專利名稱：處理變焦采樣脈沖的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及攝影攝像技術(shù)領(lǐng)域，尤其涉及一種處理變焦采樣脈沖的方法及系統(tǒng)。
技術(shù)背景
在測(cè)定攝像機(jī)變焦參數(shù)的時(shí)候，需要對(duì)變焦脈沖及其對(duì)應(yīng)的圖像進(jìn)行采樣，用于后續(xù)的鏡頭標(biāo)定。由于變焦齒輪的空程的存在，來(lái)回變焦縮放時(shí)，同一個(gè)變焦值對(duì)應(yīng)的采樣脈沖可能不完全相同，但是卻相距很近，這樣的散亂數(shù)據(jù)不能正確反映出對(duì)應(yīng)的變焦參數(shù)。
發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題
在來(lái)回變焦縮放時(shí)形成的采樣數(shù)據(jù)散亂，不能正確反映出對(duì)應(yīng)的變焦參數(shù)，致使變焦過(guò)程中出現(xiàn)畫面的跳躍。發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)中所存在的不足，本發(fā)明的目的在于提供一種處理變焦采樣脈沖的方法及系統(tǒng)，使在來(lái)回變焦縮放時(shí)形成的采樣數(shù)據(jù)據(jù)平滑有序，并用于測(cè)定攝像機(jī)的變焦參數(shù)。
本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案如下所描述·
一種處理變焦采樣脈沖的方法，包括
(I)接收第一組變焦采樣脈沖及所述第一組變焦采樣脈沖對(duì)應(yīng)的第一組圖像數(shù)據(jù)；
(2)用聚類分析算法把所述第一組變焦采樣脈沖劃分為k個(gè)類，計(jì)算出每個(gè)類的聚類中心，k的取值不大于第一組變焦采樣脈沖的數(shù)量；
(3)合并步驟(2)中所述的每個(gè)類中的變焦采樣脈沖對(duì)應(yīng)的圖像數(shù)據(jù)，計(jì)算所述合并后的圖像數(shù)據(jù)的數(shù)學(xué)期望；
(4)將步驟(2)中得到的各聚類中心作為第二組變焦采樣脈沖，用各類對(duì)應(yīng)的圖像數(shù)據(jù)的數(shù)學(xué)期望作為所述第二組變焦采樣脈沖對(duì)應(yīng)的第二組圖像數(shù)據(jù)。
(5)將所述第二圖像數(shù)據(jù)按所述第二變焦采樣脈沖進(jìn)行排序。
進(jìn)一步的，步驟(2)中所述聚類分析算法包括K-MEANS算法、K-MED0IDS算法、 CLARANS 算法。
進(jìn)一步的，步驟(I)中所述的第一變焦脈沖及所述第一變焦采樣脈沖對(duì)應(yīng)的第一圖像數(shù)據(jù)是通過(guò)反復(fù)多次變焦縮放形成的。
—種處理變焦米樣脈沖的系統(tǒng),其特征在于,包括
第一組變焦采樣脈沖及圖像數(shù)據(jù)獲取模塊，用于接收第一組變焦采樣脈沖及所述第一組變焦采樣脈沖對(duì)應(yīng)的第一組圖像數(shù)據(jù)；
脈沖聚類分析模塊，用于用聚類分析算法把所述第一組變焦采樣脈沖劃分為k個(gè)類，計(jì)算出每個(gè)類的聚類中心，k的取值不大于第一組變焦采樣脈沖的數(shù)量；
合并計(jì)算模塊，用于合并脈沖聚類分析模塊中所述的每個(gè)類中的變焦采樣脈沖對(duì)應(yīng)的圖像數(shù)據(jù)，計(jì)算所述合并后的圖像數(shù)據(jù)的數(shù)學(xué)期望；
第二組變焦采樣脈沖及圖像數(shù)據(jù)獲取模塊，用各類對(duì)應(yīng)的圖像數(shù)據(jù)的數(shù)學(xué)期望作為所述第二組變焦采樣脈沖對(duì)應(yīng)的第二組圖像數(shù)據(jù)。
第二組圖像數(shù)據(jù)排序模塊，用于將所述第二圖像數(shù)據(jù)按所述第二變焦采樣脈沖進(jìn)行排序。
