陳惠君

摘 要： 針對當前運動圖像關(guān)鍵幀的快速跟蹤系統(tǒng)存在誤差大、實時性差的問題，提出一種基于自適應(yīng)Harris角點檢測和小波降噪濾波的運動圖像關(guān)鍵幀快速跟蹤系統(tǒng)設(shè)計方法。系統(tǒng)設(shè)計分為算法設(shè)計、系統(tǒng)的硬件設(shè)計和軟件設(shè)計三大部分。對輸入的原始圖像進行圖像降噪和角點檢測處理，通過對運動參量的全局估計和誤差補償，實現(xiàn)對運動圖像的關(guān)鍵幀快速跟蹤識別。對系統(tǒng)的上電加載模塊、圖像的外部特征存儲模塊、系統(tǒng)邏輯控制模塊和液晶顯示接口電路等進行優(yōu)化設(shè)計，在VHDL平臺進行軟件開發(fā)。仿真結(jié)果表明，該系統(tǒng)進行運動圖像的關(guān)鍵幀快速跟蹤和圖像識別，能提高對運動圖像目標的快速特征提取和細節(jié)捕捉分析能力，幀匹配度較高，可靠性、穩(wěn)定性較好。

關(guān)鍵詞： 運動圖像； 關(guān)鍵幀； 快速跟蹤； 降噪濾波

中圖分類號： TN911.73?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2016）24?0109?04

Improvement in fast tracking system of moving image keyframe

CHEN Huijun

（Zhengzhou University， Zhengzhou 450000， China）

Abstract： Since the fast tracking system of current moving image keyframe has the problems of poor real?time performance and big error， an adaptive Harris corner point detection and wavelet denoising filtering based design method for fast tracking system of moving image keyframe is proposed. The system design is divided into the algorithm design， hardware design and software design. The input original image is processed with the image noise reduction and corner point detection. The moving image keyframe can be quickly tracked and recognized by means of the global estimation and error compensation of motion parameters. The optimization design of power?on load module of the system， external characteristics storage module of the image， system logic control module and LCD interface circuit are performed. Software development is carried out on VHDL. The simulation results show that the system can improve the fast feature extraction ability and detail capture analysis ability of the moving image target while performing the keyframe fast tracking and image recognition of the moving image， and has high frame matching degree and reliable stability.

Keywords： moving image； keyframe； fast tracking； denoising filtering

在進行運動圖像的采集和處理過程中，通常需要在復(fù)雜的背景干擾環(huán)境下進行圖像分析和處理，由于復(fù)雜自然運動背景的特征差異性，以及拍攝場景的景深等因素的影響，產(chǎn)生顏色與紋理特征的偏移，導(dǎo)致圖像的關(guān)鍵幀丟失。由于圖像關(guān)鍵幀的丟失產(chǎn)生圖像色差，不能有效實現(xiàn)圖像的跟蹤識別，需要研究一種有效的運動圖像關(guān)鍵幀跟蹤識別方法，并應(yīng)用在圖像識別和特征提取領(lǐng)域，提高運動圖像的分析能力，相關(guān)的算法研究和系統(tǒng)設(shè)計方法受到人們的極大重視。

傳統(tǒng)方法中，對運動圖像的關(guān)鍵幀跟蹤方法主要有基于白平衡偏差融合的幀跟蹤方法、基于LWT小波分割的關(guān)鍵幀跟蹤方法、基于運動衰減參量估計的關(guān)鍵幀跟蹤方法等[1?3]，并在此算法的基礎(chǔ)上進行了運動圖像的快速跟蹤識別系統(tǒng)的優(yōu)化設(shè)計，取得了一定的研究成果，但是存在跟蹤誤差大等問題[4?8]。本文在此基礎(chǔ)上，進行運動圖像關(guān)鍵幀跟蹤系統(tǒng)的硬件設(shè)計和軟件設(shè)計，最后通過系統(tǒng)仿真實驗進行了性能驗證，展示了本文設(shè)計的運動圖像關(guān)鍵幀跟蹤系統(tǒng)的優(yōu)越性能，得出有效性結(jié)論。

1 系統(tǒng)的總體設(shè)計與圖像處理基礎(chǔ)

