标的检测、定位与跟踪。因此,使用快速有效的稳像算法去除基于机载平台的红外图像序列中的抖动具有重要的实用价值。本文研究了红外图像序列的电子稳像方法,包括运动估计算法、运动滤波算法、运动补偿算法。运动估计算法的准确性是稳像效果的重要保障,为了保证稳像效果,必须使运动估计算法尽可能准确地计算出两帧图像间的偏移量,本文对常见的运动估计算法,包括灰度投影算法、光流算法和特征点匹配算法进行分析,结合基于机载平台的红外图像的特性,最终选用了基于Harris角点的运动估计算法,但是采用该算法对于成像质量较差的红外图像来说存在着无法检测出数量足够且均匀分布的角点的问题。为了解决这个问题本文提出了一种采用改进的Harris角点响应函数结合距离约束条件来检测角点的方法,并对检测出的角点进行了进一步的位置坐标校正,然后利用提出的关键帧参考方式结合多尺度的金字塔光流算法进行跟踪匹配,完成了运动估计。运动滤波算法可以去除运动估计中得到的高频抖动分量,保留相机的主动运动分量。本文采用了基于Kalman滤波器的运动滤波算法得到主动运动分量。运动补偿算法是针对运动滤波算法输出的主动运动分量计算运动补偿向量,然后基于仿射变换模型对图像进行移像补偿,输出稳定的图像序列。移像后的图像边缘会出现未定义像素区域,使图像出现黑边,影响视频质量。为解决传统剪裁法降低图像分辨率、图像拼接法难以实现实时处理的问题,本文提出了一种基于邻域的未定义区域补偿算法。在图像显示区域取面积最大的矩形,将矩形图像显示区域外的区域视为未定义区域,利用未定义区域宽度的1/n邻域图像区域进行补偿,既保留了目标区域的分辨率又解决了实n时稳像的问题。实验结果表明,本文所采用的方法能够对帧频为50fps的红外图像序列进行实时处理,并且运动估计精度可以达到亚像素级别。图像序列去除抖动后,人眼在察看图像序列中的目标时更加舒适,且稳定的图像序列为后续红外图像目标检测、定位与跟踪提供了保障。
郁靖[2]（2020）在《基于PRNU噪声的数字视频来源被动取证算法研究》文中提出随着互联网技术的发展,视频已成为当今社会信息传递的主要载体。视频在给人们生活带来便利的同时,也会成为不法分子用来犯罪的手段,例如盗版、散播谣言等。且随着AI（Artificial Intelligence）技术的发展,视频篡改技术日新月异,但相应的视频取证技术还在不断地发展当中。为了保证视频信息的真实有效性,避免事实真相被恶意地扭曲,研究视频的被动取证技术具有重要的现实意义。本文聚焦于数字视频来源被动取证问题,设计并编程实现了数字视频来源被动取证的改进算法。根据视频拍摄过程中,是否应用稳像技术,将视频分为稳像视频和非稳像视频,本文对这两类视频的来源被动取证技术分别进行了研究,主要工作有如下几个方面:（1）针对非稳像视频源,改进了基于PRNU（Photo Response Non-Uniformity）噪声的视频来源被动取证算法。首先,为了获得较为理想的PRNU噪声,根据H.264编码原理,提取视频中的I类型帧;其次,针对噪声帧中视频内容信息残留问题,将噪声帧的幅度谱归一化。最后,为降低PRNU噪声的冗余性,将PRNU噪声进行降采样,得到DPRNU（Down sampled Photo Response Non-Uniformity）噪声。实验结果表明:与原算法相比,DPRNU噪声不仅可以有效提升识别准确率,而且匹配速度快。（2）针对稳像视频源,为了提高在电子稳像视频中估算PRNU噪声的效率,改进了PRNU噪声的提取流程,从频域构造HPRNU（Hybrid Photo Response Non-Uniformity）噪声作为相机指纹。首先,分析了电子稳像技术,构造相关的几何变换数学模型。其次,为了解决旋转变换的影响,设计旋转指数?识别遭受旋转操作的视频帧,在估算HPRNU噪声时将其去除。最后,为了解决位移和尺度变换的影响,利用离散傅里叶变换,将视频第一帧图片噪声的相位谱和其余噪声帧的平均归一化幅度谱结合,构成HPRNU噪声作为视频拍摄设备的指纹。实验结果表明:基于HPRNU噪声的视频来源被动取证算法的识别准确率与目前相关的最优算法相当,但计算复杂度大大降低。（3）同时,分析对比了3种不同滤波算法对提取DPRNU噪声的影响,实验结果表明:基于小波变换的维纳滤波器是提取DPRNU噪声的最佳选择。实验结果表明:本文研究的数字视频来源被动取证的改进算法具有一定的工程应用价值。
刘哲[3]（2020）在《电子稳像系统设计和实现》文中认为电子稳像技术作为图像处理的一个重要发展方向,在稳像平台的实时性、准确性和可靠性方面具有显着作用。电子稳像系统在军工和民用领域得到广泛应用,推动了目标跟踪技术和视频增强技术的快速发展。同时随着硬件和软件的快速发展,电子设备小型化进程日新月异,原有的串行图像匹配检测工作方式阻碍了视频处理系统实时稳像的进一步发展。因此,探索并行处理稳像数据的新方法,对提高电子稳像系统的性能,具有重要工程应用价值。论文针对传统电子稳像技术的缺陷,构建了基于灰度投影的FPGA实时电子稳像平台,主要研究工作和贡献如下:1.分析了经典的运动估计算法,并总结出算法的适用场景和优缺点。基于两种运动补偿算法的适用场景和优缺点,提出了有效的帧补偿方法和稳像评价标准。2.进行了电子稳像技术的理论分析、算法选择和仿真分析。通过理论分析,解释了选择灰度投影运动估计的原因。选择灰度投影稳像算法,按照图像预处理、灰度投影、投影滤波、互相关计算、运动补偿的流程,奠定了硬件实现的基础。3.提出了基于FPGA的电子稳像硬件设计方案。从图像采集模块和算法硬件移植两方面阐述了稳像系统的工作方式,灰度投影模块通过图像裁切保证了运动估计需要的时间和系统的补偿精度;基于FPGA的并行特性,引入快速中值滤波算法和行场变换图像补偿技术,减小了视频序列的存储延迟,提高了系统响应速度。本文采用XILINX公司的FPGA开发板,配合VIVADO软件对图像采集、图像预处理、灰度投影估计、运动补偿及图像显示进行在线仿真和测试。实验结果表明基于FPGA平台的灰度投影稳像系统可以实现10×10的稳像范围补偿,设备保真度高,处理速度可以达到每秒30帧的民用标准,对抖动序列有较好的稳像效果。
