一種改進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]的基本思想是在進行參數(shù)估計時，不是不加區(qū)分地對待所有可用的輸入數(shù)據(jù)，而是首先針對具體問題設計出一個目標函數(shù)，然后迭代地估計該函數(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”（Inliers, 即滿足估計參數(shù)的點）和“外點”（Outliers，即不滿足估計參數(shù)的點），最后反過來用所有的“內(nèi)點” 重新計算和估計函數(shù)的參數(shù)。

　　本文中的全局運動包括尺度變換、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特征點的位置坐標，x 和y 表示另一幀圖像中任意一個特征點的位置坐標，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，計算全局運動參數(shù)可以用相似變換表示如下： （2）

　　在兩幀圖像的粗匹配點中選出8 對，利用它們的坐標信息，組成一個方程組，計算出運動參數(shù)，利用參數(shù)把第二幀圖像中所有的點都變換到第一幀圖像上，反變換后的點坐標用X’,Y’表示，則：

（3）

　　判斷準則：如果某一點變換到第一幀圖像上能和它在第一幀圖像上的對應點重合或者基本重合（位移值小于1象素），即：

（4）

　　那它們就是該變換確定的一對對應點。若對應點的個數(shù)占區(qū)域中全部點個數(shù)的比例達到一定的閾值（人工選定），那就認為這組變換關系是可接受的。利用經(jīng)該變換確定的所有對應點即內(nèi)點以最小二乘的方法去重新求解運動參數(shù)，至此匹配點檢驗結(jié)束，不再向下計算。若對應點比例不能達到要求，則重新選擇一組點，再去計算它們所對應的運動參數(shù)。如果對于每一組求出的運動參數(shù)，對應點的比例都達不到設定的閾值，則判定這兩幀圖之間不存在匹配關系。

4、實驗結(jié)果及分析

　　在實驗中，視頻圖像大小為884×662，視頻幀率為25fps，計算機配置為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，其中（a）、（b）分別為在兩幀圖像中得到的匹配點，（c）表示特征點在兩幀圖像中的點位移，可以看出，絕大多數(shù)點位移是微小的，故（c）中的長線表示點位移值較大，證明該匹配點為誤配點。

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

　　圖4為經(jīng)過RANSAC法的二次精確匹配得到的匹配結(jié)果，由4（c）可得，經(jīng)過二次匹配，去掉了一次粗匹配中錯配的點和由于局部運動造成的有誤差的匹配點，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二次匹配法對視頻幀間圖像進行SIFT特征匹配所得結(jié)果。

（a） 　　　（b） 　　?。╟）
圖4 經(jīng)過RANSAC法二次匹配檢驗得到的匹配結(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)過對該段視頻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題，采用關鍵點SIFT特征向量的歐式距離判定視頻中某兩幀圖像的特征點相似性進行粗略匹配，通過采用RANSAC法的二次精確匹配算法最大限度地減少噪聲及外點的影響，從而解決粗匹配中的誤匹配點問題。仿真試驗表明，該算法能夠有效地解決僅采用歐式距離判別法進行匹配時的誤匹配問題，顯著地提高視頻幀間圖像的匹配精度，同時仿真試驗還顯示出該算法具有較強的魯棒性。