1.1 運動圖像關(guān)鍵幀跟蹤識別系統(tǒng)的總體設(shè)計

為了實現(xiàn)對運動圖像關(guān)鍵幀的快速跟蹤設(shè)計，提高對運動圖像的幀信息采集和圖像識別能力，需要首先進行運動圖像的關(guān)鍵幀跟蹤識別系統(tǒng)的總體設(shè)計描述，系統(tǒng)設(shè)計分為算法設(shè)計和系統(tǒng)的硬件及軟件設(shè)計三大部分。首先分析運動圖像關(guān)鍵幀跟蹤算法的原理描述：運動圖像在采集過程中，通常受到噪聲的干擾，需要進行圖像的降噪處理，提高對目標圖像的關(guān)鍵幀的跟蹤準確度，通過對傳統(tǒng)的運動圖像去噪原理的分析研究，發(fā)現(xiàn)其存在乘性噪聲降噪盲區(qū)，對不可預(yù)計隨機產(chǎn)生的乘性噪聲往往忽略不計或模糊估計，從而影響了彩色運動圖像的分割質(zhì)量[9?10]。在圖像濾波降噪處理的基礎(chǔ)上，對運動圖像進行灰度處理，通過邊緣輪廓特征提取，對運動圖像的全局運動參數(shù)進行估計，結(jié)合圖像的運動模型，求解運動參量的補償系數(shù)，實現(xiàn)對圖像的隨機掃描和全局運動參數(shù)求解，在此基礎(chǔ)上，對運動圖像進行自適應(yīng)Harris角點檢測，最后輸出檢測后的運動圖像目標值，實現(xiàn)對運動圖像的關(guān)鍵幀快速跟蹤和識別。根據(jù)上述算法原理設(shè)計，得到本文設(shè)計的運動圖像關(guān)鍵幀的快速跟蹤系統(tǒng)結(jié)構(gòu)模型如圖1所示。

根據(jù)上述運動圖像關(guān)鍵幀的快速跟蹤系統(tǒng)結(jié)構(gòu)模型總體設(shè)計流程，分析運動圖像的位移等運動參量，運動圖像的運動參量本文分為水平運動、縱向運動、縮放運動和旋轉(zhuǎn)運動等，運動圖像的運動參量模型見圖2。

根據(jù)圖2所示的運動圖像的參量模型，對輸入的原始圖像進行圖像降噪和角點檢測處理，通過對運動參量的全局估計和誤差補償，實現(xiàn)對運動圖像的關(guān)鍵幀快速跟蹤識別。

1.2 圖像跟蹤軟件算法的設(shè)計

根據(jù)上述對運動圖像關(guān)鍵幀快速跟蹤系統(tǒng)的總體設(shè)計模型，進行運動圖像處理的算法設(shè)計，為進行后續(xù)的系統(tǒng)設(shè)計提供軟件設(shè)計的程序輸入基礎(chǔ)，本文提出一種基于自適應(yīng)Harris角點檢測和小波降噪濾波的運動圖像關(guān)鍵幀快速跟蹤方法，假設(shè)輸入的原始運動圖像為一組7×7像素的二值圖像，表示為：

[minc∈{r，g，b}miny∈Ω（x）（Ic（y）A）=t（x）minc∈{r，g，b}miny∈Ω（x）（Jc（y）A）+（1-t（x））] （1）

在圖像的相鄰兩幀之間，根據(jù)圖像邊緣輪廓在當前幀中的像素值進行自適應(yīng)Harris角點檢測，結(jié)合圖像的運動模型，采用自適應(yīng)放射尺度變換，得到新圖像[S′]在網(wǎng)格點[（x′，y′）]處的Harris角點檢測選定像素值滿足[minc∈r，g，bminy∈Ω（x）（Ic（y）A）→1]，則此時[t（x）→0]，構(gòu)建尺度空間，假設(shè)圖像的邊緣幅值[A>0]，所以對每個小波分解尺度[σ（n）]進行關(guān)鍵幀的快速逼近，得到收斂補償滿足：

