樂(lè)國(guó)慶,郭永飛,劉春香,馬天波,石俊霞

(中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所,吉林 長(zhǎng)春 130033；2.中國(guó)科學(xué)院大學(xué),北京 100049)

低曝光條件下遙感相機(jī)微振動(dòng)量檢測(cè)

樂(lè)國(guó)慶1,2,郭永飛1*,劉春香1,馬天波1,石俊霞1

(中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所,吉林 長(zhǎng)春 130033；2.中國(guó)科學(xué)院大學(xué),北京 100049)

針對(duì)搭載平臺(tái)顫振對(duì)遙感相機(jī)成像的影響，利用輔助高速面陣CCD相機(jī)拍攝高幀頻圖像序列，通過(guò)像元合并來(lái)補(bǔ)償曝光時(shí)間不足，增加圖像的亮度、對(duì)比度和信噪比，同時(shí)結(jié)合一種區(qū)域選擇算法來(lái)選擇用于計(jì)算的圖像區(qū)域，最后使用灰度投影算法對(duì)振動(dòng)位移量進(jìn)行估計(jì)。實(shí)驗(yàn)數(shù)據(jù)表明，提出的改進(jìn)算法誤差為一個(gè)像元，在準(zhǔn)確性和穩(wěn)定性方面均明顯優(yōu)于原始算法。

遙感相機(jī)；微振動(dòng)檢測(cè)；運(yùn)動(dòng)估計(jì)；灰度投影算法

1 引言

自從航空航天光學(xué)遙感出現(xiàn)以后，由于科研、生產(chǎn)和生活的需要，人類對(duì)遙感圖像的要求越來(lái)越高，光學(xué)遙感技術(shù)在不斷向前發(fā)展。一方面是對(duì)遙感圖像獲取的實(shí)時(shí)性追求，從而傳感器從原始的膠片變成了現(xiàn)在的電荷耦合器件(Charge Coupled Devices，CCD)；另一方面對(duì)遙感圖像高分辨率和高質(zhì)量的追求，從而時(shí)間延遲積分(Time Delayed Integration，TDI)CCD逐漸取代了面陣CCD。

航空航天光學(xué)遙感相機(jī)有兩大特點(diǎn)：一是成像時(shí)相機(jī)與目標(biāo)存在相對(duì)運(yùn)動(dòng)；二是相機(jī)的光學(xué)鏡頭焦距要求盡量短，以便減小相機(jī)重量和體積，但這樣會(huì)造成收集的光能量小。TDI-CCD正好能夠彌補(bǔ)以上兩點(diǎn)。因?yàn)門DI-CCD是一種光電傳感器，可以通過(guò)控制電荷包的轉(zhuǎn)移來(lái)跟蹤目標(biāo)的移動(dòng)，進(jìn)而對(duì)同一目標(biāo)多次曝光、延遲積分成像，因此它具有響應(yīng)度高、動(dòng)態(tài)范圍大的優(yōu)點(diǎn)，即使在光線較暗的情況下也能獲取清晰的圖像［1］。

然而在實(shí)際成像過(guò)程中，由于搭載平臺(tái)(衛(wèi)星或飛機(jī))的振動(dòng)，例如衛(wèi)星受太陽(yáng)能帆板伸展和衛(wèi)星本身的調(diào)姿影響而振動(dòng)，飛機(jī)受發(fā)動(dòng)機(jī)振動(dòng)和氣流影響而振動(dòng)，得到的圖像將會(huì)有不同程度的畸變和失真。尤其是TDI-CCD相機(jī)所拍攝的圖像［2］，每行圖像在延遲積分期間所經(jīng)歷的振動(dòng)都有所不同［3-4］，其失真更加不能忍受。