本發(fā)明的效果在于本發(fā)明在采取了上述技術(shù)方案以后，通過(guò)聚類分析合并，使在來(lái)回變焦縮放時(shí)形成的采樣數(shù)據(jù)據(jù)平滑有序，用于準(zhǔn)確測(cè)定攝像機(jī)的變焦參數(shù)，消除了變焦齒輪空程的影響，避免了變焦過(guò)程中圖像出現(xiàn)跳躍的現(xiàn)象，使變焦過(guò)程中的圖像平滑過(guò)渡。


圖1為本發(fā)明實(shí)施例中處理變焦采樣脈沖的方法的流程示意圖2為本發(fā)明實(shí)施例中，在一個(gè)子區(qū)間內(nèi)，圖像數(shù)據(jù)合并前的示意圖3為本發(fā)明實(shí)施例中，在一個(gè)子區(qū)間內(nèi)，圖像數(shù)據(jù)合并后的示意圖4為本發(fā)明實(shí)施例中，未經(jīng)聚類分析合并測(cè)得的內(nèi)參數(shù)的示意圖；
圖5為本發(fā)明實(shí)施例中，經(jīng)聚類分析合并測(cè)得的內(nèi)參數(shù)的示意圖6為本發(fā)明實(shí)施例中處理變焦采樣脈沖的系統(tǒng)的結(jié)構(gòu)示意圖。
具體實(shí)施方式
下面結(jié)合附圖和具體實(shí)施例來(lái)對(duì)本發(fā)明進(jìn)行描述。
實(shí)施例
在描述本發(fā)明實(shí)施例之前，需要對(duì)聚類分析法做簡(jiǎn)單介紹。聚類分析法以相似性為基礎(chǔ)，在一個(gè)聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性。聚類分析法包括很多種，其中包括劃分法(partitioning methods)、層次法(hierarchical methods)、基于密度的方法(density-based methods)、基于網(wǎng)格的方法(grid-based methods)、基于模型的方法(model-based methods)。
在劃分法中，給定一個(gè)有N個(gè)元組或者紀(jì)錄的數(shù)據(jù)集，劃分法將構(gòu)造K個(gè)分組，每一個(gè)分組就代表一個(gè)聚類，K < N。而且這K個(gè)分組滿足下列條件(I)每一個(gè)分組至少包含一個(gè)數(shù)據(jù)紀(jì)錄；(2)每一個(gè)數(shù)據(jù)紀(jì)錄屬于且僅屬于一個(gè)分組(注意這個(gè)要求在某些模糊聚類算法中可以放寬)；對(duì)于給定的K，算法首先給出一個(gè)初始的分組方法，以后通過(guò)反復(fù)迭代的方法改變分組，使得每一次改進(jìn)之后的分組方案都較前一次好，而所謂好的標(biāo)準(zhǔn)就是: 同一分組中的記錄越近越好，而不同分組中的紀(jì)錄越遠(yuǎn)越好。使用這個(gè)基本思想的算法有 K-MEANS 算法、K-MED0IDS 算法、CLARANS 算法。
本發(fā)明實(shí)施例以k-means算法(又稱K均值算法)對(duì)變焦脈沖數(shù)據(jù)進(jìn)行處理，但并不限于k-means算法，從上述的描述可以看出，其他的聚類分析法同樣可以對(duì)變焦脈沖數(shù)據(jù)進(jìn)行處理。
k-means算法接受輸入量k ;然后將η個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚類以便使得所獲得的聚類滿足同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”(引力中心)來(lái)進(jìn)行計(jì)算的。
k-means算法的工作過(guò)程說(shuō)明如下首先從η個(gè)數(shù)據(jù)對(duì)象任意選擇k個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度(距離)，分別將它們分配給與其最相似的(聚類中心所代表的)聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心(該聚類中所有對(duì)象的均值)；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù)。k個(gè)聚類具有以下特點(diǎn)各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開。