可見，通過Harris單幀角點匹配，得到角點[x，y]的亞像素級坐標，通過當前幀Ic的灰度值篩選，使其關(guān)鍵幀在自適應(yīng)匹配中的輸出特征向量滿足條件式：

式中，[trace（·）]表示圖像角點[x，y]的跡，塊內(nèi)的噪聲系數(shù)定義為：

把滿足上述條件的尺度值進行自適應(yīng)Harris角點檢測，通過對運動圖像的相鄰幀補償進行電子穩(wěn)像處理，運動圖像的相鄰幀補償過程原理如圖3所示。

根據(jù)上述方法，對運動圖像的相鄰幀補償，用[U（x）]表示兩幅圖像的疊加區(qū)域的尺度[σ（n）]（1，2，…，n）上的自相關(guān)函數(shù)，通過對邊緣輪廓的搜索，采用小波變換方法進行圖像降噪濾波，實現(xiàn)圖像的抗干擾抑制，小波降噪的傳遞函數(shù)表示如下：

式中：[assoc（A，V）]是運動圖像進行邊緣輪廓提取的角點周圍的像素點子集；[assoc（B，V）]是角點的像素點篩選閾值。采用小波濾波得到當前時刻圖像的角點檢測和邊緣輪廓特征提取輸出為：

根據(jù)上述方法，執(zhí)行濾波狀態(tài)系數(shù)更新，求得分尺度點集合的圖像穩(wěn)像均衡值[skk]。因[s（k）=][θ（k），Δx（k），Δy（k）]， 其中，[Ic（y）]為像素值，[A]為幅度，通過上述算法處理，實現(xiàn)了對運動圖像自適應(yīng)Harris角點檢測和小波降噪濾波，以此為基礎(chǔ)進行運動圖像的關(guān)鍵詞快速跟蹤系統(tǒng)的優(yōu)化設(shè)計。

2 系統(tǒng)的設(shè)計與實現(xiàn)

在上述進行了系統(tǒng)總體設(shè)計描述和算法設(shè)計的基礎(chǔ)上，進行運動圖像關(guān)鍵幀快速跟蹤系統(tǒng)的設(shè)計，系統(tǒng)設(shè)計包括硬件設(shè)計和軟件設(shè)計兩大部分。首先分析硬件設(shè)計部分，圖像跟蹤識別系統(tǒng)的硬件設(shè)計主要采用TMS320VC5509A數(shù)字處理器，C55x通過增加功能進行圖像的快速處理，系統(tǒng)主要包括上電加載模塊、圖像的外部特征存儲模塊、系統(tǒng)邏輯控制模塊和液晶顯示接口電路模塊等。

運動圖像關(guān)鍵幀快速跟蹤識別系統(tǒng)的上電加載模塊指令周期9.45 ns，6.21 ns，5.32 ns，時鐘頻率12 MHz，37 MHz，21 MHz，采用128K×16 b片內(nèi)RAM執(zhí)行第[s]幀運動圖像的塊匹配程序加載功能，將用戶的可執(zhí)行文件（.dxe）轉(zhuǎn)換成DSP信號處理芯片能識別的用戶程序（.ldr），引導(dǎo)程序BOOT ROM判斷接收到的數(shù)據(jù)的程序指針和類別。設(shè)計模/數(shù)轉(zhuǎn)換器ADC，通過I2C總線進行圖像關(guān)鍵幀跟蹤的時鐘RTC采樣，上電加載的程序流程控制支持SRAM，EPROM，根據(jù)上述分析，得到運動圖像關(guān)鍵幀快速跟蹤識別系統(tǒng)的上電加載模塊設(shè)計電路如圖4所示。

圖4中，運動圖像關(guān)鍵幀跟蹤識別系統(tǒng)通過外部可調(diào)電壓和3.3 V的固定電壓進行高阻態(tài)的功率匹配和特征提取，在外部電阻TPS767HD301控制下，上電加載的LED輸出為3.3 V和1.6 V的電壓，電源芯片選用TPS767HD301，滿足DSP正常工作的電壓要求。

