基于特征点匹配的电子稳像技术

第６卷第６期　中国光学　Ｃｈｉｎｅｓｅ　Ｏｐｔｉｃｓ　Ｖｏｌ＿６　Ｎｏ．６　Ｄｅｃ．２０１３　２０１３年１２月　文章编号１６７４－２９１５（２０１３）０６－０８４１－０９　基于特征点匹配的电子稳像技术　吉淑娇　，朱　明　，胡汉平　（１．中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３；　２．长春大学电子信息工程学院，吉林长春１３００２２）　摘要：为获得高质量视频输出序列，电子稳像技术常被用来去除成像设备所摄取的图像序列中的随机抖动。本文首先介　绍了电子稳像的国内外发展现状。然后，从电子稳像技术中的运动估计模块出发，描述了国内外近年来出现的直接求取　运动估计算法以及各种基于特征点匹配的运动估计方法，并对运动校正和运动补偿模块的算法进行了评述。最后综合　分析了稳像算法的难点以及未来发展趋势，提出基于特征匹配的电子稳像技术的发展方向。　关键词：电子稳像；运动估计；特征匹配；卡尔曼滤波　文献标识码：Ａ　ｄｏｉ：１０．３７８８／Ｃ０．２０１３０６０６．０８４１　中图分类号：ＴＰ３９１．４　Ａｅｒｏ－ｂｏｒｎｅ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｆｅａｔｕｒｅ　ｐｏｉｎｔ　ｍａｔｃｈｉｎｇ　ＪＩ　Ｓｈｕ－ｊｉａｏ　，ＺＨＵ　Ｍｉｎｇ　，ＨＵ　Ｈａｎ．ｐｉｎｇ　（１．Ｃｈａｎｇｃｈｕｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｏｐｔｉｃｓ，Ｆｉｎｅ　Ｍｅｃｈａｎｉｃｓ　ａｎｄ　Ｐｈｙｓｉｃｓ，　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｃｈａｎｇｃｈｕｎ　１　３００３３，Ｃｈｉｎａ；　２．Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈａｎｇｃｈｕｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ　１　３００２２，Ｃｈｉｎａ）　Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ，Ｅ—ｍａｉｌ：ｚｈｕｍｉｎｇｃａ＠１　６３．ｃｏｍ　Ａｂｓｔｒａｃｔ：Ｅｌｅｃｔｒｏｎｉｃ　Ｉｍａｇｅ　Ｓｔａｂｉｌｉｚａｔｉｏｎ（ＥＩＳ）ｔｅｃｈｎｏｌｏｇｙ　ｕｓｕａｌｌｙ　ｉｓ　ｅｍｐｌｏｙｅｄ　ｔｏ　ｒｅｍｏｖｅ　ｔｈｅ　ｒａｎｄｏｍ　ｊｉｔｔｅｒ　ｇｅｎｅｒａｔｅｄ　ｂｙ　ｔｈｅ　ｉｍａｇｉｎｇ　ｅｑｕｉｐｍｅｎｔ　ａｎｄ　ｔｏ　ｓｔａｂｉｌｉｚｅ　ｉｔｓ　ｖｉｄｅｏ　ｏｕｔｐｕｔ．Ｆｉｒｓｔｌｙ，ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｓｔａｔｕｓ　ｏｆ　ＥＩＳ　ｉｓ　ｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅｎ　ｔｈｅ　ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ　ｍｏｄｕｌｅ　ｉｓ　ｓｔｕｄｉｅｄ　ｉｎ　ｄｅｔａｉｌｓ，ｗｈｉｃｈ　ｉｓ　ｏｎｅ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｉｍｐｏｒｔａｎｔ　ｍｏｄ—　ｕｌｅｓ　ｏｆ　ＥＩＳ．Ｂｏｔｈ　ｔｈｅ　ｄｉｒｅｃｔｉｏｎ　ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　ｔｈｅ　ｆｅａｔｕｒｅ—ｐｏｉｎｔｓ－ｂａｓｅｄ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍｓ　ａｒｅ　ｄｉｓｃｕｓｓｅｄ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅ　ｍｏｔｉｏｎ　ｃｏｒｒｅｃｔｉｏｎ　ａｎｄ　ｃｏｍｐｅｎｓａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ａｒｅ　ｐｒｅｓｅｎｔｅｄ．Ｆｉｎａｌｌｙ，ａｃｃｏｒｄ—　ｉｎｇ　ｔｏ　ｔｈｅ　ｄｉｉｃｕｌｆｔｉｅｓ　ａｎｄ　ｔｈｅ　ｆｕｔｕｒｅ　ｔｒｅｎｄｓ　ｏｆ　ｔｈｅ　ＥＩＳ，ｔｈｅ　ｄｅｖｅｌｏｐｉｎｇ　ｄｉｒｅｃｔｉｏｎ　ｆｏｒ　ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍｓ　ｏｆ　ＥＩＳ　ｉｓ　ｐｒｏｐｏｓｅｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ；ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ；ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ；Ｋａｌｍａｎ　ｆｉｌｔｅｒ　收稿日期：２０１３－０９—１９；修订日期：２０１３一ｌ１—２３　基金项目：国家自然科学基金资助项目（Ｎｏ．１１０７１１０３）　８４２　中国光学　第６卷　韩国和日本的许多高档家用摄像机中也装有　电子稳像设备，例如日本索尼公司生产的ＤＣＲ—　ＳＲ８７Ｅ家用摄像机就带有动态电子稳像装置，当　视频信息广泛应用于军用侦察系统、无人车　辆导航系统、航空测量系统以及监控系统中。其　中诸多摄像系统由于＿丁作环境恶劣，载体姿态不　因摄像机抖动而引起画面不清晰时，它会启动稳　像装置以去除画面的模糊。到目前为止，很多技　术先进的国家如美国、俄罗斯、日本、加拿大等，电　子稳像技术的研究和在军事和民用领域的实际应　用都已很成熟　。。　。　