郝有菲[4]（2020）在《基于特征点匹配的图像配准及稳像技术研究》文中指出图像配准技术是图像拼接、图像融合等高级应用中关键的步骤之一,由于其应用的广泛性,一直以来都是一个研究热点。图像配准方式大致可以分为两大类:基于区域的匹配方法和基于特征的匹配方法。由于基于特征的方法是将图像的重要表达信息选取分析,在匹配中大幅度的降低了计算量,另外,特征的提取能够抗噪声,且能较好的适应灰度变化、视角变化及遮挡等干扰。因此,本文中选择基于特征点的配准方法进行研究。随着多年来国内外学者的大量研究,目前图像配准及其相关方面的应用都取得了较大的进展,但对于具有动态变化、光照变换和相似特征过多的场景图像而言,其配准的精确性和实时性都存在一定的差距。通过对特征点的提取及匹配准则的分析研究,在前人的研究基础之上文中对特征点的有效提取及匹配准则等问题提出了相应的改进措施。另外,将基于特征点的配准方法和运动滤波相结合应用于视频序列的稳像中,以提高输出视频的稳定性。主要研究方法有三部分:（1）特征点的提取方面,提出一种混合特征下预测最优阈值实现图像特征提取的方法。针对SIFT（Scale-invariant feature transform）算法由于固定对比度阈值不能适应图像具体场景而使得特征点数目存在过多或过少的问题,本文对其提出改进措施,在提取纹理参数向量后,先利用纹理特征二阶矩构造阈值预测模型,再将其添加到匹配准则中。实验结果表明,改进的方法能够依据图像特性自适应调节对比度阈值得到适量的特征点,而且还能有效降低相似误匹配的现象。（2）序列图像的匹配方面,提出一种基于序列图像的自适应阈值检测匹配算法。SIFT算法在处理光照、模糊等复杂场景下的序列图像匹配时,由于预先设置固定阈值对场景具体特性缺乏考虑,因此会出现图像间匹配难度大,匹配率低等问题。针对这些问题,本文改进的方法中首先分析序列图像的统计特征,然后按主成分分析法计算各统计特征的综合指标,根据主要影响因子及统计特征构造特征点检测自适应阈值预测模型。实验结果表明,自适应阈值预测模型的引入克服了多种极限情况,改善了复杂环境下序列图像的匹配效果,尤其在处理光照序列图像时具有较好的鲁棒性。（3）通过研究和分析电子稳像处理的原理和方法之后,本文将基于特征点匹配的配准方法与运动滤波相结合应用到电子稳像中。首先利用基于特征点的匹配方法计算得到各帧图像间的模型估计参数,再采用Kalman滤波对随机抖动矢量进行剔除以校正和补偿模型参数。结果表明,经过运动滤波处理后视频中的随机抖动矢量能够被有效去除,从而得到稳定的输出视频序列。
郝亚辛[5]（2020）在《电子稳像技术研究及实现》文中研究指明随着科学技术的发展,电子稳像作为一种方便快捷的稳像方法得到广泛应用。摄像设备受到环境因素的影响,会发生抖动,引起拍摄视频或图像的不稳定、模糊。这不仅严重影响人们从视频图像中获取对自己有用的信息,而且对视频图像的后续处理及利用造成很大不便。电子稳像直接对获取的视频图像进行处理,来消除抖动。本文针对红外视频中的旋转和平移抖动展开研究,提出一种基于陀螺仪和特征点匹配的综合性方法。本文对稳像的基础理论进行详细阐述,阐述了视频模糊产生机理、图像运动模型,构建了电子稳像的数学模型。详细论述了几种常用的运动估计算法,对其优缺点进行分析,并做了部分改进。针对传统算法对视频中旋转抖动不敏感的问题,本文在视频采集时利用陀螺仪记录摄像设备的旋转角速度,对记录的数据进行卡尔曼滤波,线性插值后,积分求得旋转矩阵,进而求得准确的摄像机旋转运算矢量。此方法可以有效避免红外图像灰度级不明显的缺点,并减少了运动估计中的计算量。针对陀螺仪无法获取摄像设备平移抖动的问题,本文通过SIFT特征点匹配进行平移运动估计,首先通过Sobel算子进行特征区域寻找,在特征区域上进行特征点匹配后,利RANSAC算法筛选误匹配,并通过改进的k邻近避免了人为介入设定阈值,提高了算法对不同场景的适用性。针对本文方法,采集视频进行了验证。实验结果表明,本文方法可以有效的消除视频中的抖动。
黄梓健[6]（2019）在《基于复杂运动视频的电子稳像系统研究》文中研究说明近年来随着科学技术的进步,摄像机获取的视频不仅用于人们观赏,而且广泛应用于民生、军事、医疗等领域,越来越多的机器被装上了摄像装置。不同设备上录入的视频会有不通的应用,如自动驾驶中摄像头采集到的的视频用来监测路面信息,停车场出入口的摄像机用来检测出入汽车的车牌号等等,这一切的前提就是要求设备有一个清晰、稳定的输入视频,而视频在进行录制时会产生抖动,不规则的抖动会干扰算法对录入视频内信息的识别,因此对视频的稳像处理具有十分重要的意义。本文以随机步长、带有旋转抖动的复杂运动视频为研究背景,对电子稳像过程中使用到的运动估计、人工蜂群算法等关键技术进行研究,实现复杂运动视频的稳像,具体内容如下:首先,针对传统蜂群算法收敛速度慢、易于陷入局部极小的问题,借鉴差分进化思想,在寻优初始阶段,通过引入多个随机值的方式,维持种群多样性,防止算法早熟;在搜索后期减少随机参数,增加最优值作为引导参数,提高算法局部搜索能力,加快算法收敛速度。该方法在防止算法陷入局部最优的同时提高了寻优速度和精度。其次,针对传统识别复杂运动视频的算法运算时间长、效率低的问题,提出一种双块匹配方法,通过两块的运动矢量对整帧的图像进行缩放移动,完成视频的旋转抖动识别,并通过实验验证了算法的可行性。再次,针对复杂运动视频中部分帧的位移步长大、运动方向不规律使得搜索效率低的问题,引入改进的蜂群算法作为块匹配法的搜索策略,并将前两帧的运动矢量作为下一次运算的先验知识,形成基于先验知识的初始种群,从而更快地完成对复杂运动视频的稳像。最后,建立完整的电子稳像系统,通过不同类型的抖动视频进行对比实验,并使用帧间差分法等评价方法对改进算法进行评价,结果表明,改进的算法可以对复杂运动视频进行快速准确的稳像处理。