圖像的外部特征存儲模塊的設(shè)計中，采用CPLD，SRAM，F(xiàn)LASH進行外部存儲空間的合理分配，在圖像的特征存儲中，TMS320C55x DSP的存儲空間包括統(tǒng)一的數(shù)據(jù)，通過同步動態(tài)存儲器（SDRAM）進行4個片選空間的調(diào)度，在多個不同頻率的時鐘信號控制下進行運動圖像的關(guān)鍵幀跟蹤識別，通過讀寫運動圖像的關(guān)鍵幀時序參數(shù)，選擇有源晶振作為時鐘電路進行加載控制，實現(xiàn)對圖像的外部特征存儲模塊的設(shè)計。圖像的外部特征存儲模塊有存儲器、A/D和D/A功能，電路設(shè)計結(jié)果如圖5所示。

在圖5中，TMS320C55x DSP的存儲空間同C54x外部總線接口進行串聯(lián)分配。配置外部總線選擇寄存器，在只讀存儲器（ROM）和閃存存儲器中進行單電源供電，實現(xiàn)對圖像的自適應(yīng)Harris角點檢測和信息存儲分類。系統(tǒng)邏輯控制模塊是整個系統(tǒng)設(shè)計的核心，采用Altera公司的系統(tǒng)可編程大規(guī)模CPLD EPM7128AET100來實現(xiàn)運動圖像關(guān)鍵幀快速跟蹤識別系統(tǒng)的邏輯控制和圖像處理，采用TMS320VC5509A引導(dǎo)圖像處理程序的裝載（Bootloader）。在運動圖像的關(guān)鍵幀加載模式下，DSP作為主設(shè)備，存儲器必須和Philips的I2C總線進行串口通信，系統(tǒng)邏輯控制模塊中，選用AD公司的AD7655作為A/D接口，I/O引腳的電壓通過總線控制，圖像關(guān)鍵幀識別中的運動參量檢測的電壓輸入范圍為-10～10 V，AD7655的輸入電壓范圍為0～5 V，采用運算放大器AD8674模擬16位模/數(shù)轉(zhuǎn)換器，當[AB]為低時，讀轉(zhuǎn)換完的數(shù)據(jù)，實現(xiàn)對圖像關(guān)鍵幀的快速跟蹤控制，根據(jù)上述設(shè)計原理，得到系統(tǒng)邏輯控制模塊的電路設(shè)計結(jié)果見圖6。

圖6中，系統(tǒng)邏輯控制的A/D轉(zhuǎn)換開始后，讀取通道A的數(shù)據(jù)，進入中斷服務(wù)程序，TMS320VC5509A的DMA引發(fā)DMA傳送，設(shè)置每個通道的優(yōu)先級選定事件觸發(fā)，實現(xiàn)對關(guān)鍵幀的快速跟蹤邏輯控制。最后，為了實現(xiàn)對運動圖像的可視化識別，需要設(shè)計液晶顯示接口電路模塊。運動圖像關(guān)鍵幀快速跟蹤識別系統(tǒng)的液晶顯示模塊電路采用外接2.5 V的參考電壓作為電源輸入。液晶顯示器和DSP接口時采用可編程專用集成電路（ASIC）進行三態(tài)八位總線驅(qū)動。運動圖像關(guān)鍵幀快速跟蹤識別系統(tǒng)的液晶顯示接口設(shè)計如圖7所示。

綜上設(shè)計，對系統(tǒng)進行模塊化集成處理，實現(xiàn)了對運動圖像關(guān)鍵幀快速跟蹤系統(tǒng)的硬件設(shè)計。

3 系統(tǒng)仿真結(jié)果分析

為了測試本文設(shè)計的運動圖像關(guān)鍵幀快速跟蹤系統(tǒng)在實現(xiàn)運動圖像的跟蹤識別中的性能，并測試本文系統(tǒng)的穩(wěn)定性和可靠性，需要進行仿真實驗。實驗中，運動圖像采集設(shè)備為Nikon D7200數(shù)碼采集設(shè)備，計算機硬件設(shè)備為：Pentium[?] D CPU 2.80 GHz，2.79 GHz，2.00 GB內(nèi)存的個人PC機[9?10]。首先配置DSP的I/O口，設(shè)置10個運動圖像的關(guān)鍵幀采樣點，作為運動圖像關(guān)鍵幀快速跟蹤系統(tǒng)的輸入數(shù)據(jù)。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行仿真實驗，采用本文設(shè)計的系統(tǒng)，得到運動目標圖像的關(guān)鍵幀快速跟蹤識別的輸入/輸出仿真結(jié)果如圖8所示。

