运动图像关键帧快速跟踪系统的改进

摘 要： 针对当前运动图像关键帧的快速跟踪系统存在误差大、实时性差的问题，提出一种基于自适应Harris角点检测和小波降噪滤波的运动图像关键帧快速跟踪系统设计方法。系统设计分为算法设计、系统的硬件设计和软件设计三大部分。对输入的原始图像进行图像降噪和角点检测处理，通过对运动参量的全局估计和误差补偿，实现对运动图像的关键帧快速跟踪识别。对系统的上电加载模块、图像的外部特征存储模块、系统逻辑控制模块和液晶显示接口电路等进行优化设计，在VHDL平台进行软件开发。仿真结果表明，该系统进行运动图像的关键帧快速跟踪和图像识别，能提高对运动图像目标的快速特征提取和细节捕捉分析能力，帧匹配度较高，可靠性、稳定性较好。

关键词： 运动图像； 关键帧； 快速跟踪； 降噪滤波

中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 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

在进行运动图像的采集和处理过程中，通常需要在复杂的背景干扰环境下进行图像分析和处理，由于复杂自然运动背景的特征差异性，以及拍摄场景的景深等因素的影响，产生颜色与纹理特征的偏移，导致图像的关键帧丢失。由于图像关键帧的丢失产生图像色差，不能有效实现图像的跟踪识别，需要研究一种有效的运动图像关键帧跟踪识别方法，并应用在图像识别和特征提取领域，提高运动图像的分析能力，相关的算法研究和系统设计方法受到人们的极大重视。

传统方法中，对运动图像的关键帧跟踪方法主要有基于白平衡偏差融合的帧跟踪方法、基于LWT小波分割的关键帧跟踪方法、基于运动衰减参量估计的关键帧跟踪方法等[1?3]，并在此算法的基础上进行了运动图像的快速跟踪识别系统的优化设计，取得了一定的研究成果，但是存在跟踪误差大等问题[4?8]。本文在此基础上，进行运动图像关键帧跟踪系统的硬件设计和软件设计，最后通过系统仿真实验进行了性能验证，展示了本文设计的运动图像关键帧跟踪系统的优越性能，得出有效性结论。

1 系统的总体设计与图像处理基础

1.1 运动图像关键帧跟踪识别系统的总体设计

为了实现对运动图像关键帧的快速跟踪设计，提高对运动图像的帧信息采集和图像识别能力，需要首先进行运动图像的关键帧跟踪识别系统的总体设计描述，系统设计分为算法设计和系统的硬件及软件设计三大部分。首先分析运动图像关键帧跟踪算法的原理描述：运动图像在采集过程中，通常受到噪声的干扰，需要进行图像的降噪处理，提高对目标图像的关键帧的跟踪准确度，通过对传统的运动图像去噪原理的分析研究，发现其存在乘性噪声降噪盲区，对不可预计随机产生的乘性噪声往往忽略不计或模糊估计，从而影响了彩色运动图像的分割质量[9?10]。在图像滤波降噪处理的基础上，对运动图像进行灰度处理，通过边缘轮廓特征提取，对运动图像的全局运动参数进行估计，结合图像的运动模型，求解运动参量的补偿系数，实现对图像的随机扫描和全局运动参数求解，在此基础上，对运动图像进行自适应Harris角点检测，最后输出检测后的运动图像目标值，实现对运动图像的关键帧快速跟踪和识别。根据上述算法原理设计，得到本文设计的运动图像关键帧的快速跟踪系统结构模型如图1所示。

根据上述运动图像关键帧的快速跟踪系统结构模型总体设计流程，分析运动图像的位移等运动参量，运动图像的运动参量本文分为水平运动、纵向运动、缩放运动和旋转运动等，运动图像的运动参量模型见图2。

根据图2所示的运动图像的参量模型，对输入的原始图像进行图像降噪和角点检测处理，通过对运动参量的全局估计和误差补偿，实现对运动图像的关键帧快速跟踪识别。

1.2 图像跟踪软件算法的设计

根据上述对运动图像关键帧快速跟踪系统的总体设计模型，进行运动图像处理的算法设计，为进行后续的系统设计提供软件设计的程序输入基础，本文提出一种基于自适应Harris角点检测和小波降噪滤波的运动图像关键帧快速跟踪方法，假设输入的原始运动图像为一组7×7像素的二值图像，表示为：

[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）

在图像的相邻两帧之间，根据图像边缘轮廓在当前帧中的像素值进行自适应Harris角点检测，结合图像的运动模型，采用自适应放射尺度变换，得到新图像[S′]在网格点[（x′，y′）]处的Harris角点检测选定像素值满足[minc∈r，g，bminy∈Ω（x）（Ic（y）A）1]，则此时[t（x）0]，构建尺度空间，假设图像的边缘幅值[A>0]，所以对每个小波分解尺度[σ（n）]进行关键帧的快速逼近，得到收敛补偿满足：

