УДК: 004.932.2

Использование микроэлектромеханических систем при решении задачи стабилизации видеоизображений

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Иванов П.И. Использование микроэлектромеханических систем при решении задачи стабилизации видеоизображений // Оптический журнал. 2015. Т. 82. № 8. С. 84–91.

Ivanov P.I. Using microelectromechanical systems when solving the problem of digital stabilization of video images [in Russian] // Opticheskii Zhurnal. 2015. V. 82. № 8. P. 84–91.

Ссылка на англоязычную версию:

P. I. Ivanov, "Using microelectromechanical systems when solving the problem of digital stabilization of video images," Journal of Optical Technology. 82(8), 557-562 (2015). https://doi.org/10.1364/JOT.82.000557

Аннотация:

В статье предложен метод совместного использования видеокамеры и данных, получаемых от микроэлектромеханических систем, для решения задачи стабилизации изображения. Представлен алгоритм выбора режима сопоставления на основе оценки изменения положения оптической оси за время экспозиции кадра. Произведена модификация процедуры сопоставления ключевых точек и фильтрации ошибок методом RANSAC путем использования показаний вышеупомянутых систем в качестве вспомогательной информации. Выполнено сравнение результатов работы известных методов цифровой стабилизации изображений с предложенным алгоритмом, которое показало эффективность совместного использования видеоизображений и данных микроэлектромеханических систем для решения задачи стабилизации.

Ключевые слова:

микроэлектромеханические системы, цифровая стабилизация изображений, подвижное основание, оценивание параметров движения, SURF, FRAK, RANSAC

Коды OCIS: 100.2960

Список источников:

1. Mourikis A.I., Roumeliotis S.I. A multi-state constraint Kalman filter for vision-aided inertial navigation // Robotics and Automation. IEEE International Conference, Rome, Italy: IEEE, 2007. P. 3565–3572.
2. Jia C., Evans B.L. Probabilistic 3D motion estimation for rolling shutter video rectification from visual and inertial measurements // Multimedia Signal Processing (MMSP), 2012 IEEE 14th International Workshop. Banff, Canada: IEEE, 2012. P. 203–208.
3. Hanning G., Forslöw N., Forssén P. E., Ringaby E., Törnqvist D., Callmer J. Stabilizing cell phone video using inertial measurement sensors // Computer Vision Workshops (ICCV Workshops), 2011 IEEE International Conference. Barcelona, Spain: IEEE, 2011. P. 1–8.
4. Karpenko A., Jacobs D., Baek J., Levoy M. Digital video stabilization and rolling shutter correction using gyroscopes // Stanford University Computer Science Technical Reports. 2011. V. 1. P. 2.
5. Званцев С.П., Иванов П.И., Мерзлютин Е.Ю. Цифровая стабилизация изображений в условиях запланированного движения // Оптический журнал. 2012. Т. 79. № 11. С. 59–66.

6. Лапина Н.Н., Луцив В.Р., Малышев И.А., Потапов А.С. Особенности сопоставления изображений в задачах определения местоположения мобильного робота // Оптический журнал. 2010. Т. 77. № 11. С. 25–34.
7. Potapov A.S., Malyshev I.A., Puysha A.E., Averkin A.N. New paradigm of learnable computer vision algorithms based on the representational MDL principle // Proc. SPIE. 2010. V. 7696. P. 769606.
8. Bay H. Speeded-up robust features (SURF) // Computer vision and image understanding. 2008. V. 110. № 3. P. 346–359.
9. Alahi A., Ortiz R., Vandergheynst P. Freak: Fast retina keypoint // Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference. Barcelona: Ieee, 2012. P. 510–517.
10. Averkin A.N., Gurov I.P., Peterson M.V., Potapov A.S. Spectral-differential feature matching and clustering for multi-body motion estimation // Proc. MVA2011 IAPR Conference on Machine Vision Applications. 2011. June 13-15, Nara, Japan. P. 173–176.
11. Fischler M.A., Bolles R.C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography // Communications of the ACM. 1981. V. 24. № 6. P. 381–395.