稳定等，均存在不确定的抖动和振动，使得采集的　视频序列帧问抖动较大，导致视频序列的质量下　降。对于信息十分丰富的视频序列，用户首先希　望图像画面清晰稳定，不稳定的视频序列将导致　武器性能下降，人工观察困难，并极易引起视觉疲　国内电子稳像技术在民用和军用方面也有一　定的发展。我国新型主战坦克８８Ａ、８８Ｂ、８８Ｃ虽　装备了稳像式火控系统，但自动化程度还比较低。　在２０世纪末期，中国科学院长春光机所钟平　、　劳；另外，也会使后续图像处理算法的难度加大。　因此，对于这种摄像载体所摄取的视频序列，有必　要应用电子稳像处理技术去除不规则的随机抖　动，将这些不稳定的视频序列转化为高质量的稳　定视频序列输出。近年来，出现了很多电子稳像　算法¨　，本文主要针对电子稳像系统的几个环　孙辉　、李迪　等人开始对电子稳像算法技术进　行了研究，并取得了很多成绩。经过十几年来的　努力，研究范围已从通用小型无人机载电视侦察　系统扩展到对侦察转台和侦察平台的研究。近几　年来，国内很多院校和科研单位如北京理工大　节，论述近年来出现的处理各环节的算法，尤其对　提取运动矢量的算法进行ｌ『详细叙述，最终给出　未来电子稳像的发展方向。　学＿６　Ｊ、西安科技大学　等也对电子稳像算法进行　了广泛研究　３　直接求取运动矢量的算法　２　电子稳像技术国内外发展现状　电子稳像是根据视频图像帧间差别，对摄像　国外在电子稳像技术方面的研究已有３０多　年的历史，进入９０年代以后，随着计算机技术和　机的运动参数进行估计，并对参数进行校正，从摄　像机的正常扫描运动中分离出随机抖动，得到补　偿参数，进而消除或减轻随机抖动引起的图像模　数字图像处理技术的迅速发展，很多西方国家如　美国和加拿大率先采用电子稳像算法，使电子稳　糊，获得清晰稳定的视频图像。　电子稳像的系统结构　如图１所示。主要包　像系统向小型化、高精度、强实时性的方向发展。　加拿大某研究机构成功研制了实时监视系统中的　括４个模块：图像预处理模块、运动估计、运动校　稳像装置，其图像处理、稳像速度达到３０　ｆｒａｍｅ／　Ｓ，系统的稳像精度达到１　ｐｉｘｅｌ。美国军事研究实　验室研制稳像系统应用在无人驾驶越野车上，其　稳像精度已优于１　ｐｉｘｅｌ。　正和图像补偿。图像预处理主要是消除图像中的　无关信息，增强有用信息的可检测性和最大限度　地简化数据。运动估计模块主要是估计出当前帧　相对于参考帧的运动偏移量，是　一种全局运动的　出　像　图１　电子稳像系统的结构　Ｆｉｇ．１　Ｓｔｒｕｃｔｕｒｅ　ｄｉａｇｒａｍ　ｏｆ　ＥＩＳ　ｓｙｓｔｅｍ　第６期　吉淑娇，等：基于特征点匹配的电子稳像技术　局部运动向量，根据局部矢量指定相应圆形块的　位置建立线性系统。然后，用最小二乘法求取全　估计。运动校正主要是区分全局运动中的有意运　动和随机抖动，计算补偿分量，采用补偿分量对各　帧图像进行变换。图像补偿主要是对运动校正过　程中出现的一些“无定义”区域进行重构，获得清　局运动参数，并由迭代的梯度下降法进行参数优　化。　晰的图像。运动估计模块是电子稳像技术的关键　技术，国内外很多学者在运动矢量的求取算法上　Ｌｅｅ¨　所采用的稳像算法是对占主导地位的　运动进行统计区域分析，算法能对可选择区域自　开展了广泛研究。　Ｈｕａｎｇ　等人运用匹配算法在连续图像的边　缘线上选取交叉点对，之后选取３对最适合的特　征点进行仿射模型的参数测量，求取全局运动参　量。交叉点对的数量少，能减少运算复杂度，提高　运算的速度。　Ａｎｔｏｎｉｏ＿１。。在研究了整个图像序列的几帧图　像的基础上，采用离散小波变换获得图像的特征，　再由欧氏距离对每一个图像特征进行分析，并利　用小波变换系数来评估其稳定性，最后通过低通　小波系数重构了稳定的特征向量。　Ｌｉｔｉｖｉｎ…　提出一种基于概率估计框架的方　法，将摄像机的主动运动和随机运动分开。此方　法将摄像机的帧间估计参数作为摄像机主动运动　的噪声测量。建立帧间运动参数的基于物理场的　状态空问模型，然后运用递归卡尔曼滤波求得稳　定的摄像机位置估计参数。最后运用６参数仿射　变化模型描述帧问的变换，模型的估计采用基于　多分辨率的Ｐ范数方法。基于概率估计的算法，　计算量稍大，很难达到稳像的实时『生。　Ｓ．Ｅｒｔｕｒｋｌ１２１认为全局运动可以由４个子图局　部运动估计得到。每个子图的运动估计都可以通　过相位相关获得，再通过子图像相位相关的峰值　获得可靠的局部运动矢量。最后运用卡尔曼滤波　器进行运动滤波以获得稳定的视频输出。　Ｈｏ¨　运用简单的仿射变换模型，推导出新的　类似极坐标的变换模型，对运动矢量进行处理。　算法先把图像以某点为中心，以某角度为中心旋　转获得当前图像，再运用文中算法对当前图像相　对原参考图像求取运动估计矢量。经验证明所得　结果和预处理的方法一致。该算法减少了运算　量，提高了稳像的实时性。　徐　首次提出具有旋转不变性的基于圆形　块匹配的方法，对所有指定的圆形块的中心提取　适应地采用特征直方图方式有效去除相机的随机　振动，而保留物体的运动模式。算法的优点是引　入了特征直方图匹配。　Ｐｏｕｒｒｅｚａ，Ｈ．Ｒ等人　采用两层小波分解方　法粗略估计水平和垂直方向的平移参数，将这些　参数作为估计的初始值，然后采用特征点和梯度　方法，进而精确计算估计参数。　Ａｍａｎａｔｉａｄｉｓ＿ｌ　认为视频序列的自身运动和　随机抖动两种信号分别具有独立的性质，利用独　立分量分析方法，使他们最大程度的统计独立。　在分离出自身运动矢量后，分配给它相应的能量　和信号，进而获得稳定视频序列。　Ｓａｎｊｅｅｖ１］　在傅里叶一格林域基于相位相关的　算法中实现了鲁棒的二维仿射全局运动估计。接　着在稀疏运动向量场采用最小二乘拟合实现图像　序列稳定。在稀疏的运动向量区域，采用　ＲＡＮＳＡＣ算法优化计算结果。在图像金字塔的最　佳分层处，随机选择高活动区域的位置，实现亚像　素级的准确相位相关。　Ｋｏｎｓｔａｎｔｉｎｏｓ¨　运用Ｈｉｌｂｅｎ—Ｈｕａｎｇ变换理论，　对原始运动矢量信号进行经验模式分解，形成固　有模态函数。