因此，有必要獲取拍攝過(guò)程中相機(jī)振動(dòng)的信息。通過(guò)增加一臺(tái)輔助的高速面陣CCD相機(jī)，以高于主相機(jī)幀頻的速度連續(xù)拍攝多幀圖像［5］，運(yùn)用相應(yīng)的運(yùn)動(dòng)估計(jì)算法估計(jì)出相鄰幀圖像之間相對(duì)位移，那么這相當(dāng)于對(duì)相機(jī)的振動(dòng)曲線進(jìn)行采樣，當(dāng)采樣到足夠多的數(shù)據(jù)之后可以擬合出相機(jī)振動(dòng)的曲線，而根據(jù)振動(dòng)曲線又可以推導(dǎo)出圖像振動(dòng)模糊的模糊核(即點(diǎn)擴(kuò)散函數(shù)PSF)［6-7］，以便為后續(xù)地面圖像恢復(fù)算法提供確切的信息。文獻(xiàn)［6-9］運(yùn)用了包括灰度法和頻譜法在內(nèi)的PSF估計(jì)，但均考慮的是正常曝光條件下因而不適用于極短曝光時(shí)間條件下的估計(jì)。

本文首先介紹灰度投影算法估計(jì)位移量的詳細(xì)過(guò)程，然后說(shuō)明直接利用灰度投影算法對(duì)曝光時(shí)間極短的圖像序列進(jìn)行估計(jì)所存在的問(wèn)題，進(jìn)而對(duì)存在問(wèn)題進(jìn)行分析說(shuō)明，并提出了結(jié)合像元合并和區(qū)域選擇的改進(jìn)算法，最后通過(guò)實(shí)驗(yàn)獲取算法改進(jìn)前后的數(shù)據(jù)并進(jìn)行對(duì)比分析。

2 直接灰度投影算法

運(yùn)動(dòng)估計(jì)主要分為兩類：基于特征［11-12］的(feature-based)和基于灰度的(intensity-based)估計(jì)?；谔卣鞯倪\(yùn)動(dòng)估計(jì)由于相對(duì)不易于硬件實(shí)現(xiàn)，因而在此不討論。基于灰度的運(yùn)動(dòng)估計(jì)方法中，使用比較多的有塊匹配算法［13］(Block Matching Algorithm)和灰度投影算法［14］(Gray Projection Algorithm)，其中塊匹配算法主要應(yīng)用于視頻壓縮編碼，而灰度投影法在電子穩(wěn)像中應(yīng)用較多［10］。

灰度投影算法將二維圖像分別在垂直和水平方向上進(jìn)行灰度投影，得到兩個(gè)一維的向量，然后將相鄰幀之間的對(duì)應(yīng)水平和垂直向量分別進(jìn)行相關(guān)操作，其數(shù)學(xué)表達(dá)如下：(設(shè)圖像的尺寸為M× N，垂直和水平方向的搜索寬帶分別為p和q)。

參考幀灰度投影：

式中：Grh(i)和Grv(j)分別為參考幀的水平和垂直灰度投影。

目標(biāo)幀灰度投影：

式中：Gth(i)和Gtv(j)分別為目標(biāo)幀的水平和垂直灰度投影。

兩幀投影向量相關(guān)：

式中，ωh和ωv分別在區(qū)間［0，2q］和［0，2p］取值，如果使得Ch和Cv最小的ωh和ωv的值分別為ωhmin和ωvmin，那么目標(biāo)幀相對(duì)參考幀在水平和垂直方向的位移為：

3 針對(duì)低曝光條件的改進(jìn)

在TDI-CCD遙感相機(jī)中，由于其行積分周期極短，因此輔助面陣CCD相機(jī)的積分時(shí)間也必須足夠短才能捕捉到不同行之間相機(jī)的振動(dòng)位置，所以其拍攝到的圖片由于曝光嚴(yán)重不足而呈現(xiàn)出3個(gè)特點(diǎn)：低亮度、低對(duì)比度和低信噪比。

如果直接將在此條件下獲取的原始圖像應(yīng)用于運(yùn)動(dòng)估計(jì)，那么由于其高分辨率和低信噪比的特性，將會(huì)導(dǎo)致估計(jì)的運(yùn)算量巨大且精度較差。