可见，通过Harris单帧角点匹配，得到角点[x，y]的亚像素级坐标，通过当前帧Ic的灰度值筛选，使其关键帧在自适应匹配中的输出特征向量满足条件式：

式中，[trace（・）]表示图像角点[x，y]的迹，块内的噪声系数定义为：

把满足上述条件的尺度值进行自适应Harris角点检测，通过对运动图像的相邻帧补偿进行电子稳像处理，运动图像的相邻帧补偿过程原理如图3所示。

根据上述方法，对运动图像的相邻帧补偿，用[U（x）]表示两幅图像的叠加区域的尺度[σ（n）]（1，2，…，n）上的自相关函数，通过对边缘轮廓的搜索，采用小波变换方法进行图像降噪滤波，实现图像的抗干扰抑制，小波降噪的传递函数表示如下：

式中：[assoc（A，V）]是运动图像进行边缘轮廓提取的角点周围的像素点子集；[assoc（B，V）]是角点的像素点筛选阈值。采用小波滤波得到当前时刻图像的角点检测和边缘轮廓特征提取输出为：

根据上述方法，执行滤波状态系数更新，求得分尺度点集合的图像稳像均衡值[skk]。因[s（k）=][θ（k），Δx（k），Δy（k）]， 其中，[Ic（y）]为像素值，[A]为幅度，通过上述算法处理，实现了对运动图像自适应Harris角点检测和小波降噪滤波，以此为基础进行运动图像的关键词快速跟踪系统的优化设计。

2 系统的设计与实现

在上述进行了系统总体设计描述和算法设计的基础上，进行运动图像关键帧快速跟踪系统的设计，系统设计包括硬件设计和软件设计两大部分。首先分析硬件设计部分，图像跟踪识别系统的硬件设计主要采用TMS320VC5509A数字处理器，C55x通过增加功能进行图像的快速处理，系统主要包括上电加载模块、图像的外部特征存储模块、系统逻辑控制模块和液晶显示接口电路模块等。

运动图像关键帧快速跟踪识别系统的上电加载模块指令周期9.45 ns，6.21 ns，5.32 ns，时钟频率12 MHz，37 MHz，21 MHz，采用128K×16 b片内RAM执行第[s]帧运动图像的块匹配程序加载功能，将用户的可执行文件（.dxe）转换成DSP信号处理芯片能识别的用户程序（.ldr），引导程序BOOT ROM判断接收到的数据的程序指针和类别。设计模/数转换器ADC，通过I2C总线进行图像关键帧跟踪的时钟RTC采样，上电加载的程序流程控制支持SRAM，EPROM，根据上述分析，得到运动图像关键帧快速跟踪识别系统的上电加载模块设计电路如图4所示。

图4中，运动图像关键帧跟踪识别系统通过外部可调电压和3.3 V的固定电压进行高阻态的功率匹配和特征提取，在外部电阻TPS767HD301控制下，上电加载的LED输出为3.3 V和1.6 V的电压，电源芯片选用TPS767HD301，满足DSP正常工作的电压要求。

图像的外部特征存储模块的设计中，采用CPLD，SRAM，FLASH进行外部存储空间的合理分配，在图像的特征存储中，TMS320C55x DSP的存储空间包括统一的数据，通过同步动态存储器（SDRAM）进行4个片选空间的调度，在多个不同频率的时钟信号控制下进行运动图像的关键帧跟踪识别，通过读写运动图像的关键帧时序参数，选择有源晶振作为时钟电路进行加载控制，实现对图像的外部特征存储模块的设计。图像的外部特征存储模块有存储器、A/D和D/A功能，电路设计结果如图5所示。

在图5中，TMS320C55x DSP的存储空间同C54x外部总线接口进行串联分配。配置外部总线选择寄存器，在只读存储器（ROM）和闪存存储器中进行单电源供电，实现对图像的自适应Harris角点检测和信息存储分类。系统逻辑控制模块是整个系统设计的核心，采用Altera公司的系统可编程大规模CPLD EPM7128AET100来实现运动图像关键帧快速跟踪识别系统的逻辑控制和图像处理，采用TMS320VC5509A引导图像处理程序的装载（Bootloader）。在运动图像的关键帧加载模式下，DSP作为主设备，存储器必须和Philips的I2C总线进行串口通信，系统逻辑控制模块中，选用AD公司的AD7655作为A/D接口，I/O引脚的电压通过总线控制，图像关键帧识别中的运动参量检测的电压输入范围为-10～10 V，AD7655的输入电压范围为0～5 V，采用运算放大器AD8674模拟16位模/数转换器，当[AB]为低时，读转换完的数据，实现对图像关键帧的快速跟踪控制，根据上述设计原理，得到系统逻辑控制模块的电路设计结果见图6。