然后运用Ｈｉｌｂｅａ变换对每个固有　模态函数分配能量，继而分解有意运动和随机抖　动。　李迪　叫引入自组织递归的模糊神经网络方　法，对视频序列存在的抖动进行函数逼近和学习　能力模拟，预测出设备抖动位置，继而进行补偿，　使输出视频稳定。　４基于特征点匹配的运动估计算法　基于特征点匹配的稳像算法是运动估计　的一种重要算法，这种算法的主要流程如图２所　示。　中国光学　第６卷　输入　像＿１厂．．【—　—垂—蒌—］—＋　＋垂　运噩动　—矢量　提勤取—一菱薹　输出图像＋＿［蚕　｛　算法首先求取参考帧和当前帧的正确匹配特　征点对，再将特征点对的坐标代入如下仿射模型，　求取运动矢量：　捌　㈩　式中，（Ｘ　，　）和（Ｘ　，）分别代表参考帧和当前　帧的特征点坐标；参数５代表变焦系数；０为旋转　角度。　，△　分别代表水平和垂直位移。求取运　动矢量后再进行运动滤波及运动补偿实现视频序　列稳定。求取运动矢量用时最多的就是提取正确　特征点及匹配的计算过程。比较常用的提取特征　点的方法有基于Ｈａｒｒｉｓ算子、尺度不变特征变换　算子（Ｓｃａｌｅ　Ｉｎｖａｒｉａｎｔ　Ｆｅａｔｕｒｅ　Ｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）以及　改进的加速鲁棒特征算子（Ｓｐｅｅｄ　Ｕｐ　Ｒｏｂｕｓｔ　Ｆｅａ—　ｔｕｒｅｓ，ＳＵＲＦ）和二进制鲁棒尺度不变关键点检测　算子（Ｂｉｎａｒｙ　Ｒｏｂｕｓｔ　Ｉｎｖａｒｉａｎｔ　Ｓｃａｌｅｂｌｅ　Ｋｅｙ—ｐｏｉｎｔ，　ＢＲＩＳＫ）等。　４．１几种提取特征点的算子　４．１．１　Ｈａｒｒｉｓ算子　１９９８年，Ｈａｒｒｉｓ和Ｓｔｅｐｈｅｎｓ提出Ｈａｒｒｉｓ算子，　主要利用图像的灰度变化进行检测。算子的核心　其公式为：　Ｈ＝ｄｅｔＭ—Ｋ・ｔｒａｃｅＭ，　（２）　ｄｅｔＭ＝Ａ１・Ａ２，ｔｒａｃｅＭ＝Ａ１＋Ａ２，　（３）　Ｍ＝　唧ｃ一等　ｏ　（４）　ｄｅｔＭ是矩阵Ｍ的行列式，ｔｒａｃｅＭ是矩阵　的迹，　一般取０．０４～０．０６。Ａ１，Ａ２为　矩阵的　两个特征值，当各值都较大时，该点被认为是特征　点。这种特征点检测方法计算简单，提取特征点　均匀，自问世以来，得到了广泛的应用。　钟平　等人提出通过Ｈａｒｒｉｓ算子提取特征　点并进行匹配，求取局部运动适量，将其代入运动　模型后求解全局运动适量。为了减少匹配计算的　复杂度，加快匹配速度，采用了多分辨率图像金字　塔匹配策略，可以较好地实现帧间平移运动和旋　转运动的补偿。　朱娟娟　１６］提出一种鲁棒的电子稳像系统。　全局运动矢量通过Ｈａｒｒｉｓ算子提取特征点的局部　信息来估计，同时根据特征点集的结构特征提出　用距离作为判断准则，对特征匹配进行验证来去　除伪匹配点。最后将所有校验后的匹配点对代入　运动模型中进行最优化迭代以获得全局运动矢　量。　Ｈａｒｒｉｓ算子　及其很多改进算法在特征提　取领域都得到广泛应用，但是在图像含有尺度变　化时，无法正确检测角点。后来又有人提出Ｈａｔ．　ｒｉｓ．Ｌａｐｌａｃｅ算子，虽然能适应尺度变换，但算法的　耗时太长。　４．１．２　ＳＩＦＴ＆ＳＵＲＦ算子　ＳＩＦＴ　算子是２００４年Ｌｏｗｅ提出的基于尺　度空间的特征提取算子。算法具有保证图像对平　移旋转和尺度具有不变性，独特性能好的优点，缺　点是基于多尺度空间进行搜索，计算量较大。　Ｂａｔｔｉａｔｏｌ２４　在２００７年的ＩＣＩＡ国际会议上利用　ＳＩＦＴ算子提取特征点，实现了视频序列去抖，取　得了很好的效果。　ＳＵＲＦ　算子是２００８年由Ｂａｙ提出的，是对　ＳＩＦＴ算子的改进。主要运用Ｈｅｓｓｉａｎ矩阵对图像　的极值进行检测，并在尺度空间内进行特征点检　测。　对于一幅灰度图像，ＳＵＲＦ中使用积分图像　代替灰度图像，任意尺度的Ｈｅｓｓｉａｎ矩阵表示为：　日（　）：　‘　）　），（　１，（５）　Ｌｘｙ（　，ｆ，）Ｌｙｙ（　，　）　（　，　）　＝　Ｇ（　）术，（　），Ｇ（　）　＝　掣ｄ　，　（６）　式中，ｇ（　）是二维高斯函数，Ｌ（　，　）是Ｇ（ｏｒ）与　积分图像的卷积。实际应用中，用盒子滤波器代　替高斯滤波器，通过改变　的大小构建尺度空　间。近年来很多文献报道了ＳＵＲＦ算子及其各种　第６期　改进算法的应用。　吉淑娇，等：基于特征点匹配的电子稳像技术　８４５　Ｋａｌｍａｎ滤波器并行工作，其中一个用来作为参考　滤波器，通过恒定过程的噪声方差工作来确保能　平滑和密切跟踪相机运动的轨迹。稳定滤波器的　Ｂｉｎｏｙ　运用Ｓ１ＪＲＦ算子提取特征点法实现　运动估计，采用不同的策略选择最适合的特征点　轨迹，最后用Ｋａｌｍａｎ滤波实现运动校正。张　噪声方差会自适应地根据它与参考滤波器的差值　通过模糊系统进行调整。张帆　等人提出了一　种基于固定滞后平滑滤波的平移运动滤波技术，　该方法是在Ｋａｌｍａｎ滤波的基础上得到的。算法　坤　采用ＳＵＲＦ算法检测感兴趣特征点，得出当　前帧相对于参考帧的运动矢量。再通过判断参考　帧的更新情况，得到去抖后的全局运动矢量进行　运动补偿。算法运行时间短，精确度可达到亚像　素级。王洪　在ＳＵＲＦ算子基础上，提出一种特　征点预测方法，增强对外部环境和光照变化的适　应能力，并在动态平衡ＫＤ树基础上进行快速匹　配，经过加入噪声前后做测试比较，误匹配率降低　为零。李小昌　在ＳＵＲＦ算子的基础上，在特征　区域选择的时候采用图像的熵来做检测，起到提　高速度和减少计算量的作用，同时又改进了特征　描述方法。吴威　等人采用ＳＵＲＦ算子获取参　考帧和当前帧的对应关系，再进行滤波和补偿，实　现了全景稳像，稳像指标提高了近１／３。　４．１．３　ＢＲＩＳＫ算子　２０１１年，Ｓｔｅｆａｎ＿３。。在ＩＣＣＶ国际会议上提出　了基于二进制鲁棒尺度不变关键点检测算子　ＢＲＩＳＫ。算法主要包括特征点描述和匹配。　ＢＲＩＳＫ特征检测子是以ＦＡＳＴ算子为基础发展而　来的，具有尺度不变、定位精度高等特点。ＢＲＩＳＫ　描述符采用了在关键点附近采样的模式，由二进　制比特串构成，一般采样６０个位置。　