k-means算法具體為假設(shè)有一組采樣數(shù)據(jù)X= (Xi I i = 1,2, L, η}，要把這組數(shù)據(jù)劃分為k(k彡η)個(gè)類IC1, C2, L，Ck}，使該劃分結(jié)果的總體方差最小，可以按如下步驟操作
(I)在樣本集合X中隨機(jī)選取k個(gè)數(shù)據(jù){Μ」e X|j = 1，2，L，k}，作為初始聚類中心。
(2)對(duì)于樣本集合X中每一個(gè)元素Xi，計(jì)算其與各個(gè)聚類中心的距離(KXi, Mj)，找出最小距離<nm = Sn "KxPm;)對(duì)應(yīng)的聚類中心％，并將元素Xi分派給該聚類中心所屬的類別Cp
(3)對(duì)于每一個(gè)類別Cj，計(jì)算其所有元素的均值，作為新的聚類中心Mj = E(Xi), (Xi e Cj)。
(4)重復(fù)步驟⑵、(3)，直至聚類中心Mj不再變化。
在采樣過(guò)程中，不再是單向的從最短焦到最長(zhǎng)焦的變焦，而是改為可以反復(fù)多次變焦縮放，這樣在某些變焦脈沖下，就會(huì)產(chǎn)生多個(gè)采樣數(shù)據(jù)。由于齒輪空程的原因，來(lái)回變焦縮放時(shí)，同一個(gè)變焦值對(duì)應(yīng)的采樣脈沖可能不完全相同，但是卻相距很近。所以需要把距離很近的這一組采樣脈沖歸為一類，對(duì)它們相應(yīng)的圖像數(shù)據(jù)做平均處理，用它們的數(shù)學(xué)期望作為該脈沖區(qū)間的變焦參數(shù)。這就要求能夠?qū)ψ兘共蓸用}沖進(jìn)行高效合理的分類，為此采用K均值聚類算法。
本發(fā)明實(shí)施例提供了一種處理變焦采樣脈沖的方法，包括
步驟101、接收第一組變焦采樣脈沖及所述第一組變焦采樣脈沖對(duì)應(yīng)的第一組圖像數(shù)據(jù)；
步驟102、用K均值聚類算法把所述第一組變焦采樣脈沖劃分為k個(gè)類，計(jì)算出每個(gè)類的聚類中心，k的取值不大于第一組變焦采樣脈沖的數(shù)量；
具體的計(jì)算參照上述的K均值聚類算法。
步驟103、合并步驟102中所述的每個(gè)類中的變焦采樣脈沖對(duì)應(yīng)的圖像數(shù)據(jù)，計(jì)算所述合并后的圖像數(shù)據(jù)的數(shù)學(xué)期望；
假設(shè)經(jīng)過(guò)K均值聚類，將采樣數(shù)據(jù)按變焦脈沖劃分成η個(gè)區(qū)間，落在第i個(gè)脈沖區(qū)間[Zi, zi+1] (i = 1,2, ···, η)中的樣本集為((ZiPlij)Ij = U, .",mh 每一個(gè)采樣脈沖 Zij對(duì)應(yīng)一幅圖像Iijt5
我們對(duì)每一幅圖像Iij,可以提取Iij個(gè)特征點(diǎn)Xij = {xiJk|k =1,2,…IijK那么第i個(gè)脈沖區(qū)間中的樣本集就轉(zhuǎn)化為Kzij, Xij) I j = 1,2,…，m}?，F(xiàn)在我們要對(duì)該區(qū)間的樣本進(jìn)行合并，得到一個(gè)新的平均值。
如圖2所示，表示該區(qū)間中的3幅圖及其提取的特征點(diǎn)。(xll，x21，x31)，(xl2, x22,x32), (xl3,x23), (x24, x33)分別是4組匹配點(diǎn)，它們分別對(duì)應(yīng)真實(shí)場(chǎng)景中的4個(gè)點(diǎn)。我們合并的時(shí)候，只選取該區(qū)間中在所有圖像上都出現(xiàn)的點(diǎn)進(jìn)行合并(比如第一組和第二組點(diǎn))。為此，我們先把{xn，xi2，…，xim}兩兩進(jìn)行點(diǎn)匹配，找出所有圖像共同的匹配集
然后計(jì)算該匹配集中每一個(gè)點(diǎn)的數(shù)學(xué)期望I m
Xlk=-YjX1Jkm J=I
這樣可以得到一個(gè)點(diǎn)集兄A=，該點(diǎn)集即是特征點(diǎn)集合 Xij的合并結(jié)果。同樣，可以得到該區(qū)間采樣脈沖的數(shù)學(xué)期望I m
5=—ΣΧ