何逍阳[7]（2019）在《基于DSP的实时电子稳像与目标跟踪技术研究》文中研究指明伴随着人工智能的发展,目标跟踪在车辆、无人机等动平台下广泛运用,对自动驾驶、刑侦追踪、武器制导等军民领域有重要意义。在动平台视频跟踪系统中,DSP处理器计算和存储资源有限,算法实时性和精确度要求较高。同时,动平台系统抖动现象严重,对人工操作和跟踪性能干扰明显。为此,本文在对电子稳像算法和图像跟踪算法研究的基础上,实现了基于DSP+FPGA的实时视频稳像跟踪系统,并进行实验测试。本文主要工作包括:（1）针对图像处理系统采集传输视频数据的需求,本文在高速DSP+FPGA双处理器硬件平台上,利用FPGA现场编程灵活性和电气接口丰富性,在处理器内设计视频解码模块获取Camera Link数字视频。同时,FPGA与DSP协同设计SRIO通信模块实现视频数据传输,DSP获取获图像数据后算法处理并传送至上位机显示。实验测试结果显示视频传输速度达到35帧/s。（2）针对动平台目标跟踪系统实时视频稳像的需求,本文在图像采集的基础上,选取稳像算法中实时性和精确度综合性能较好的灰度投影法对图像数据稳像。同时,对稳像算法改进优化,用分块匹配投影方法,降低运动物体干扰;用均值滤波方法,补偿相机大平移运动,提取相机抖动分量。在DSP处理器上实验结果表明,本文实现的灰度投影算法满足实时性要求,优化后算法的PSNR值比传统灰度投影法多23dB。（3）针对目标跟踪系统的实时性和跟踪性能的综合要求,本文利用多特征融合优化改进粒子滤波算法,提高了跟踪算法的精确度。同时,为满足长期跟踪需求,适应长时间跟踪条件下的目标尺度变化,利用直方图特征估计目标缩放尺度,实现自适应尺度变化。在DSP处理器上实验结果表明,算法具有一定的尺度和遮挡鲁棒性,能够适应较长时间稳定实时跟踪。本文充分利用DSP处理器和FPGA处理器性能优势,设计实现动平台条件下实时视频传输、电子稳像与目标跟踪功能,满足视频目标跟踪工程应用需求。
郑鹏珍[8]（2019）在《复合运动下的电子稳像算法研究》文中认为电子稳像EIS（Electronic Image Stabilization）技术是图像处理技术和视频处理技术的热门研究之一,它能够有效解决由于摄像机载体随机运动导致的图像抖动问题,得到稳定、清晰、平滑的视频图像,同时也能提高目标检测、目标识别、目标跟踪的精度和人眼观赏的稳定性和舒适性,因此在军事领域和民用领域皆有很高的应用价值。本文以复合运动下的电子稳像算法研究为主线,深入分析了电子稳像的三大关键技术模块:运动估计模块、运动滤波模块和运动补偿模块。考虑到摄像机载体的复合运动带来图像抖动的复合性和图像场景的多变性,导致稳像算法的稳像精度低、处理速度慢的问题,本文主要从以下几点进行深入研究:（1）针对复合运动下运动状态的多样性和场景的多变性,造成传统特征点提取算法速度慢、分布不均匀的问题,本文采用了一种自适应阈值的ORB特征点算法。抖动图像有用信息多集中在图像中央区域,本文通过对图像进行感兴趣区域划分,能够有效地提升特征点提取速度。此外,针对不同场景下,图像信息存在一定程度的差异,若采用同一阈值进行特征点提取,往往会造成特征点数量不合适和分布不均匀的问题,因此本文对感兴趣区域分块处理并利用自适应阈值算法进行特征点提取,实现不同场景下均能获得合适数量且均匀分布的特征点。（2）为了提升运动估计的精度和速度,本文提出了最佳搜索区域的方法,将参考帧特征点作为中心,利用上一帧运动矢量的模来构建最佳搜索区域,能够有效地减小基于汉明距离的LSH特征点搜索匹配算法的搜索区域,从而提高特征点搜索匹配速度;另外,针对RANSAC算法精度不高的问题,采用PROSAC算法剔除误匹配的特征点对,提高特征点匹配精度,进而提升运动估计的精度。（3）为了提升稳像显示效果,本文利用卡尔曼滤波算法获得随机抖动分量,保留摄像机的有意扫描运动,使得运动补偿后的图像不但去除抖动还保留了真实场景变换,同时对最佳显示区域进行双线性插值,达到去除黑色区域的目的。另外,针对传统参考帧更新策略带来的帧间跳变问题,本文提出了一种自适应参考帧更新策略,使得帧间过度自然,显示稳定。（4）对本文算法进行实验,从主观和客观上分析实验结果可知,本文算法能够有效解决复合运动下的视频抖动问题,速度较对比算法提升1.26倍,实现了稳像精度和实时性的良性结合。
郝铎[9]（2019）在《雨天车载光电系统运动物体检测关键技术研究》文中提出随着科技进步,光电检测设备作为现代战争中有效的信息收集手段得到越来越多的关注。光电检测设备以摄（照）像机作为成像单元,通过将视场内的光辐射信号转换为相应的电信号（图像、视频）,然后对所得到的电信号进行收集、分析和处理,完成目标识别、跟踪等复杂操作。路基车载光电检测设备作为三位一体预警系统中最为常见的侦察方式之一,在未来高技术、高信息化的联合战争中是不可或缺的组成部分。因此,对车载光电检测相关技术进行研究具有重要军事战略意义。运动物体检测是光电系统发现战场有效目标的主要技术手段。装甲车光电系统工作环境恶劣、作战环境变化快,增加了运动物体检测的难度。本文针对车载光电系统在强降雨天气环境下运动物体检测的相关技术难点进行探讨,旨在:针对复杂帧间运动造成车载光电系统稳像精度较差的问题,探索一种自适应电子稳像（DIS）方法;针对实时变化的视场内容,研究一种鲁棒性较强的动态背景运动物体检测方法;针对雨天环境下的雨滴干扰问题,探索一种有效的雨滴去除技术,以提高雨天环境下运动物体检测的精度。