3.1 像元合并

CCD面陣相機(jī)中有一種工作方式可以采用像元合并，即在成像過(guò)程中，不直接將每一個(gè)像元的電荷包單獨(dú)轉(zhuǎn)移讀出，而是將與其相鄰的數(shù)個(gè)像元的電荷包合并作為一個(gè)像元讀出，合并過(guò)程如圖1所示，4個(gè)14 μm×14 μm的小像元合并為一個(gè)28 μm×28 μm的大像元。這樣做的好處有：一是提高相機(jī)靈敏度和信噪比并且擴(kuò)大動(dòng)態(tài)范圍，每個(gè)像元的讀出值將擴(kuò)大數(shù)倍，后續(xù)處理電路中混入的加性噪聲影響將更小，獲取的圖像將具有更高的信噪比和更高的對(duì)比度；二是合并的像元包含更大區(qū)域的信息，所以對(duì)于相同分辨率的圖像，像元合并輸出的圖像比原始圖像包含更多的全局信息，這對(duì)提高灰度投影算法準(zhǔn)確性具有重要的作用；三是采用像元合并方式后，相機(jī)攝像的幀頻將提高數(shù)倍，即相鄰圖像幀之間的時(shí)間間隔將更短，對(duì)相機(jī)振動(dòng)的捕獲將更加精細(xì)。

圖1 2×2像元合并Fig.1 2×2 pixeles binning

3.2 分塊區(qū)域選擇算法

輔助相機(jī)拍攝的圖像往往具有較大的尺寸，設(shè)其大小為M×M，在整幅圖像區(qū)域中，有的區(qū)域灰度變化明顯，層次較為分明所以適合于運(yùn)動(dòng)估計(jì)，而另一些區(qū)域灰度特征不明顯因而會(huì)導(dǎo)致估計(jì)出的運(yùn)動(dòng)矢量誤差較大。因此，將整幅圖像按陣列劃分為諾干個(gè)子區(qū)域，其大小為N×N，那么在整幅圖像中有(M/N)×(M/N)個(gè)子區(qū)域。為了提高估計(jì)精度同時(shí)減少運(yùn)算量，需要研究如何從中選擇出一個(gè)合適的區(qū)域。

本文提出一種新的有效算法來(lái)度量圖像不同子區(qū)域灰度特征的強(qiáng)弱，并選取其中特征最強(qiáng)的區(qū)域用于振動(dòng)量的估計(jì)。其具體步驟如下：

(1)使用一階插值將參考幀圖像各子區(qū)域縮小為原尺寸的1/(S×S)大小，即參考幀中每個(gè)S×S大小的圖像塊(稱為宏塊)求算術(shù)平均，得到一張尺寸為(N/S)×(N/S)的低分辨率圖像。該步驟可以與圖像采集存儲(chǔ)同步進(jìn)行，因此不會(huì)占用后續(xù)處理的時(shí)間。

(2)構(gòu)造算子|ki|，(i=1，2，…8)：

將這8個(gè)算子加權(quán)平均得到最終的算子K：

式中，絕對(duì)值含義為取像素差值的絕對(duì)值。

圖2 3×3像素區(qū)域Fig.2 3×3 pixeles area

使用算子K對(duì)圖2進(jìn)行空間濾波的計(jì)算，像素點(diǎn)p22處濾波后的值為：

通過(guò)改變?chǔ)薸的值可以強(qiáng)調(diào)特定方向的灰度特征，例如增大λ1和λ5可以篩選出垂直方向上灰度層次明顯的子區(qū)域，而增大λ3和λ7可以篩選出水平方向上灰度特征明顯的子區(qū)域。

(3)利用步驟(2)構(gòu)造的算子K對(duì)步驟1得到的各子區(qū)域低分辨率圖像進(jìn)行空間濾波，得到表征各子區(qū)域灰度特征強(qiáng)弱的圖像。