图6中，系统逻辑控制的A/D转换开始后，读取通道A的数据，进入中断服务程序，TMS320VC5509A的DMA引发DMA传送，设置每个通道的优先级选定事件触发，实现对关键帧的快速跟踪逻辑控制。最后，为了实现对运动图像的可视化识别，需要设计液晶显示接口电路模块。运动图像关键帧快速跟踪识别系统的液晶显示模块电路采用外接2.5 V的参考电压作为电源输入。液晶显示器和DSP接口时采用可编程专用集成电路（ASIC）进行三态八位总线驱动。运动图像关键帧快速跟踪识别系统的液晶显示接口设计如图7所示。

综上设计，对系统进行模块化集成处理，实现了对运动图像关键帧快速跟踪系统的硬件设计。

3 系统仿真结果分析

为了测试本文设计的运动图像关键帧快速跟踪系统在实现运动图像的跟踪识别中的性能，并测试本文系统的稳定性和可靠性，需要进行仿真实验。实验中，运动图像采集设备为Nikon D7200数码采集设备，计算机硬件设备为：Pentium[?] D CPU 2.80 GHz，2.79 GHz，2.00 GB内存的个人PC机[9?10]。首先配置DSP的I/O口，设置10个运动图像的关键帧采样点，作为运动图像关键帧快速跟踪系统的输入数据。根据上述仿真环境和参数设定，进行仿真实验，采用本文设计的系统，得到运动目标图像的关键帧快速跟踪识别的输入/输出仿真结果如图8所示。

由图8可知，采用本文设计的算法和系统，进行运动图像的关键帧快速跟踪和图像识别，能提高对运动图像目标的快速特征提取和细节捕捉分析能力。通过自适应Harris角点检测和小波降噪滤波，提高了图像的纯度和成像质量，进而提高准确跟踪识别性能。为了定量分析本文方法的性能，采用本文系统和传统系统，以运动目标图像关键帧跟踪的帧匹配度为测试指标，进行性能对比测试。在不同的运动成像角度下，得到帧匹配度对比结果如图9所示，从图9可见，采用本文方法进行运动图像的关键帧跟踪，帧匹配度较高，从而降低了运算的复杂度，同时，可以提高图像的关键帧的跟踪准确度，展示了较好的性能。

4 结 语

通过对运动图像关键帧的快速跟踪设计，提高对运动图像的帧信息采集和图像识别能力。提出一种基于自适应Harris角点检测和小波降噪滤波的运动图像关键帧快速跟踪方法。首先进行了运动图像关键帧快速跟踪系统的总体设计模型构建，然后设计自适应Harris角点检测和小波降噪滤波算法进行图像处理，为系统的程序加载提供算法基础，进行运动图像关键帧跟踪系统的硬件设计和软件设计。实验结果表明，采用该改进方法进行运动图像的关键帧跟踪和识别，准确度较高、性能较好、可靠程度高，优越于传统方法。

参考文献

[1] 姜浩，冯敏，肖桐，等.基于线状特征增强的TM遥感影像细小河流提取方法[J].测绘学报，2014，43（7）：705?710.

（上接第112页）

[2] 盂勃，韩广良.基于改进的尺度不变特征变换特征点匹配的电子稳像算法[J].计算机应用，2012，32（10）：2817?2820.

[3] 彭小江，张家树.基于特征匹配和校验的鲁棒实时电子稳像[J].光子学报，2011，40（9）：1442?1446.

[4] 郭复胜，高伟.基于辅助信息的无人机图像批处理三维重建方法[J].自动化学报，2013，39（6）：834?845.

[5] 李德仁，李明.无人机遥感系统的研究进展与应用前景[J].武汉大学学报（信息科学版），2014，39（5）：505?513.

[6] 易磊，褚中理，郑克斌，等.面向无人机红外影像拼接的特征提取算法对比研究[J].测绘科学技术学报，2014，31（6）：608?613.

[7] 任少盟，魏振忠，张广军.基于扩展Kalman预测模型的双目立体视觉图像特征点跟踪方法[J].电子测量技术，2012，35（1）：71?75.

[8] 朱娟娟，郭宝龙.一种运动载体摄像的自适应稳像系统[J].光电子・激光，2007，18（1）：108?112.

[9] 李计添，何永强，陈财森，等.一种基于灰度投影算法的车载电子稳像方法[J].红外技术，2010，32（6）：328?332.

[10] 杨宜菩，杨帆，潘国峰，等.基于同态系统滤波的高分辨率遥感图像河流信息提取[J].计算机应用，2016，36（1）：248?253.