基于以上目的,本文的研究工作主要包括以下几个部分:首先,针对传统DIS方法在视频存在非线性帧间运动时稳像精度差的问题,提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）和相对熵评价准则的运动滤波方法。概述了车载光电系统的视频序列特点和帧间运动参数模型,分析了不同运动估计方法和运动滤波方法优缺点。结合CEEMDAN和相对熵理论,根据全局运动矢量中的有意运动与随机抖动之间的频率差异,将全局运动矢量序列分解为多维的本征模态函数（IMF）,实现两种运动成分的自适应分离;利用相对熵评价准则对IMF进行分类,确定有意运动和随机抖动各自主导的IMF,重构出相应的运动矢量;通过运动补偿实现光电系统的自适应稳像。仿真实验结果表明,与传统滤波方法相比,新滤波方法重构结果的均方根误差均值和方差分别最小可降低10.0%和17.1%;经新方法稳定后的两组视频序列帧间平均峰值信噪比（PSNR）分别最少可提高13.1%和16.7%。其次,针对传统运动物体检测方法对亮度变化鲁棒性不强的问题,提出一种基于改进背景码书模型的运动物体检测方法。通过分析传统背景码书模型理论,论证其在低亮度（亮度接近0）和高亮度（亮度接近255）区域的误检测原因。通过改进高亮度区域的色彩偏差计算方法,避免了传统码书算法在构建该区域的背景码书时出现的码字匮乏现象,并通过统计视频帧内相同位置像素的亮度最大值和最小值之差,确定合适的亮度阈值区间范围。在改进的背景码书模型的基础上,建立了动态背景下运动物体检测方法。新方法能够自适应地根据视频内容对参数进行调整,可避免传统方法在低亮度/高亮度区域造成的亮度阈值区间过窄/过宽的问题。在仿真实验中,与传统运动目标检测方法对比,新方法所获得检测结果的Tanimoto/Jacard误差（T/JE）最小可降低30.7%,归一化绝对误差（NAE）最小可降低33.8%。将新方法应用于包含抖动的视频,并开展运动物体检测实验,其检测结果能够准确地反应视场中出现的运动物体。最后,针对强降雨天气环境下雨滴造成的运动物体检测精度下降的问题,提出基于二维变分模态分解（VMD）和选择性均值补偿策略的雨滴去除技术。阐述了雨滴在单幅图像中成像的频域模型,并根据雨滴成像的频谱特点,引入了变分图像分解模型。新方法结合雨滴成像的频域模型和二维VMD算法的相关理论,对雨景图像进行自适应分解,提取含雨频带子图像;并且根据雨滴成像亮度特性和空域特性,采用阈值检测方法确定雨滴位置,并对雨滴周围像素进行选择平均来补偿雨滴像素、消除雨滴影响。该方法仅在含雨窄频带的子图像上进行补偿,可有效减轻去雨操作所造成的图像有用信息丢失问题。实验结果表明,与传统去雨方法相比,新方法所得结果有更高的PSNR以及结构相似度,证明该方法不仅具有良好的雨滴去除效果,而且重构图像更加清晰。实际雨景视频的运动物体检测的实验表明,与直接进行运动物体检测相比,去雨后运动物体检测结果的T/JE平均可降低41.16%,NAE平均可降低68.90%。
杨启航[10]（2018）在《基于特征点匹配的电子稳像算法研究及其硬件实现》文中研究指明电子稳像是将电子科学和数字图像处理相结合的新一代稳像技术。相比于传统的机械稳像和光学稳像,电子稳像技术由于具备体积小、精度高、成本低等优点,逐渐成为当前稳像技术的主要研究方向,广泛应用于机载、舰载、车载等各种场合。由于这些摄像载体在拍摄过程中容易受到外界因素的干扰,从而导致输出的视频序列出现不规则的抖动,使得视频中的图像信息不能得到有效的利用。电子稳像技术的主要目的就是消除视频的帧间抖动,提高视频质量和观测效果。论文分析了基于特征点匹配的电子稳像基本原理,以待测图像像素点与其半径为3的圆周上16个像素点的灰度差值为基准计算整幅图像的对比度,使其作为FAST特征点检测算法的动态阈值,能够针对不同条件下的视频图像检测出合适的特征点个数。接着采用非极大值抑制方法对检测到的特征点进行筛选,降低了图像中特征点的聚集现象。通过计算每个特征点邻域的灰度质心,有效改善了 BRIEF算法旋转不变性差的问题,使其能够对任意旋转角度的图像进行特征点描述,通过汉明距离和2近邻方法匹配两幅图像的特征点,采用PROSAC算法进一步筛选错误的匹配点对,减少了错误的匹配点对,并通过仿射变换模型计算全局运动矢量。采用Kalman滤波分离全局运动矢量中的主观运动矢量和随机抖动分量。最后通过双线性插值的方式对抖动图像进行补偿,并利用参考帧图像对补偿后图像的未定义像素区域进行重建。传统的电子稳像系统都是以计算机软件的方式实现的,其固有的串行工作模式使得计算机难以达到对运算量要求过高的电子稳像系统实时性要求。所以,论文搭建了电子稳像系统硬件平台,以ALTERA公司STRATIXⅣ系列的FPGA为控制核心,实现了稳像系统的硬件电路设计,增强系统应用的实时性,该系统主要包含了稳像处理单元、系统总线和存储模块、视频的输入输出模块。稳像系统通过OV5642摄像头为其提供输入视频源,送入视频采集模块,然后将视频中有效的图像信息传输给稳像处理单元,最后将处理后的视频序列输出到VGA显示器上进行显示。其中稳像处理单元包括图像的特征点提取、特征点描述和匹配、计算全局运动矢量、Kalman滤波以及图像恢复等模块,通过系统总线和外部存储实现各功能模块间的数据传输和缓存。接下来采用MENTOR公司的Modelsim软件对整个电子稳像硬件系统各模块进行了功能验证,给出了实验仿真结果。最后在FPGA开发板上进行稳像系统的板级验证,给出了系统的性能、功耗。实验结果表明,本文稳像系统平合能够对最大分辨率为1024×768、帧速率为28fps的视频图像的平移和旋转抖动进行恢复。
二、电子稳像技术发展评述（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电子稳像技术发展评述（论文提纲范文）