(4)將步驟(3)得到的表征各子區(qū)域灰度特征強(qiáng)弱的圖像求平均值，其中平均值最大的子區(qū)域即為篩選出的區(qū)域。

為了量化圖像灰度特征的強(qiáng)弱，步驟(1)首先顯著的降低了圖像的分辨率，同時(shí)有效的抑制了高頻噪聲，因此相較于SAD法不但可以大大降低運(yùn)算量，而且提高了度量的準(zhǔn)確性。宏塊的尺寸如果選擇過(guò)大，則各子區(qū)域的灰度特征強(qiáng)弱差異則會(huì)趨于變小，而如果選擇過(guò)小則易受噪聲影響。步驟(2)構(gòu)造的帶絕對(duì)值的算子K用于計(jì)算每一宏塊與其八鄰域宏塊的平均灰度差異，每個(gè)子區(qū)域內(nèi)的平均灰度差異即可有效表征該區(qū)域的灰度特征強(qiáng)弱。

本算法有效量化了圖像不同區(qū)域的灰度特征強(qiáng)弱，按照該選擇算法篩選出所有子區(qū)域中灰度特征最明顯的子區(qū)域，將參考幀和目標(biāo)幀中對(duì)應(yīng)的子區(qū)域用于灰度投影算法估算出局部相對(duì)位移矢量，并將其作為全局位移矢量的估計(jì)。

4 實(shí)驗(yàn)結(jié)果與分析

用于實(shí)驗(yàn)的數(shù)據(jù)為全色8位遙感圖像，灰度級(jí)數(shù)為256，假定水平方向向右為正，垂直方向向下為正。

4.1 像元合并實(shí)驗(yàn)

遙感相機(jī)的傳感器為TDI-CCD，它的積分級(jí)數(shù)一般可達(dá)數(shù)十級(jí)，所以其輸出的圖像是經(jīng)過(guò)數(shù)十次曝光而形成的；而輔助相機(jī)的傳感器為面陣CCD，輸出的單幀圖像僅為一次曝光而形成，因而其灰度通常僅為主相機(jī)輸出的幾十分之一，在后續(xù)處理電路中混入噪聲之后，其亮度、對(duì)比度和信噪比較低，如圖3所示。

圖3 像元合并前后圖像Fig.3 Image before and after binning

其中，圖3(a)為非像元合并模式下的一幀圖像，分辨率為1 024×1 024，該幀與下一幀之間的相對(duì)位移矢量為(10，14)；圖3(b)為2×2像元合并模式下的一幀圖像，分辨率為512×512，該幀與下一幀之間的相對(duì)位移矢量為(5，7)。

用實(shí)驗(yàn)來(lái)驗(yàn)證使用灰度投影算法時(shí)，像元合并后的圖像相比合并前的圖像能獲得更準(zhǔn)確、更穩(wěn)定的估計(jì)。

首先選擇原始圖像相鄰兩幀的左上角1/4部分512×512大小的子區(qū)域用于灰度投影算法。

圖4 參考幀與目標(biāo)幀圖像AFig.4 Images A of reference frame and target frame

對(duì)圖4兩幀圖像使用灰度投影算法，得到水平和垂直方向的灰度投影相關(guān)曲線，如圖5所示。

從投影曲線可以得出估計(jì)出的位移向量為(3，14)，與真實(shí)位移(10，14)相差甚遠(yuǎn)，且相關(guān)曲線震蕩劇烈，尤其是垂直方向，可見其準(zhǔn)確性和穩(wěn)定性均很低。

圖5 水平投影和垂直投影相關(guān)曲線(針對(duì)圖4中兩幀圖像)Fig.5 Horizontal and vertical projection curves(according to the two images figure 4)

為了具有可比性，同樣選擇像元合并之后圖像序列相鄰兩幀的左上角1/4部分，大小為256× 256的子區(qū)域，如圖6所示。

圖6 參考幀與目標(biāo)幀圖像BFig.6 Images B of reference frame and target frame

對(duì)圖6兩幀圖像使用灰度投影算法，得到水平和垂直方向的相關(guān)曲線如圖7所示。

圖7 水平投影和垂直投影相關(guān)曲線(針對(duì)圖6中兩幀圖像)Fig.7 Horizontal and vertical projection curves(according to the two images in figure 6)

由圖可知，估計(jì)出的位移向量為(5，7)，與真實(shí)位移一致，且相關(guān)曲線平滑了許多，波谷也更為明顯，因此估計(jì)的準(zhǔn)確性和穩(wěn)定性大大提升，同時(shí)運(yùn)算量也大幅減小。