许允喜　将这种方法用在组合导航系统的　景象匹配中，大大提高了匹配的速度和精度，也适　合大光照变化的情况。目前为止，将此算子用于　电子稳像系统未见报道。　４．２运动校正算法　运动校正的主要任务是消除或减轻摄像机抖　动引起的视频序列随机运动。目前用于电子稳像　的运动滤波算法主要有：均值滤波方法、Ｋａｌｍａｎ　滤波的方法、粒子滤波的方法、曲线拟合的方法以　及　一　运动滤波的方法等。　Ｓ．Ｅｒｔｕｒｋｌ３　提出运用Ｋａｌｍａｎ滤波对序列帧　的随机运动和有意运动进行分离。Ｍ．Ｋ．Ｇｕｌｌｕ　对Ｋａｌｍａｎ滤波进行改进，提出运用模糊白适应的　Ｋａｌｍａｎ滤波对图像进行稳像。该算法中两个　通过滞后Ⅳ帧图像所获得的更多图像位置信息，　提高Ｋａｌｍａｎ滤波的估计精度，算法计算速度较　快，实时性好，滤波的平滑效果明显。　Ｙａｎｇ＿３　等人在粒子滤波框架基础上提出一　种新颖的视频稳像技术，该技术对粒子滤波应用　于传统的相机运动仿射模型进行了扩展，依靠所　得图像的逆以获得稳定的视频序列。首先运用尺　度不变特征点对摄像机运动进行粗略估计，接着　运用粒子滤波进行平滑估计。这种方法在实验和　理论上都表明，采用粒子滤波的估计精度较高。　Ｊｉｎ　等人认为主观运动与当前帧及前两帧的全　局运动相关，把运动的位移随时问的变化曲线视　为一个信号，设计了一个二阶的惯性滤波器，滤　波器参数需要凭经验设置，不能自适应调整。　近年来，很多学者针对不同的环境背景研究　出了很多新的运动滤波算法。这些算法对已有的　算法做了大量的改进，提高了算法的精度和速度。　王斌＿６　提出了用均值偏移和粒子滤波结合的运　动滤波算法（ＭＳＰＦ）来实现运动校正。该算法通　过粒子滤波来预测粒子，然后利用单次均值偏移　迭代使粒子向目标真实位置区域移动，这样可以　削弱计算结果的精度对粒子数的依赖。实验结果　表明：ＭＳＰＦ算法使用５０％的粒子就能起到传统　粒子滤波算法同样的效果，缩短了计算时间，有利　于实现实时稳像跟踪，适用于车载、船载、机载等　稳定跟踪系统中。姚军　也利用粒子滤波实现　了序列的稳像，取得了很好的效果。　Ｈｕａｎｇ＿３　８＿等人采用特征点匹配法做帧间运动　估计，之后采用　运动滤波算法分离随机运动　和有意运动，实现运动平滑。此滤波方法是一种　低通滤波方式，增益恒定，容易实现，最大的优点　是增益矩阵可以离线计算。算法鲁棒性好，可以　去除高频抖动，在工程上比Ｋａｌｍａｎ滤波容易实　中国光学　现。　第６卷　有挑战性的新的研究领域。　４．３图像补偿算法　机载电子稳像技术的研究已经取得了很大的　进展，在电子稳像的工程应用中仍需解决以下几　个方面的难点：　图像补偿主要对校正后的区域进行重构，获　得完整的视频序列。近几年，电子稳像处理中图　像补偿的方法主要包括基于运动复原的方法和图　（１）运动模型的局限性。目前在运动估计模　像拼接方法。　Ｍａｔｓｕｓｈｉｔａ　等人提出了一种基于运动复原　块所用的运动模型都是基于某种条件下的假设，　每种算法总有一定的使用范围，因此需要建立一　个通用的或近似通用的几何校正模型，以适用于　的图像补偿方法。该方法利用算法将视频背景与　运动前景分开，然后根据局部运动特性，利用视频　摄像机的任意运动。　的时空连贯性对图像进行图像补偿。杨占　（２）稳像算法的实时性。现今存在的电子稳　龙　等人采用图像拼接技术实现图像补偿。　像算法多数只能实现基于平移运动模型的实时处　传统图像拼接方法对旋转和噪声敏感，针对这个　理，而这样的模型不能完整地描述环境复杂情况　问题，杨提出了两种图像拼接技术，一种是基于兴　下摄像机的运动特征。实现多参数运动模型下的　趣点的伪泽尼克（Ｚｅｒｎｉｋｅ）矩技术，另一种是基于　实时稳像处理是该领域学者的研究目标之一。　不变矩的拼接技术。两种方法都是利用Ｈａｒｒｉｓ算　（３）图像拼接的重影问题。图像拼接算法是　子获取图像中的兴趣点，计算以兴趣点为中心邻　基于两幅图像间重叠区域并不存在运动物体的假　域窗口的伪泽尼克矩和不变矩。然后根据几何变　设前提下的。但在有些情况下，待拼接图像采集　换模型剔除伪匹配点对，最后将两幅图像问的重　过程中会有运动的物体出现或移动，这将会在合　叠区域进行图像融合，完成图像的拼接。　成图像中产生重影。因此，对图像运动补偿要尝　试一些图像融合的算法，更大程度地消除运动物　５　结束语　体产生的重影。　（４）利用图像的间接特征进行匹配。图像的　目前的电子稳像系统对于应用对象和环境针　能量、直方图以及频谱等信息都是图像的问接特　对性较强，任何一种单一的方法和应用已经无法　征，利用这些特征进行图像匹配的文章还很少见，　满足人们的需求，为了降低计算难度，要根据不同　但这些特征都是图像的固有特性，这也是电子稳　情况选取不同的方法。与其他领域的新技术相结　像算法今后努力的方向。　合是电子稳像技术的一个研究热点，也是一个具　参考文献：　［Ｉ］　赵红颖，金宏，熊经武．电子稳像技术概述［Ｊ］．光学精密工程，２００１，８（４）：３５３—３５９．　ＺＨＡＯ　Ｈ　Ｙ，ＪＩＮ　Ｈ，ＸＩＯＮＧ　Ｊ　Ｗ．Ｏｖｅｒｖｉｅｗ　ｏｆ　ｔｈｅ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｏｐｔ．Ｐｒｅｃｉｓｉｏｎ　Ｅａｇ．，　２００１，８（４）：３５３—３５９．（ｉｎ　Ｃｈｉｎｅｓｅ）　［２］　王志民，徐晓刚．电子稳像技术综述［Ｊ］．中国图象图形学报，２０１０，１５（３）：４７０４８０．　ＷＡＮＧ　ＺＨ　Ｍ，ＸＵ　Ｘ　Ｇ．Ａ　ｓｕｒｖｅｙ　ｏｎ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ［Ｊ］．　Ｉｍａｇｅ　ａｎｄ　Ｇｒａｐｈｉｃｓ，２０１０，１５（３）：４７０－４８０．　（ｉｎ　Ｃｈｉｎｅｓｅ）　［３］钟平．机载电子稳像技术研究［Ｄ］．长春：中国科学院长春光学精密机械与物理研究所，２００３．　