（1）基于机载平台的红外电子稳像技术研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 机载红外图像稳像算法的难点 |
| 1.4 本文研究内容与章节安排 |
| 2 基于机载光电平台红外图像序列的电子稳像算法 |
| 2.1 硬件系统介绍 |
| 2.2 基于机载光电平台的红外图像特性分析 |
| 2.3 电子稳像算法分析 |
| 2.4 本文算法设计原理 |
| 2.5 本章小结 |
| 3 运动估计算法 |
| 3.1 光流算法 |
| 3.1.1 光流算法原理 |
| 3.1.2 多尺度金字塔光流算法 |
| 3.2 基于Harris角点的运动估计算法 |
| 3.2.1 Harris角点提取算法 |
| 3.2.2 帧间运动模型 |
| 3.3 基于改进的Harris角点与多尺度金字塔光流法结合的运动估计算法 |
| 3.3.1 改进的Harris角点提取 |
| 3.3.2 亚像素角点定位 |
| 3.3.3 关键帧参考方式 |
| 3.3.4 Harris角点提取与匹配实验结果及分析 |
| 3.4 本章小结 |
| 4 运动滤波算法与运动补偿算法 |
| 4.1 基于Kalman滤波器的运动滤波算法 |
| 4.2 Kalman运动滤波实验结果及分析 |
| 4.3 运动补偿 |
| 4.3.1 轨迹平滑 |
| 4.3.2 未定义区域补偿算法 |
| 4.3.3 未定义区域补偿算法实验结果及分析 |
| 4.4 本章小结 |
| 5 电子稳像算法实验验证与结果分析 |
| 5.1 稳像算法评价方法 |
| 5.1.1 主观评价标准 |
| 5.1.2 客观评价标准 |
| 5.2 海面实验 |
| 5.3 稳像算法实验结果分析 |
| 5.3.1 运动估计准确性 |
| 5.3.2 稳像效果 |
| 5.3.3 稳像速度 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（2）基于PRNU噪声的数字视频来源被动取证算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 国内外研究现状 |
| 1.2.1 数字图像来源被动取证技术 |
| 1.2.2 数字视频来源被动取证技术 |
| 1.2.3 图像滤波算法 |
| 1.3 论文研究内容及组织结构 |
| 第2章 PRNU噪声相关理论 |
| 2.1 成像噪声 |
| 2.2 镜头成像数学模型 |
| 2.3 基于PRNU的相机指纹估计 |
| 2.4 图像滤波器 |
| 2.4.1 双边滤波器 |
| 2.4.2 基于小波变换的维纳滤波 |
| 2.4.3 非局部均值滤波器 |
| 2.5 电子稳像技术 |
| 2.5.1 电子稳像基本原理 |
| 2.5.2 随机运动数学模型 |
| 2.6 相关系数计算 |
| 2.7 本章小结 |
| 第3章 非稳像视频来源被动取证算法 |
| 3.1 关键问题分析 |
| 3.2 算法设计 |
| 3.2.1 视频帧预处理 |
| 3.2.2 PRNU噪声分量增强 |
| 3.2.3 降采样 |
| 3.3 算法实现 |
| 3.3.1 I类型帧提取 |
| 3.3.2 噪声中内容信息抑制 |
| 3.3.3 降采样设置 |
| 3.3.4 滤波器设置 |
| 3.4 实验结果与分析 |
| 3.4.1 实验数据及评价指标介绍 |
| 3.4.2 算法改进有效性验证 |
| 3.4.3 综合对比分析 |
| 3.5 本章小结 |
| 第4章 稳像视频来源被动取证算法研究 |
| 4.1 关键问题分析 |
| 4.2 算法设计 |
| 4.2.1 电子稳像技术鉴别 |
| 4.2.2 相位谱选取 |
| 4.2.3 幅度谱计算 |
| 4.2.4 旋转视频帧鉴别 |
| 4.3 算法实现 |
| 4.3.1 电子稳像技术鉴别算法 |
| 4.3.2 HPRNU噪声提取 |
| 4.4 实验结果及分析 |
| 4.4.1 实验数据及评价指标介绍 |
| 4.4.2 算法改进有效性验证 |
| 4.4.3 综合对比分析 |
| 4.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
（3）电子稳像系统设计和实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究目的和意义 |
| 1.2 电子稳像国内外发展现状 |
| 1.3 本文主要工作与章节安排 |
| 第二章 电子稳像综述和评价指标 |
| 2.1 电子稳像的基本原理 |
| 2.2 电子稳像常用算法分析 |
| 2.2.1 经典的运动估计算法 |
| 2.2.2 运动补偿算法 |
| 2.3 电子稳像的评价标准 |
| 2.4 本章小结 |
| 第三章 电子稳像算法设计与仿真 |
| 3.1 稳像算法的选择 |
| 3.2 稳像算法处理方案与各模块仿真 |
| 3.2.1 灰度投影预处理 |
| 3.2.2 灰度投影法 |
| 3.2.3 图形运动补偿 |
| 3.3 本章小结 |
| 第四章 硬件系统设计与实现 |
| 4.1 稳像系统设计方案 |
| 4.2 图像数据采集模块设计 |
| 4.3 快速中值滤波算法设计 |
| 4.4 灰度投影模块设计 |
| 4.4.1 行列投影移植方案 |
| 4.4.2 互相关计算模块 |
| 4.4.3 运动补偿模块 |
| 4.5 本章小结 |
| 第五章 模块测试与系统评价 |
| 5.1 FPGA硬件平台选择 |
| 5.2 MZ7XA硬件平台开发 |
| 5.2.1 硬件平台MZ7XA介绍 |
| 5.2.2 OV7725摄像头介绍 |
| 5.3 硬件开发工具介绍 |