4.2 區(qū)域選擇算法實(shí)驗(yàn)

即使在像元合并之后也不能完全保證估計(jì)的準(zhǔn)確性和穩(wěn)定性，還與用于計(jì)算的圖像子區(qū)域有很大關(guān)系。當(dāng)相鄰兩幀圖像的相對(duì)位移矢量為(5，-7)時(shí)，選擇圖像的右上角1/4子區(qū)域來(lái)進(jìn)行估計(jì)，如圖8所示。

圖8 參考幀與目標(biāo)幀圖像CFig.8 Images C of reference frame and target frame

由圖8得到的灰度投影相關(guān)曲線如圖9所示。

從圖中可知，估計(jì)出的位移向量為(-2，5)，與真實(shí)位移向量(5，-7)誤差極大，其原因是圖像右上角部分過(guò)于平坦，灰度特征十分不明顯。

圖9 水平投影和垂直投影相關(guān)曲線(針對(duì)圖8中兩幀圖像)Fig.9 Horizontal and vertical projection curves(according to the two images in figure 8)

按照本文提出的算法，將圖3(b)劃分為4×4排列的16個(gè)子區(qū)域，每個(gè)子區(qū)域分辨率為128×128，如圖10(a)所示；使用一階插值將原圖縮小為原尺寸的1/(16×16)大小，如圖10(b)所示；使用算子K對(duì)圖(b)進(jìn)行空間濾波從而度量出原圖不同子區(qū)域灰度特征的強(qiáng)弱(算子中各加權(quán)系數(shù)均為1)，如圖10(c)所示；最后再計(jì)算出各子區(qū)域的歸一化灰度特征強(qiáng)弱，如圖10(d)所示。

圖10 區(qū)域選擇算法效果圖Fig.10 Sketch of region selection algorithm

區(qū)域選擇算法結(jié)果顯示16個(gè)子區(qū)域中第四行第三列的子區(qū)域灰度特征最強(qiáng)，因此選擇相鄰兩幀的對(duì)應(yīng)區(qū)域圖像數(shù)據(jù)用于灰度投影算法，得到的兩條相關(guān)曲線如圖11所示。

圖11 水平投影和垂直投影相關(guān)曲線Fig.11 Horizontal and vertical projection curves

顯見，經(jīng)過(guò)算法選擇出的區(qū)域用于灰度投影算法得到的相關(guān)曲線更加利于位移量的判斷，曲線更加平滑，單峰性明顯，能夠明顯提高估計(jì)的精度和穩(wěn)定性。

表1給出了改進(jìn)算法和原始算法性能的對(duì)比。位移量為像元合并前的像元個(gè)數(shù)。

表1 不同位移矢量下估計(jì)結(jié)果對(duì)比Tab.1 Estimation results contrast under different motion vectors

從表1和表2中數(shù)據(jù)可知，原始算法的估計(jì)精度差且極不穩(wěn)定；改進(jìn)算法由于是在2×2像元合并之后的估計(jì)，所以估計(jì)結(jié)果均為偶數(shù)，估計(jì)結(jié)果最多相差一個(gè)像元，精度較高且穩(wěn)定性好。

5 結(jié)論

針對(duì)遙感相機(jī)極短曝光時(shí)間條件下的運(yùn)動(dòng)估計(jì)問(wèn)題，提出了結(jié)合像元合并和區(qū)域選擇算法的改進(jìn)灰度投影算法。通過(guò)像元合并提高圖像的亮度、對(duì)比度和信噪比，通過(guò)區(qū)域選擇算法有效地度量圖像灰度特征強(qiáng)弱，選擇其中灰度特征最強(qiáng)的區(qū)域用于灰度投影算法，在提高估計(jì)精度的同時(shí)減少運(yùn)算量從而提高算法的實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果顯示，提出的改進(jìn)算法在精度和穩(wěn)定性方面均明顯優(yōu)于原始算法，估計(jì)的最大誤差為一個(gè)像元，能夠滿足低曝光條件下的運(yùn)動(dòng)估計(jì)要求。

［1］薛旭成，傅瑤，韓誠(chéng)山.TDI CCD相機(jī)的衛(wèi)星姿態(tài)穩(wěn)定度確定［J］.中國(guó)光學(xué)，2013，6(5)：767-772.