ＺＨＯＮＧ　Ｐ．Ｓｔｕｄｙ　ｏｎ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｆｏｒ　ｔｈｅ　ｉｍａｇｅ　ｓｅｑｕｅｎｃｅｓ　ｏｆ　ｔｈｅ　ａｅｒｏ—ｂｏｒｎｅ　ｃａｍｅｒａ　ｓｙｓｔｅｍ　［Ｄ］．Ｃｈａｎｇｃｈｕｎ：Ｃｈａｎｇｃｈｕｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｏｐｔｉｃｓ，Ｆｉｎｅ　Ｍｅｃｈａｎｉｃｓ　ａｎｄ　Ｐｈｙｓｉｃｓ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，２００３．（ｉｎ　Ｃｈｉｎｅｓｅ）　［４］　孙辉，李志强，孙丽娜，等．基于相位相关的亚像素配准技术及其在电子稳像中的应用［Ｊ］．ｑ－国光学与应用光学，　２０１０，３（５）：４８０－４８５．　第６期　吉淑娇，等：基于特征点匹配的电子稳像技术　ｒＬ　ｒ｝ｒＬ　］ｊ　１｛ｒ　８４７　ｒ　１ｊ］Ｊ］ｊ　１Ｊ　ｍ¨　Ｂ　ＳＵＮ　Ｈ，ＬＩ　ＺＨ　Ｑ，ＳＵＮ　Ｌ　Ｎ，ｅｔ　ａ１．．Ｓｕｂ—ｐｉｘｅｌ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｐｈａｓｅ　ｃｏｒｒｅｌａｔｉｏｎ　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　ｔｏ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｏｐｔ．Ａｐｐ１．Ｏｐｔ．，２０１０，３（５）：４８０－４８５．（ｉｎ　Ｃｈｉｎｅｓｅ）　［５］　李迪．微型飞行器电子稳像技术研究［Ｄ］．长春：中国科学院长春光学精密机械与物理研究所，２０１２．　ＬＩ　Ｄ．Ｓｔｕｄｙ　ｏｎ　ｅｌｅｃｔｒｏｎｉｃ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｆｏｒ　ｔｈｅ　ｉｍａｇｅ　ｓｅｑｕｅｎｃｅｓ　ｏｆ　ＭＡＶ［Ｄ］．Ｃｈａｎｇｃｈｕｎ：Ｃｈａｎｇ—　ｃｈｕｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｏｐｔｉｃｓ，Ｆｉｎｅ　Ｍｅｃｈａｎｉｃｓ　ａｎｄ　Ｐｈｙｓｉｃｓ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，２０１２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［６］　王斌，赵跃进．基于电子稳像跟踪技术的运动滤波算法［Ｊ］．光学精密工程，２００９，１７（１）：２０２—２０６．　ＷＡＮＧ　Ｂ，ＺＨＡＯ　Ｙ　Ｊ．Ｍｏｔｉｏｎ　ｉｆｌｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｔｒａｃｋｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｂａｓｅｄ　ｏｎ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ［Ｊ］．Ｏｐｔ．Ｐｒｅｃｉｓｉｏｎ　Ｅｎｇ．，２００９，１７（１）：２０２－２０６．（ｉｎ　Ｃｈｉｎｅｓｅ）　［７］　张坤，许廷发，王平，等．高精度实时全帧频ＳＵＲＦ电子稳像算法［Ｊ］．光学精密工程，２０１１，１９（８）：１９６４—１９７２．　ＺＨＡＮＧ　Ｋ，ＸＵ　Ｔ　Ｆ，ＷＡＮＧ　Ｐ．Ｒｅａ—ｌ　ｔｉｍｅ　ｆｕｌ—ｌ　ｆｒａｍｅ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｓｙｓｔｅｍ　ｂｙ　ＳＵＲＦ［Ｊ］．Ｏｐｔ．Ｐｒｅｃｉｓｉｏｎ　Ｅｎｇ．，２０１１，１９（８）：１９６４—１９７２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［８］　朱娟娟，郭宝龙．一种鲁棒的电子稳像系统［Ｊ］．西安电子科技大学学报（自然科学版），２００７，３４（３）：４１８４２２．　ＺＨＵ　Ｊ　Ｊ，ＧＵＯ　Ｂ　Ｌ．Ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ｇｌｏｂａｌ　ｆｅａｔｕｒｅｓ　ｔｒａｃｋｉｎｇ［Ｊ］．　ｔｕｒｅ＆Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ），２００７，３４（３）：４１８４２２．（ｉｎ　Ｃｈｉｎｅｓｅ）　Ｘｉｄｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａ—　ＨＵＡＮＧ　Ｊ　Ｃ．Ａｕｔｏｍａｔｉｃ　ｆｅａｔｕｒｅ—ｂａｓｅｄ　ｇｌｏｂａｌ　ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ　ｉｎ　ｖｉｄｅｏ　ｓｅｑｕｅｎｃｅｓ［Ｊｊ．ＩＥＥＥ，２００４，５０（３）：９１１—９１５．　ＡＮＴＯＮＩＯ　Ｒ　Ｋ，ＲＯＬＡＮＤ　Ｇ．Ａ　ｗａｖｅｌｅｔ—ｂａｓｅｄ　ａｐｐｒｏａｃｈ　ｔｏ　ｉｍａｇｅ　ｆｅａｔｕｒｅ　ｓｔａｂｉｌｉｔｙ　ａｓｓｅｓｓｍｅｎｔ［Ｊ］．ＩＥＥＥ，２０６，２２：１—２５．　ＡＮＤＲＥＷ　Ｌ．ＪＡＮＵＳＺ　Ｋ，ＷＩＬＩＡＭ　Ｃ　Ｋ．Ｐｒｏｂａｂｉｌｉｓｔｉｃ　ｖｉｄｅｏ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｕｓｉｎｇ　Ｋａｌｍａｎ　ｆｉｌｔｅｒｉｎｇ　ａｎｄ　ｍｏｓａｉｃｋｉｎｇ［Ｊ］．，ｍ—　ａｇｅ　ａｎｄ　ｖｉｄｅｏ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　ａｎｄ　Ｐｒｏｃｅｓｓｉｎｇ，２００３，５０２２：６６３—６７４．　ＥＲＴＵＲＫ　Ｓ．Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｗｉｔｈ　ｓｕｂ—ｉｍａｇｅ　ｐｈａｓｅ　ｃｏｒｒｅｌａｔｉｏｎ　ｂａｓｅｄ　ｇｌｏｂａｌ　ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ［＇Ｉ］．ＩＥＥＥ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎｉｃｓ，２００３，１２：１３２０—１３２５．　ＨＯ　Ｄ　Ｓ．ＪＯＯＮ　Ｌ．Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｕｓｉｎｇ　ｓｉｍｐｌｅ　ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｔｈｅ　ｒｏｔａｔｉｏｎａｌ　ａｎｄ　ｔｒａｎｓｌａｔｉｏｎａｌ　ｍｏｔｉｏｎ［Ｃ］．Ｐｒｏｃ．　ＳＰＩＥ　５８１０，Ａｃｑｕｉｓｉｔｉｏｎ，Ｔｒａｃｋｉｎｇ，ａｎｄ　Ｐｏｉｎｔｉｎｇ　ＸＩＸ，Ｏｒｌａｎｄ，Ｆｌｏｒｉｄａ，ＵＳＡ，Ｍａｒｃｈ　２００５．　ＸＵ　Ｌ　Ｄ．ＬＩＮ　Ｘ　Ｇ．Ｄｉｇｉｔｌａ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｃｉｒｃｕｌａｒ　ｂｌｏｃｋ　ｍａｔｃｈｉｎｇ［Ｊ］．ＩＥＥＥ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎｉｃｓ，　２００６，５２（２）：５６５—５７４．　ＪＩＮＨＥＥ　Ｌ，ＳＡＮＧＫＥＵＮ　Ｌ．Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｓｔａｔｉｓｔｉｃａｌ　ｓｅｌｅｃｔｉｏｎ　ｏｆ　ｆｅａｓｉｂｌｅ　ｒｅｇｉｏｎｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ—　ａｃｔｉｏｎｓ　ｏｎ　Ｃｏｎｓｕｍｅｒ　Ｅｌｅｃｔｒｏｎｉｃｓ，２００９，５５（４）：１７４８—１７５５．　ＰＯＵＲＲＥＺＡ　Ｈ　Ｒ，ＲＡＨＭＡＴＩ　Ｍ，ＢＥＨＡＺＩＮ　Ｆ．Ａｎ　ｅｌｅｃｔｒｏｎｉｃ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚｅｒ　ｂａｓｅｄ　ｏｎ　ｓｔａｔｉｏｎａｒｙ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　（ＳＷＴ）ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｏｎ￣Ｊ］．Ｐｒｏｃｅｅｄｉｎｇ　ｏｆ２００３　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ，２００３，３：３８３—３８６．　ＡＮＧＥＬＯＳ　Ａ　Ａ，ＡＮＤＲＥＡＤＩＳ　Ｉ．Ｄｉｇｉｔｌａ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｂｙ　ｉｎｄｅｐｅｎｄｅｎｔ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．Ｉｎｓｔｒｕ—　ｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｍｅａｓｕｒｅｍｅｎｔ，２０１０，５９（７）：１７５５—１７６３．　ＳＡＮＪＥＥＶ　Ｋ，ＨＡＬＥＨ　Ａ，ＭＡＩＮＡＫ　Ｂ，ｅｔ　ａ１．．Ｒｅａｌ—ｔｉｍｅ　ａｆｆｉｎｅ　ｇｌｏｂａｌ　ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ　ｕｓｉｎｇ　ｐｈａｓｅ　ｃｏｒｒｅｌａｔｉｏｎ　ａｎｄ　ｉｔｓ　ａｐ—　ｐｌｉｃａｔｉｏｎ　ｆｏｒ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，２０１１，２０（１２）：３４０６—３４１８．　ＫＯＮＳＴＡＮＴＩＮＯＳ　Ｉ．ＩＯＡＮＮＩＳ　Ａ　Ａ．Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｈｉｌｂｅｒｔ　ｈｕａｎｇ　ｔｒａｎｓｆｏｒｍ［Ｊ］．ＩＥＥＥ　Ｉｓｔｎｒｕｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｍｅａｓｕｒｅｍｅｎｔ，２０１２，６１（９）：２４４６—２４５７．　４６（８）：　［２０］　李迪，陈向坚，续志军，等．模糊神经网络在机载相机稳像中的应用［Ｊ］．浙江大学学报（工学版），２０１２，１５４０．１５４５．　ＬＩ　Ｄ，ＣＨＥＮ　Ｘ　Ｊ，ＸＵ　ＺＨ　Ｊ，ｅｔ　ａ１．．Ｆｕｚｚｙ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｗｉｔｈ　ｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇ　ｒｅｃｕｒｒｅｎｔ　ｉｎｔｅｒｖａｌｓ　ｆｏｒ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｏｆ　ｔｈｅ　ａｉｒｂｏｒｎｅ　ｃａｍｅｒａ［Ｊ］．Ｊ．Ｚｈｅｉｆａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ（Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ），２０１２，４６（８）：１５４０—１５４５．（ｉｎ　Ｃｈｉｎｅｓｅ）　金光．基于特征点匹配技术的运动估计与补偿方法［Ｊ］．光电子‘激光，２００４，１５（１）：７３－７７．　［２１］　钟平，于前洋，ＺＨＯＮＧ　Ｐ，ＹＵ　Ｑ　Ｙ，ＪＩＮ　Ｇ．Ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ　ａｎｄ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｍａｔｃｈｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　ｆｅａｔｕｒｅ　ｐｏｉｎｔ　『Ｊ１．　Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃｓ・Ｌａｓｅｒ，２００４，１５（１）：７３—７７．　朱明，胡汉平，等．基于特征匹配的视频稳像算法［Ｊ］．吉林大学学报（工学版），２０１３，４３（增刊）：３２２—３２５．　［２２］　吉淑娇，ＪＩ　ＳＨ　Ｊ，ＺＨＵ　Ｍ，ＨＵ　Ｈ　Ｐ，ｅｔ　ａ１．．Ｖｉｄｅｏ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｌａｇｏｒｉｔｈｍ　ｂａｓｅｄ　Ｏｌｌ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｍａｔｃｈｉｎｇ［Ｊ］．　Ｊｉｌｉｎ　Ｕｎｉｖｅｒ－　ｓｉｔｙ（Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｅｄｉｔｉｏｎ），２０１３，４３（Ｓｕｐ．）：３２２—３２５．　８４８　中国光学　第６卷　［２３］　Ｉ，ＯＷＥ　Ｄ　Ｇ．Ｄｉｓｔｉｎｃｔｉｖｅ　ｉｍａｇｅ　ｆｅａｔｕｒｅｓ　ｆｒｏｍ　ｓｃａｌｅ—ｉｎｖａｒｉａｎｔ　ｋｅｙｐｏｉｎｔｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　ｌ，．Ｃｍｎｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００４，６０　（２）：９１—１　１０．　［２４］ＢＡ３ＴＩＡＴＯ　Ｓ，ＧＡＬＬＯ　Ｇ，ＰＵＧＬ１ＳＩ　Ｇ，ｅｔ　ａ１．．ＳＩＦＴ　Ｆｅａｔｕｒｅ　ｔｒａｃｋｉｎｇ　ｆｏｒ　ｖｉｄｅｏ　ｓｔａｂｉｌｉｚａｔｉｏｎ［Ｃ］．ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｍａｇｅ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｐｒｏｃｅｓｓｉｎｇ，Ｍｏｄｅｎａ　２００７．　［２５］ＢＡＹ　Ｈ，ＴＵＹＴＥ１　ＡＡＲＳ　Ｔ，ＧＯＯ１　Ｌ　Ｖ．ＳＵＲＦ：ｓｐｅｅｄｅｄ　ｕｐ　ｒｏｂｕｓｔ　ｆｅａｔｕｒｅｓ［Ｃ］．Ｔｈｅ　Ｎｉｎｔｈ　Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍ—　ｐｕｔｅｒ　Ｖｉｓｉｏｎ（ＥＣＣＶ）．Ｇｒａｚ，Ａｕｓｔｒｉａ：Ｓｐｒｉｎｇｅｒ，２００６：４Ｏ４４１７．　［２６］　ＢＩＮＯＹ　Ｐ．Ｖｉｄｅｏ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｕｓｉｎｇ　ｓｐｅｅｄｅｄ　ｕｐ　ｒｏｂｕｓｔ　ｔｅａｔｕｒｅｓ［Ｃ］．Ｃｏｍｎｍｎｉｃａｔｉｏｎｓ　ａｎｄ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ（ＩＣＣＳＰ），　２０１１：５２７—５３１．　［２７］　王洪，嵇晓强，戴明，等．一种改进的快速鲁棒特征匹配算法［Ｊ］．红外与激光工程，２０１２，４１（３）：８ｌ　１—８１７．　ＷＡＮＧ　Ｈ，ＪＩ　Ｘ　Ｑ，ＤＡＩ　Ｍ，ｅｔ　ａ１．．Ｉｍｐｒｏｖｅｄ　ｓｐｅｅｄ　ｕｐ　ｒｏｂｕｓｔ　ｆｏａｔｈｅｒｓ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍ［Ｊ］．１ｎｊ￣ａｒｅｄ　ａｎｄ　ａＬｓｅｒ　Ｅｎｇ．，　２０１２，４１（３）：８１１—８１７．（ｉｎ　Ｃｈｉｎｅｓｅ）　［２８］　李小昌，朱丹．采用尺度不变特征和区域选择的图像配准方法［Ｊ］．红外与激光工程，２０１２，４１（２）：５３７—５４２．　１Ｊｌ　Ｘ　ＣＨ．ＺＨＵ　Ｄ．Ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｒｅｇｉｏｎ　ｓｅｌｅｃｔｉｏｎ　ａｎｄ　Ｓｃａｌｅ　Ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｔｒａｎｓｆｏｒｍ—ｉｎｖａｒｉａｎｔ　ｌｅａ—　ｔｕｒｅ［Ｊ］．Ｉｎｆｒａｒｅｄ　ａｎｄ　Ｌａｓｅｒ　Ｅｎｇ．，２０１２，４１（２）：５３７－５４２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［２９］　吴威，许廷发，王亚伟，等．高精度全景补偿电子稳像［Ｊ］．中国光学，２０１３，６（３）：３７８—３８５．　ＷＵ　Ｗ．ＸＵ　Ｔ　Ｆ，ＷＡＮＧ　Ｙ　Ｗ，ｅｔ　ａ１．．Ｈｉｇｈ　ｐｒｅｃｉｓｉｏｎ　ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｗｉｔｈ　ｆｕｌｌ　ｌｆａｍｅ　ｃｏｎｌｐｅｎｓａｔｉｏｎ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｏｐｔｉｃｓ，２０１３，６（３）：３７８—３８５．（ｉｎ　Ｃｈｉｎｅｓｅ）　［３Ｏ］　ＳＴＥＦＡＮ　Ｌ　Ｃ，ＲＯＬＡＮＤ　Ｓ．ＢＲＩＳＫ：ｂｉｎａｒｙ　ｒｏｂｕｓｔ　ｉｎｖａｒｉａｎｔ　ｓｃａｌａｂｌｅ　ｋｅｙｐｏｉｎｔｓ［Ｃ］．Ｉｎ　ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　ｉｎｔｅｒｎａ—　ｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｅｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ（ＩＣＣＶ），２０１　１，２５４８—２５５５．　