| 5.4 图像采集、储存及显示测试 |
| 5.4.1 HDMI显示测试 |
| 5.4.2 DDR3存储测试 |
| 5.4.3 OV7725摄像头采集 |
| 5.5 图像预处理测试 |
| 5.6 稳像效果测试与评价 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于特征点匹配的图像配准及稳像技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 图像配准技术 |
| 1.1.2 稳像技术 |
| 1.2 研究现状与存在问题 |
| 1.2.1 图像配准及电子稳像技术研究现状 |
| 1.2.2 存在问题及分析 |
| 1.3 论文组织结构 |
| 第2章 图像配准及电子稳像技术概述 |
| 2.1 图像配准技术 |
| 2.1.1 图像配准概念及原理 |
| 2.1.2 基于特征的图像配准方法 |
| 2.2 特征提取与特征匹配 |
| 2.2.1 特征提取方法 |
| 2.2.2 特征匹配方法 |
| 2.3 电子稳像技术 |
| 2.4 本章小结 |
| 第3章 基于混合特征及最优阈值预测的图像匹配方法 |
| 3.1 SIFT算法基本原理 |
| 3.1.1 算法概述 |
| 3.1.2 基本原理与实现步骤 |
| 3.2 混合特征下最优阈值模型的建立 |
| 3.2.1 纹理特征提取 |
| 3.2.2 最优阈值模型的建立 |
| 3.3 引入纹理特征向量约束的匹配准则 |
| 3.4 实验与分析 |
| 3.4.1 实验环境及数据 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 基于自适应SIFT算法的序列图像匹配方法 |
| 4.1 主成分分析法介绍(PCA) |
| 4.2 自适应SIFT算法原理 |
| 4.2.1 SIFT算法在序列图像匹配时存在的问题分析 |
| 4.2.2 序列图像统计信息矩阵及计算 |
| 4.2.3 阈值预测模型及建立 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 基于特征点匹配的电子稳像算法及分析 |
| 5.1 基于特征点匹配运动估计结合运动滤波的电子稳像算法原理 |
| 5.2 运动滤波 |
| 5.3 实验结果及分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（5）电子稳像技术研究及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题的研究意义 |
| 1.3 稳像技术的国内外研究状况 |
| 1.4 本文研究内容和章节安排 |
| 2 稳像技术的基础理论研究 |
| 2.1 稳像的基本原理 |
| 2.2 视频模糊产生机理 |
| 2.3 稳像技术的分类 |
| 2.4 电子稳像技术研究 |
| 2.5 本章小结 |
| 3 电子稳像常用算法研究及改进 |
| 3.1 图像预处理 |
| 3.2 块匹配运动估计算法 |
| 3.3 灰度投影法 |
| 3.4 位平面运动估计算法 |
| 3.5 光流法 |
| 3.6 其他方法 |
| 3.7 稳像系统的框架构建 |
| 3.8 本章小结 |
| 4 基于MEMS陀螺仪的稳像方法 |
| 4.1 陀螺仪参数校准 |
| 4.2 本章方法介绍 |
| 4.3 实验及结果分析 |
| 4.4 本章小结 |
| 5 基于 SIFT 特征点匹配的稳像及改进 |
| 5.1 SIFT特征点检测原理 |
| 5.2 RANSAC特征点筛选 |
| 5.3 实验及结果分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 本文主要工作总结 |
| 6.2 研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于复杂运动视频的电子稳像系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题的国内外研究现状与存在的问题 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 电子稳像技术存在的问题 |
| 1.3 论文的研究内容及结构安排 |
| 第二章 电子稳像的原理及关键技术 |
| 2.1 引言 |
| 2.2 成像运动分析 |
| 2.3 电子稳像原理与评价方法 |
| 2.3.1 基本原理及系统结构 |
| 2.3.2 运动估计方法分析及对比 |
| 2.3.3 电子稳像的评价方法 |
| 2.4 本章小结 |
| 第三章 改进的人工蜂群算法 |
| 3.1 引言 |
| 3.2 蜂群算法 |
| 3.2.1 蜂群算法工作原理 |
| 3.2.2 蜂群算法优缺点分析 |
| 3.3 基于差分进化思想的搜索方式 |
| 3.4 经典函数测试 |
| 3.5 本章小结 |
| 第四章 基于改进块匹配法的运动估计 |
| 4.1 引言 |
| 4.2 块匹配法 |
| 4.2.1 块匹配法基本原理 |
| 4.2.2 搜索策略分析及对比 |
| 4.2.3 匹配准则 |
| 4.2.4 块匹配法优缺点分析 |
| 4.3 改进的块匹配法 |
| 4.3.1 改进思想 |
| 4.3.2 识别方式的改进 |
| 4.3.3 融合改进蜂群算法的搜索策略 |
| 4.4 改进块匹配法测试 |
| 4.4.1 识别方式测试 |
| 4.4.2 搜索策略对比 |
| 4.5 本章小结 |
| 第五章 针对复杂运动视频的电子稳像系统设计 |
| 5.1 引言 |
| 5.2 系统设计 |
| 5.2.1 参考帧的选取 |