XUE X CH，F(xiàn)U Y，HAN CH SH.Confirmation of satellite attitude stabilization for TDI CCD camera［J］.Chinese Optics，2013，6(5)：767-772.(in Chinese)

［2］龍夫年，張旺，劉劍峰.衛(wèi)星姿態(tài)精度對(duì)TDI CCD相機(jī)的影響［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2002，34(3)：382-384.

LONG F N，ZHANG W，LIU J F.Effect of satellite attitude control accuracy on TDI CCD cameras［J］.J.Harbin Institute of Technology，2002，34(3)：382-384.(in Chinese)

［3］JANSCHEK K，TCHERNYKH V，DYBLENKO S.Integrated camera motion compensation by real-time image motion tracking and image deconvolution［C］.International Conference on Advanced Intelligent Mechatronics Monterey，California，USA，24-28 July，2005.

［4］HOCHMAN G，YITZHAKY Y，et al..Restoration of images captured by a staggered time delay and integration camera in the presence of mechanical vibrations［J］.Applied Optics，2004，43(22)：4345：4354.

［5］徐樹奎.基于計(jì)算攝影的運(yùn)動(dòng)模糊圖像清晰化技術(shù)研究［D］.長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2011.

XU SH K.Research on motion blur image deblurring technology based on computational photography［D］.Changsha：National University of Defense Technology，2011.(in Chinese)

［6］石俊霞，郭永飛，薛旭成，等.航天時(shí)間延遲積分CCD相機(jī)振動(dòng)模糊圖像的恢復(fù)［J］.光電子·激光，2012，23(3)：572-578.

SHI J X，GUO Y F，XUE X CH，et al..Motion blurres image restoration of spaceborne TDICCD camera［J］.J.Optoelectronics·Laser，2012，23(3)：572-578.(in Chinese)

［7］陳前榮，陸啟生，成禮智，等.運(yùn)動(dòng)模糊圖像點(diǎn)擴(kuò)散函數(shù)尺度鑒別［J］.計(jì)算機(jī)工程與應(yīng)用，2004，23：15-20.

CHEN Q R，LU Q SH，CHENG L ZH，et al..Identification the scale of the point spread function from the motion blurred image［J］.Computer Engineering and Applications，2004，23：15-20.(in Chinese)

［8］謝冰，焦斌亮.基于航天TDICCD相機(jī)像移分析的PSF估計(jì)及圖像復(fù)原算法研究［J］.宇航學(xué)報(bào)，2010，31(3)：936-940.

XIE B，JIAO B L.The PSF estimation method and image restoration algorithm based on image-motion analysis of spaceborne TDICCD camera［J］.J.Astronautics，2010，31(3)：936-940.(in Chinese)

［9］王彪，姜志國(guó)，趙丹培.遙感圖像運(yùn)動(dòng)模糊恢復(fù)方法及評(píng)價(jià)標(biāo)準(zhǔn)研究［J］.航天返回與遙感，2009，30：18-25.

WANG B，JIANG ZH G，ZHAO D P.Research on technologies and quality evaluation for restoring remote sensing motionblurred image［J］.Spaceraft Recovery and Remote Sensing，2009，30：18-25.(in Chinese)

［11］任航，張濤.基于灰度投影法運(yùn)動(dòng)估計(jì)的成像CCD平移補(bǔ)償法［J］.應(yīng)用光學(xué)，2009，30(3)：417-422.

REN H，ZHANG T.Image CCD translation compensation method based on movement estimation of gradation projection technology［J］.J.Applied Optics，2009，30(3)：417-422.(in Chinese)

［12］初守艷，席志紅.改進(jìn)Noble算子匹配的電子穩(wěn)像法［J］.光學(xué)精密工程，2014，22(1)：204-212.