由圖8可知，采用本文設(shè)計的算法和系統(tǒng)，進行運動圖像的關(guān)鍵幀快速跟蹤和圖像識別，能提高對運動圖像目標的快速特征提取和細節(jié)捕捉分析能力。通過自適應(yīng)Harris角點檢測和小波降噪濾波，提高了圖像的純度和成像質(zhì)量，進而提高準確跟蹤識別性能。為了定量分析本文方法的性能，采用本文系統(tǒng)和傳統(tǒng)系統(tǒng)，以運動目標圖像關(guān)鍵幀跟蹤的幀匹配度為測試指標，進行性能對比測試。在不同的運動成像角度下，得到幀匹配度對比結(jié)果如圖9所示，從圖9可見，采用本文方法進行運動圖像的關(guān)鍵幀跟蹤，幀匹配度較高，從而降低了運算的復(fù)雜度，同時，可以提高圖像的關(guān)鍵幀的跟蹤準確度，展示了較好的性能。

4 結(jié) 語

通過對運動圖像關(guān)鍵幀的快速跟蹤設(shè)計，提高對運動圖像的幀信息采集和圖像識別能力。提出一種基于自適應(yīng)Harris角點檢測和小波降噪濾波的運動圖像關(guān)鍵幀快速跟蹤方法。首先進行了運動圖像關(guān)鍵幀快速跟蹤系統(tǒng)的總體設(shè)計模型構(gòu)建，然后設(shè)計自適應(yīng)Harris角點檢測和小波降噪濾波算法進行圖像處理，為系統(tǒng)的程序加載提供算法基礎(chǔ)，進行運動圖像關(guān)鍵幀跟蹤系統(tǒng)的硬件設(shè)計和軟件設(shè)計。實驗結(jié)果表明，采用該改進方法進行運動圖像的關(guān)鍵幀跟蹤和識別，準確度較高、性能較好、可靠程度高，優(yōu)越于傳統(tǒng)方法。

參考文獻

[1] 姜浩，馮敏，肖桐，等.基于線狀特征增強的TM遙感影像細小河流提取方法[J].測繪學報，2014，43（7）：705?710.

（上接第112頁）

[2] 盂勃，韓廣良.基于改進的尺度不變特征變換特征點匹配的電子穩(wěn)像算法[J].計算機應(yīng)用，2012，32（10）：2817?2820.

[3] 彭小江，張家樹.基于特征匹配和校驗的魯棒實時電子穩(wěn)像[J].光子學報，2011，40（9）：1442?1446.

[4] 郭復(fù)勝，高偉.基于輔助信息的無人機圖像批處理三維重建方法[J].自動化學報，2013，39（6）：834?845.

[5] 李德仁，李明.無人機遙感系統(tǒng)的研究進展與應(yīng)用前景[J].武漢大學學報（信息科學版），2014，39（5）：505?513.

[6] 易磊，褚中理，鄭克斌，等.面向無人機紅外影像拼接的特征提取算法對比研究[J].測繪科學技術(shù)學報，2014，31（6）：608?613.

[7] 任少盟，魏振忠，張廣軍.基于擴展Kalman預(yù)測模型的雙目立體視覺圖像特征點跟蹤方法[J].電子測量技術(shù)，2012，35（1）：71?75.

[8] 朱娟娟，郭寶龍.一種運動載體攝像的自適應(yīng)穩(wěn)像系統(tǒng)[J].光電子·激光，2007，18（1）：108?112.

[9] 李計添，何永強，陳財森，等.一種基于灰度投影算法的車載電子穩(wěn)像方法[J].紅外技術(shù)，2010，32（6）：328?332.

[10] 楊宜菩，楊帆，潘國峰，等.基于同態(tài)系統(tǒng)濾波的高分辨率遙感圖像河流信息提取[J].計算機應(yīng)用，2016，36（1）：248?253.