| 5.2.2 运动估计 |
| 5.2.3 运动滤波 |
| 5.2.4 运动补偿 |
| 5.3 稳像结果及对比分析 |
| 5.3.1 大幅度复杂运动视频处理结果及对比 |
| 5.3.2 小幅度随机抖动视频处理结果及对比 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（7）基于DSP的实时电子稳像与目标跟踪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电子稳像技术 |
| 1.2.2 目标跟踪技术 |
| 1.2.3 DSP处理器发展 |
| 1.3 论文工作和结构安排 |
| 2 系统平台与工作原理 |
| 2.1 系统数据流和处理流程 |
| 2.2 硬件平台介绍 |
| 2.2.1 FPGA处理器 |
| 2.2.2 DSP处理器 |
| 2.3 系统功能 |
| 2.4 本章小结 |
| 3 视频采集传输模块设计 |
| 3.1 视频采集模块设计 |
| 3.1.1 CameraLink视频协议基础与视频解码器 |
| 3.1.2 视频解码模块 |
| 3.2 视频传输模块设计 |
| 3.2.1 RapidIO协议基础 |
| 3.2.2 FPGA端图像传输模块 |
| 3.2.3 DSP端图像传输模块 |
| 3.3 视频显示模块设计 |
| 3.4 本章小结 |
| 4 电子稳像算法设计与实现 |
| 4.1 经典稳像算法基本原理 |
| 4.1.1 块匹配法原理 |
| 4.1.2 灰度投影原理 |
| 4.1.3 特征匹配原理 |
| 4.1.4 稳像算法比对 |
| 4.2 基于DSP处理器稳像实现与优化 |
| 4.2.1 图像分区减弱异物运动干扰 |
| 4.2.2 二值化预处理提高图像对比度 |
| 4.2.3 均值滤波补偿相机全局运动 |
| 4.3 实验结果 |
| 4.3.1 灰度投影稳像结果 |
| 4.3.2 图像分区实验结果及分析 |
| 4.3.3 二值化预处理实验结果及分析 |
| 4.3.4 全局运动实验结果及分析 |
| 4.4 本章小结 |
| 5 目标跟踪算法设计与实现 |
| 5.1 跟踪算法分析 |
| 5.2 粒子滤波理论 |
| 5.2.1 贝叶斯估计 |
| 5.2.2 蒙特卡洛采样 |
| 5.2.3 序贯重要性采样 |
| 5.2.4 粒子滤波跟踪算法 |
| 5.3 基于DSP处理器跟踪实现与优化 |
| 5.3.1 多特征融合 |
| 5.3.2 目标尺度自适应 |
| 5.3.3 DSP算法优化 |
| 5.4 实验结果 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（8）复合运动下的电子稳像算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 电子稳像技术原理 |
| 2.1 相机成像模型和图像变换模型 |
| 2.1.1 针孔相机成像模型 |
| 2.1.2 图像变换的数学模型 |
| 2.2 视频图像抖动状态分析 |
| 2.2.1 视频图像模糊分析 |
| 2.2.2 视频图像抖动原因 |
| 2.3 电子稳像的关键技术 |
| 2.3.1 运动估计 |
| 2.3.2 运动滤波 |
| 2.3.3 运动补偿 |
| 2.4 本章小结 |
| 第三章 基于特征点匹配的运动估计算法 |
| 3.1 特征点检测算法 |
| 3.1.1 特征点检测算法原理 |
| 3.1.2 特征点检测结果与分析 |
| 3.2 基于ORB算法的特征点检测与描述 |
| 3.2.1 自适应阈值的FAST特征点检测算法 |
| 3.2.2 基于旋转不变性的BRIEF特征描述算法 |
| 3.2.3 感兴趣区域及分块提取 |
| 3.3 基于动态局部搜索的特征点匹配算法 |
| 3.3.1 动态局部搜索匹配方法 |
| 3.3.2 PROSAC算法剔除误匹配 |
| 3.4 计算全局运动参数 |
| 3.5 本章小结 |
| 第四章 基于卡尔曼滤波的运动补偿算法 |
| 4.1 运动滤波的抖动分量获取 |
| 4.1.1 卡尔曼滤波算法 |
| 4.1.2 获取抖动分量 |
| 4.2 基于显示区域提取的图像补偿 |
| 4.3 参考帧更新策略 |
| 4.4 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 电子稳像质量评价方法 |
| 5.2 实验结果分析 |
| 5.2.1 实验条件介绍 |
| 5.2.2 实验结果分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）雨天车载光电系统运动物体检测关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 光电系统的发展动态 |
| 1.3 车载光电检测系统面临的挑战 |
| 1.4 车载光电检测系统关键技术的研究现状 |
| 1.4.1 电子稳像技术的发展和应用 |
| 1.4.2 视频运动物体检测技术的研究动态 |
| 1.4.3 视频雨滴去除技术的研究动态 |
| 1.5 本领域存在的主要技术问题 |
| 1.6 本文的主要研究内容 |
| 第2章 车载电子图像稳定技术 |
| 2.1 引言 |
| 2.2 电子稳像背景知识及相关技术分析 |
| 2.2.1 车载光电系统视频序列特点及抖动分析 |
| 2.2.2 全局运动参数模型 |
| 2.2.3 运动估计中的图像配准技术 |
| 2.2.4 运动滤波技术分析 |
| 2.3 基于CEEMDAN算法和相对熵的电子稳像技术 |
| 2.3.1 电子稳像技术框架 |