CHU SH Y，XI ZH H.Digital image stabilization based on improved noble feature matching［J］.Opt.Precision Eng.，2014，22(1)：204-212.(in Chinese)

［13］張坤，許廷發(fā)，王平，等.高精度實(shí)時(shí)全幀SURF電子穩(wěn)像方法［J］.光學(xué)精密工程，2011，19(8)：1964-1972.

ZHANG K，XU T F，WANG P，et al..Real-time full-frame digital image stabilization system by SURF［J］.Opt.Precision Eng.，2011，19(8)：1964-1972.(in Chinese)

［14］蔡勝利，張會(huì)清.基于序列圖像塊匹配的室內(nèi)定位算法研究［J］.計(jì)算機(jī)測(cè)量與控制，2010，18(7)：1641-1644.

CAI SH L，ZHANG H Q.Research on indoor position algorithm based on block match of image sequence［J］.Computer Measurement and Control，2010，18(7)：1641-1644.(in Chinese)

［15］孫輝.快速灰度投影算法及其在電子穩(wěn)像中的應(yīng)用［J］.光學(xué)精密工程，2007，15(3)：412-416.

SUN H.Fast gray projection algorithm and its application to electronic image stabilization［J］.Opt.Precision Eng.，2007，15(3)：412-416.(in Chinese)

Micro-vibration detection of remote sensing camera under low exposure condition

LE Guo-qing1，2，GUO Yong-fei1*，LIU Chun-xiang1，MA Tian-bo1，SHI Jun-xia1
(Changchun Institute of Optics，F(xiàn)ine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China；2.University of Chinese Academy of Sciences，Changchun 130033，China)

To deal with the effect of flutter of carrying platform on remote sensing camera，motion estimation algorithm can be used to the image sequences taken by auxiliary high-speed array CCD camera during exposure to estimate the vibration.Pixel binnng is proposed to compensate the time of exposure and to improve the brightness and contrast as well as SNR of the images.And a region selection algorithm is used to select the image region by which we can estimate the displacement using gray projection algorithm.The experiment results show that the error is 1 pixel by utilizing the improved algorithm，which greatly enhance the accuracy and stability.

remote sensing camera；micro-vibration detection；motion estimation；gray projection algorithm

V447.33；TP391

A

10.3788/CO.20140706.0917

2095-1531(2014)06-0917-08

樂(lè)國(guó)慶(1989—)，男，江西南昌人，碩士研究生，2012年于吉林大學(xué)獲得學(xué)士學(xué)位，主要從事圖像處理及FPGA應(yīng)用方面的研究。E-mail：leguoqing@yeah.net

郭永飛(1961—)，男，吉林長(zhǎng)春人，研究員，博士生導(dǎo)師，1990年于中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所獲得碩士學(xué)位，主要從事光電技術(shù)應(yīng)用，CCD在計(jì)算機(jī)中的應(yīng)用等方面的研究。E-mail：guoyongfei@163.com

劉春香(1983—)，女，吉林長(zhǎng)春人，博士，助理研究員，2007年于哈爾濱工業(yè)大學(xué)獲得學(xué)士學(xué)位，2013年于中國(guó)科學(xué)院大學(xué)獲得博士學(xué)位，主要從事光電成像技術(shù)及圖像壓縮方面的研究。E-mail：yuhit2007@163.com

馬天波(1984—)，女，吉林長(zhǎng)春人，碩士，助理研究員，2006年、2008年于吉林大學(xué)分別獲得學(xué)士、碩士學(xué)位，主要從事圖像處理及光電成像中的計(jì)算機(jī)應(yīng)用技術(shù)方面的研究。E-mail：matb0319@yahoo.com.cn

石俊霞(1984—)，女，內(nèi)蒙古赤峰人，博士，助理研究員，2007年于吉林大學(xué)獲得學(xué)士學(xué)位，2012年于中國(guó)科學(xué)院大學(xué)獲得博士學(xué)位，主要從事光電成像技術(shù)及圖像處理方面的研究。E-mail：19031121@163.com

2014-09-22；

2014-11-25

國(guó)家自然科學(xué)基金資助項(xiàng)目(No.61036015)

*Corresponding author，E-mail：guoyongfei@163.com