基于变分模态分解和长短期记忆网络的大平移抖动电子稳像算法

作者：郝铎^*; 曾令飞; 李成伟

来源：计算机应用, 2023, S2: 168-175.

• 电子稳像
• 变分模态分解
• 长短期记忆网络
• 大平移抖动
• 深度学习

山地车载光电系统在采集图像的过程中经常出现大平移随机抖动，造成视频模糊、稳定性较差等问题。均值滤波法和小波变换法等算法通常根据帧间运动的物理特性（如频率、幅值等）建立数学模型。针对该类算法通常基于先验的滤波算子进行处理，缺乏一定的自适应性，难以适用于复杂的电子稳像应用环境的问题，提出一种基于变分模态分解（VMD）和长短期记忆（LSTM）网络的自适应电子稳像算法。通过对全局运动矢量序列依频率信息进行自适应分解，以获得一系列具有窄带特性的本征模态函数（IMF）；同时，结合IMF的时空域信息，将IMF作为训练变量，搭建LSTM网络模型，对IMF进行分类，筛选出有意运动主导的IMF并重构出有意运动矢量序列，实现视频的稳定。实验结果表明，与均值滤波法和小波变换法等算法对比，所提算法所得结果分类准确度最高（最低91.4%），通过深度学习网络对频率、幅值、时空域信息等进行综合评判，对大平移抖动稳像有明显的提升效果，具有更好的鲁棒性。

• 单位
  北华航天工业学院; 哈尔滨工业大学