| 2.3.2 全局运动矢量的构建 |
| 2.3.3 基于CEEMDAN和相对熵评价法则的运动滤波 |
| 2.3.4 帧间运动反向补偿 |
| 2.4 实验结果与讨论 |
| 2.4.1 基于相对熵的IMF分类方法性能对比 |
| 2.4.2 电子稳像结果对比 |
| 2.5 本章小结 |
| 第3章 基于改进背景码书模型的运动物体检测技术 |
| 3.1 引言 |
| 3.2 基于背景码书模型的运动物体检测原理 |
| 3.2.1 基于背景估计的运动物体检测 |
| 3.2.2 背景码书模型理论 |
| 3.3 基于改进背景码书模型的运动物体检测 |
| 3.3.1 传统背景码书模型不足 |
| 3.3.2 背景码书模型的改进方法 |
| 3.3.3 动态背景下码书模型更新问题 |
| 3.3.4 视频中运动物体的检测 |
| 3.4 实验结果与讨论 |
| 3.4.1 运动物体检测结果对比 |
| 3.4.2 包含抖动视频的运动物体检测 |
| 3.5 本章小结 |
| 第4章 雨天环境下的雨滴去除技术 |
| 4.1 引言 |
| 4.2 雨滴对视频序列影响及雨滴去除原理 |
| 4.2.1 雨滴对视频序列的影响分析 |
| 4.2.2 视频雨滴去除原理 |
| 4.3 雨滴成像的频域模型及变分图像分解理论 |
| 4.3.1 雨滴成像的频域模型 |
| 4.3.2 变分图像分解的引入 |
| 4.4 基于二维VMD和选择性均值补偿策略的雨滴去除技术 |
| 4.4.1 雨景图像的预处理 |
| 4.4.2 基于二维VMD的雨景图像分解 |
| 4.4.3 基于雨滴亮度特性和空域特性的雨滴补偿 |
| 4.5 实验结果与讨论 |
| 4.5.1 雨滴去除实验对比 |
| 4.5.2 实际含雨视频的运动物体检测 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（10）基于特征点匹配的电子稳像算法研究及其硬件实现（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 稳像技术分类 |
| 1.3 电子稳像技术发展现状 |
| 1.3.1 电子稳像国内外研究进展 |
| 1.3.2 电子稳像相关技术研究现状 |
| 1.4 论文主要研究内容 |
| 1.5 论文章节安排 |
| 2 基于特征点匹配的电子稳像算法研究 |
| 2.1 电子稳像基本原理 |
| 2.2 电子稳像算法整体架构 |
| 2.3 基于特征点匹配的运动估计 |
| 2.3.1 图像特征点提取 |
| 2.3.2 特征点描述和匹配 |
| 2.3.3 估计全局运动矢量 |
| 2.4 Kalman滤波 |
| 2.5 运动补偿 |
| 2.5.1 抖动图像恢复 |
| 2.5.2 未定义像素区域重建 |
| 2.6 电子稳像质量评价方法 |
| 2.7 本章小结 |
| 3 电子稳像算法的改进与实现 |
| 3.1 FAST特征点检测算法 |
| 3.1.1 FAST算法自动阈值改进 |
| 3.1.2 非极大值抑制算法实现 |
| 3.2 BRIEF特征点描述和匹配算法改进 |
| 3.3 估计全局运动矢量算法 |
| 3.4 Kalman滤波和运动补偿算法 |
| 3.4.1 Kalman滤波算法实现 |
| 3.4.2 基于双线性插值的运动补偿算法实现 |
| 3.5 电子稳像系统质量评估 |
| 3.6 本章小结 |
| 4 电子稳像系统硬件实现 |
| 4.1 电子稳像系统硬件整体架构 |
| 4.2 稳像处理单元 |
| 4.2.1 运动估计模块 |
| 4.2.2 运动滤波和运动补偿模块 |
| 4.3 系统总线和存储模块 |
| 4.3.1 AHB系统总线 |
| 4.3.2 SDRAM存储模块 |
| 4.4 视频输入输出模块 |
| 4.4.1 视频输入 |
| 4.4.2 视频输出 |
| 4.5 本章小结 |
| 5 电子稳像系统实验及结果分析 |
| 5.1 稳像系统电路逻辑功能验证 |
| 5.1.1 视频采集电路仿真 |
| 5.1.2 图像特征点提取电路仿真 |
| 5.1.3 特征点描述和匹配电路仿真 |
| 5.1.4 估计全局运动矢量和图像补偿电路仿真 |
| 5.1.5 系统总线和SDRAM控制器电路仿真 |
| 5.2 稳像系统板级验证 |
| 5.2.1 板级功能验证 |
| 5.2.2 性能和资源消耗 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
四、电子稳像技术发展评述（论文参考文献）
- [1]基于机载平台的红外电子稳像技术研究与实现[D]. 王施鳗. 大连海事大学, 2020(01)
- [2]基于PRNU噪声的数字视频来源被动取证算法研究[D]. 郁靖. 西南交通大学, 2020(07)
- [3]电子稳像系统设计和实现[D]. 刘哲. 西安电子科技大学, 2020(05)
- [4]基于特征点匹配的图像配准及稳像技术研究[D]. 郝有菲. 西北师范大学, 2020(01)
- [5]电子稳像技术研究及实现[D]. 郝亚辛. 南京理工大学, 2020(01)
- [6]基于复杂运动视频的电子稳像系统研究[D]. 黄梓健. 东北石油大学, 2019(01)
- [7]基于DSP的实时电子稳像与目标跟踪技术研究[D]. 何逍阳. 大连理工大学, 2019(02)
- [8]复合运动下的电子稳像算法研究[D]. 郑鹏珍. 西安电子科技大学, 2019(02)
- [9]雨天车载光电系统运动物体检测关键技术研究[D]. 郝铎. 哈尔滨工业大学, 2019(02)
- [10]基于特征点匹配的电子稳像算法研究及其硬件实现[D]. 杨启航. 西安理工大学, 2018(12)