［３１］许允喜，蒋云良，陈方．惯性导航系统中基于ＢＲＩＳＫ的快速镜像　配方法［Ｊ］．光电子・激光，２０１２，２３（８）：１５８９一　ｌ５９５．　ＸＵ　Ｙ　Ｘ，Ｊ１ＡＮＧ　Ｙ　Ｌ，ＣＨＥＮ　Ｆ．Ｒａｐｉｄ　ｓｃｅｎｅ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ＢＲＩＳＫ　ｆｏｒ　ｉｎｅｒｔｉａｌ　ｉｎｔｅｇｒａｔｅｄ　ｎａｖｉｇａｔｉｏｎ　ｓｙｓｔｅｍ　［Ｊ］．Ｊ．Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃｓ・Ｌａｓｅｒ，２０１２，２３（８）：１５８９—１５９５．　［３２］ＥＲＴＵＲＫ　Ｓ．Ｉｍａｇｅ　ｓｅｑｕｅｎｃｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｂａｓｅｄ　ｏｌｑ　ｋａｈｎａｎ　ｆｉｌｔｅｒｉｎｇ　ｏｆ　ｌｆａｍｅ　ｐｏｓｉｔｉｏｎｓ［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃｓ　Ｌｅｔｔｅｒｓ，２００１，３７　（２０）：１２１７—１２１９．　［３３］ＧＵＬＬＵ　Ｍ　Ｋ，ＹＡＭＡＮ　Ｅ，ＥＲＴＵＲＫ　Ｓ．Ｉｍａｇｅ　ｓｅｑｕｅｎｃｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｕｓｉｎｇ　ｆｕｚｚｙ　ａｄａｐｔｉｖｅ　Ｋａｌｍａｎ　ｉｆｈｅｒｉｎｇ［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃｓ　Ｌｅｔｔｅｒｓ，２００３，３９（５）：４２９４３１．　［３４］　ＺＨＡＮＧ　Ｆ，ＷＡＮＧ　Ｘ　Ｔ，ＸＵ　Ｘ　Ｇ，ｅｔ　ａ１．．Ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｆｉｘｅｄ—ｌａｇ　ｓｍｏｏｔｈ　ｉｆｌｔｅｒｉｎｇ［Ｊ］．　Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃｓ　Ｌｅｔｔｅｒｓ，２００７，３（４）：３０８—３１１　［３５］　ＹＡＮＧ　Ｊ　Ｌ，ＳＣＨＯＮＦＥＬＤ　Ｄ，ＭＯＨＡＭＥＤ　Ｍ．Ｒｏｂｕｓｔ　ｖｉｄｅｏ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｈａｓｅｄ　ｏｎ　ｐａｒｔｉｃｌｅ　ｉｆｌｔｅｒ　ｔｒａｃｋｉｎｇ　ｏｆ　ｐｒｏｊｅｃｔｅｄ　ｃａｎｌ—　ｅｒａ　ｍｏｔｉｏｎ【ｊ］．１ＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｃｉｒｃｕｉｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓｆｏｒ　Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌｏｇｙ，２００９，１９（７）：９４５－９５４．　［３６］ＪＩＮ　Ｊ　ｓ，ＺＨＵ　ｚ　Ｇ，ＸＵ　Ｇ．Ｙ．Ａ　ｓｔａｂｌｅ　ｖｉｓｉｏｎ　ｓｙｓｔｅｍ　ｏｆｒ　ｍｏｖｉｎｇ　ｖｅｈｉｃｌｅｓ［Ｊ］．ＩＥＥＥ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｓｙｓｔｅｒ￣，　２０００，１（１）：３２—３９．　［３７］　姚军，蒋晓瑜，杜登崇，等．使用粒子滤波器实现电子稳像［Ｊ］．光学精密工程，２００９，１７（５）：１１０５—１１１０．　ＹＡＯ　Ｊ，ＪＩＡＮＧ　Ｘ　Ｙ，ＤＵ　Ｄ　ＣＨ，ｅｔ　ａ１．．Ｄｉｇｉｔａｌ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｐａｒｉｉｃｌｅ　ｆｉｌｔｅｒ［Ｊ　ｊ．　．Ｐｒｅｃｉｓｉｏｎ　Ｅｎｇ．，２００９，　１７（５）：１１０５—１１１０．（ｉｎ　Ｃｈｉｎｅｓｅ）　［３８］ＨＵＮＧ　Ｙ　Ｑ，］ＩＡＮＧ　Ｘ　Ｙ．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ａｄａｐｔｉｖｅ　一口ｆｉｌｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｅ　ｓｔａｂｉｌｉｚａｔｉｏｎ［Ｃ］．２０　ｌ１　Ｉｎ—　ｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｅｅｈａｔｒｏｎｉｅ　Ｓｃｉｅｎｃｅ，Ｅｌｅｃｔｒｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｃｏｍｐｕｔｅｒ，Ａｕｇｕｓｔ　１９—２２，２０ｌ１，Ｊｉｌｉｎ，Ｃｈｉｎａ，　３２２—３２５．　［３９］ＭＡＴＳＵＳＨＩＴＡ　Ｙ，ＯＦＥＫ　Ｅ，ＧＥ　Ｗ，ｅｔ　ａ１．．Ｆｕｌｌ—ｌｆａｍｅ　ｖｉｄｅｏ　ｓｔａｂｉｌｉｚａｔｉｏｎ　ｗｉｔｈ　ｍｏｔｉｏｎ　ｉｎｐａｉｎｔｉｎｇ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，２００６，２８（７）：１１５０—１　１６３．　［４０］杨占龙，郭宝龙．基于兴趣点伪泽尼克矩的图像拼接［Ｊ］．中国激光，２００７，３４（１１）：１５４８—１５５２．　ＹＡＮＧ　ＺＨ　Ｌ，ＧＵＯ　Ｂ　Ｉ　．Ａｎ　ｉｍａｇｅ　ｍｏｓａｉｃ　ｔｅｃｈｎｉｑｕｅ　ｂａｓｅｄ　ＯＦｔ　ｉｎｖａｒｉａｎｔ　ｍｏｍｅｎｔｓ　ｏｆ　ｉｎｔｅｒｅｓｔ　ｐｏｉｎｔｓ＿Ｊ］．Ｃｈｉｎｅｓｅ　Ｊ・Ｉｘｔｓｅｒｓ　２００７，３４（１　１）：１５４８—１５５２．（ｉｎ　Ｃｈｉｎｅｓｅ）