基于特征跟踪和网格路径运动的视频稳像算法

针对手持移动设备拍摄的抖动视频问题,提出了一种基于特征跟踪和网格路径运动的视频稳像算法。通过SIFT算法提取视频帧的特征点,采用KLT算法追踪特征点,利用RANSAC算法估计相邻帧间的仿射变换矩阵,将视频帧划分为均匀的网格,计算视频的运动轨迹,再通过极小化能量函数优化平滑多条网格路径。最后由原相机路径与平滑相机路径的关系,计算相邻帧间的补偿矩阵,利用补偿矩阵对每一帧进行几何变换,从而得到稳定的视频。实验表明,该算法在手持移动设备拍摄的抖动视频中有较好的结果,其中稳像后视频的PSNR平均值相比原抖动视频PSNR值大约提升了11.2 dB。与捆绑相机路径方法相比约提升了2.3 dB。图像间的结构相似性SSIM平均值大约提升了59%,与捆绑相机路径方法相比约提升了3.3%。

高鲁棒性增强现实的三维注册改进算法

针对传统的增强现实(AR,augmented reality)三维注册算法耗时较长,结果准确率和鲁棒性低的问题,从高鲁棒性的角度出发,对AR三维注册算法进行改进。算法的实现过程共分为位置初推导、特征信息匹配与算法建立等3个步骤。在完成摄像头定位跟踪并确定虚拟目标在真实世界中的位置后,对特征点信息进行匹配。在此基础上,通过算法初始化和在线化过程,结合KLT追踪实现三维注册。实验结果表明,改进后的AR三维注册算法在耗时、特征点位置信息计算结果准确率和鲁棒性等方面明显优于传统算法。