一種改進(jìn)的高精度視頻幀間匹配算法

3.2 RANSAC法的二次精確匹配

　　RANSAC(Random Sampling Consensus) 法[6]的基本思想是在進(jìn)行參數(shù)估計(jì)時(shí)，不是不加區(qū)分地對(duì)待所有可用的輸入數(shù)據(jù)，而是首先針對(duì)具體問(wèn)題設(shè)計(jì)出一個(gè)目標(biāo)函數(shù)，然后迭代地估計(jì)該函數(shù)的參數(shù)值，利用這些初始參數(shù)值把所有的數(shù)據(jù)分為所謂的“內(nèi)點(diǎn)”（Inliers, 即滿足估計(jì)參數(shù)的點(diǎn)）和“外點(diǎn)”（Outliers，即不滿足估計(jì)參數(shù)的點(diǎn)），最后反過(guò)來(lái)用所有的“內(nèi)點(diǎn)” 重新計(jì)算和估計(jì)函數(shù)的參數(shù)。

　　本文中的全局運(yùn)動(dòng)包括尺度變換、旋轉(zhuǎn)變換和平移變換。如果用X 和Y 表示一幀圖像中任意一個(gè)特征點(diǎn)的位置坐標(biāo)，x 和y 表示另一幀圖像中任意一個(gè)特征點(diǎn)的位置坐標(biāo)，L 表示這兩幀圖像之間的尺度變換，θ表示旋轉(zhuǎn)變換， a 和b 表示平移變換。那么，計(jì)算全局運(yùn)動(dòng)參數(shù)可以用相似變換表示如下： （2）

　　在兩幀圖像的粗匹配點(diǎn)中選出8 對(duì)，利用它們的坐標(biāo)信息，組成一個(gè)方程組，計(jì)算出運(yùn)動(dòng)參數(shù)，利用參數(shù)把第二幀圖像中所有的點(diǎn)都變換到第一幀圖像上，反變換后的點(diǎn)坐標(biāo)用X’,Y’表示，則：

（3）

　　判斷準(zhǔn)則：如果某一點(diǎn)變換到第一幀圖像上能和它在第一幀圖像上的對(duì)應(yīng)點(diǎn)重合或者基本重合（位移值小于1象素），即：

（4）

　　那它們就是該變換確定的一對(duì)對(duì)應(yīng)點(diǎn)。若對(duì)應(yīng)點(diǎn)的個(gè)數(shù)占區(qū)域中全部點(diǎn)個(gè)數(shù)的比例達(dá)到一定的閾值（人工選定），那就認(rèn)為這組變換關(guān)系是可接受的。利用經(jīng)該變換確定的所有對(duì)應(yīng)點(diǎn)即內(nèi)點(diǎn)以最小二乘的方法去重新求解運(yùn)動(dòng)參數(shù)，至此匹配點(diǎn)檢驗(yàn)結(jié)束，不再向下計(jì)算。若對(duì)應(yīng)點(diǎn)比例不能達(dá)到要求，則重新選擇一組點(diǎn)，再去計(jì)算它們所對(duì)應(yīng)的運(yùn)動(dòng)參數(shù)。如果對(duì)于每一組求出的運(yùn)動(dòng)參數(shù)，對(duì)應(yīng)點(diǎn)的比例都達(dá)不到設(shè)定的閾值，則判定這兩幀圖之間不存在匹配關(guān)系。

4、實(shí)驗(yàn)結(jié)果及分析

　　在實(shí)驗(yàn)中，視頻圖像大小為884×662，視頻幀率為25fps，計(jì)算機(jī)配置為AMD Athlon(tm) 64×2 Dual Core Processor 5000+，內(nèi)存2.00GB。圖3為歐式距離判別法的一次粗匹配得到的匹配點(diǎn)，其中（a）、（b）分別為在兩幀圖像中得到的匹配點(diǎn)，（c）表示特征點(diǎn)在兩幀圖像中的點(diǎn)位移，可以看出，絕大多數(shù)點(diǎn)位移是微小的，故（c）中的長(zhǎng)線表示點(diǎn)位移值較大，證明該匹配點(diǎn)為誤配點(diǎn)。

（a）　　　?。╞） 　　?。╟）
圖3 歐式距離判別法的一次粗匹配結(jié)果

　　圖4為經(jīng)過(guò)RANSAC法的二次精確匹配得到的匹配結(jié)果，由4（c）可得，經(jīng)過(guò)二次匹配，去掉了一次粗匹配中錯(cuò)配的點(diǎn)和由于局部運(yùn)動(dòng)造成的有誤差的匹配點(diǎn)，得到了完全正確的匹配結(jié)果。表1 給出了用傳統(tǒng)歐式距離判別算法和本文的歐式距離―RANSAKC二次匹配法對(duì)視頻幀間圖像進(jìn)行SIFT特征匹配所得結(jié)果。

（a） 　　?。╞） 　　　（c）
圖4 經(jīng)過(guò)RANSAC法二次匹配檢驗(yàn)得到的匹配結(jié)果

表1 歐式距離法和RANSAC二次匹配法的視頻幀間圖像特征匹配結(jié)果比較

　　經(jīng)過(guò)對(duì)該段視頻430幀圖像的處理，得出單純采用歐式距離匹配算法得到的平均正確匹配率為96.2%，平均峰值信噪比為21.8541dB，其中單次正確匹配率100%的幀數(shù)為8幀，而本文所用的歐式距離-RANSAC兩次匹配法的平均正確匹配率為98.8%，平均峰值信噪比為31.2271dB，單次正確匹配率100%的幀數(shù)為349幀，有效地減少了誤配點(diǎn)數(shù)，根據(jù)峰值信噪比（PSNR）值可以看出視頻幀間圖像的匹配精度得到了顯著提高。

5、結(jié)論

　　本文研究了視頻幀間圖像特征的提取和匹配問(wèn)題，采用關(guān)鍵點(diǎn)SIFT特征向量的歐式距離判定視頻中某兩幀圖像的特征點(diǎn)相似性進(jìn)行粗略匹配，通過(guò)采用RANSAC法的二次精確匹配算法最大限度地減少噪聲及外點(diǎn)的影響，從而解決粗匹配中的誤匹配點(diǎn)問(wèn)題。仿真試驗(yàn)表明，該算法能夠有效地解決僅采用歐式距離判別法進(jìn)行匹配時(shí)的誤匹配問(wèn)題，顯著地提高視頻幀間圖像的匹配精度，同時(shí)仿真試驗(yàn)還顯示出該算法具有較強(qiáng)的魯棒性。