于是( ,尤)就是樣本集Kzij,]^.) |j = 1,2, ···, m}的合并結(jié)果,用來(lái)表示第i個(gè)采樣脈沖區(qū)間[Zi, zi+1] (i = 1,2,…，η)的平均值。如圖4所示，就是圖3中所有圖像特征點(diǎn)合并后的結(jié)果。
步驟104、將步驟(2)中得到的各聚類中心作為第二組變焦采樣脈沖，用各類對(duì)應(yīng)的圖像數(shù)據(jù)的數(shù)學(xué)期望作為所述第二組變焦采樣脈沖對(duì)應(yīng)的第二組圖像數(shù)據(jù)；
步驟105、將所述第二圖像數(shù)據(jù)按所述第二變焦采樣脈沖進(jìn)行排序。
進(jìn)一步的，所述的第一變焦脈沖及所述第一變焦采樣脈沖對(duì)應(yīng)的第一圖像數(shù)據(jù)是通過(guò)反復(fù)多次變焦縮放形成的。
實(shí)驗(yàn)結(jié)果表明，采用K均值聚類算法，可以很好地對(duì)采樣脈沖進(jìn)行自適應(yīng)劃分， 且效率非常高。如圖4所示，處理前，經(jīng)過(guò)反復(fù)推拉變焦采樣得到的數(shù)據(jù){(Zi，Xi) |i = 1， 2，…，s}參差不齊，圖4所示的曲線表示直接排序后計(jì)算攝像機(jī)內(nèi)參數(shù)結(jié)果。經(jīng)過(guò)K均值聚類，劃分區(qū)間合并平均之后，得到丨^，尤)|7+ = 1，2，___，《(,計(jì)算的結(jié)果如圖5所示。
本發(fā)明實(shí)施例提供了一種處理變焦采樣脈沖的系統(tǒng)，如圖6所示，包括
第一組變焦采樣脈沖及圖像數(shù)據(jù)獲取模塊601，用于接收第一組變焦采樣脈沖及所述第一組變焦采樣脈沖對(duì)應(yīng)的第一組圖像數(shù)據(jù)；
脈沖聚類分析模塊602，用于用聚類分析算法把所述第一組變焦采樣脈沖劃分為 k個(gè)類，計(jì)算出每個(gè)類的聚類中心，k的取值不大于第一組變焦采樣脈沖的數(shù)量；
合并計(jì)算模塊603，用于合并脈沖聚類分析模塊中所述的每個(gè)類中的變焦采樣脈沖對(duì)應(yīng)的圖像數(shù)據(jù)，計(jì)算所述合并后的圖像數(shù)據(jù)的數(shù)學(xué)期望；
第二組變焦采樣脈沖及圖像數(shù)據(jù)獲取模塊604，用各類對(duì)應(yīng)的圖像數(shù)據(jù)的數(shù)學(xué)期望作為所述第二組變焦采樣脈沖對(duì)應(yīng)的第二組圖像數(shù)據(jù)。
第二組圖像數(shù)據(jù)排序模塊605，用于將所述第二圖像數(shù)據(jù)按所述第二變焦采樣脈沖進(jìn)行排序。
綜上所述，本發(fā)明在采取了上述技術(shù)方案以后，通過(guò)聚類分析合并，使在來(lái)回變焦縮放時(shí)形成的采樣數(shù)據(jù)據(jù)平滑有序，用于準(zhǔn)確測(cè)定攝像機(jī)的變焦參數(shù)，消除了變焦齒輪空程的影響，避免了變焦過(guò)程中圖像出現(xiàn)跳 躍的現(xiàn)象，使變焦過(guò)程中的圖像平滑過(guò)渡。本發(fā)明實(shí)施例提供的處理變焦采樣脈沖的方法及系統(tǒng)廣泛應(yīng)用于攝影攝像設(shè)備等。
需要注意的是 ，上述具體實(shí)施例僅僅是示例性的，在本發(fā)明的上述教導(dǎo)下，本領(lǐng)域技術(shù)人員可以在上述實(shí)施例的基礎(chǔ)上進(jìn)行各種改進(jìn)和變形，而這些改進(jìn)或者變形落在本發(fā)明的保護(hù)范圍內(nèi)。本領(lǐng)域技術(shù)人員應(yīng)該明白，上面的具體描述只是為了解釋本發(fā)明的目的， 并非用于限制本發(fā)明。本發(fā)明的保護(hù)范圍由權(quán)利要求及其等同物限定。
權(quán)利要求
1.一種處理變焦米樣脈沖的方法，其特征在于，包括 (1)接收第一組變焦采樣脈沖及所述第一組變焦采樣脈沖對(duì)應(yīng)的第一組圖像數(shù)據(jù)； (2)用聚類分析算法把所述第一組變焦采樣脈沖劃分為k個(gè)類，計(jì)算出每個(gè)類的聚類中心，k的取值不大于第一組變焦采樣脈沖的數(shù)量； (3)合并步驟(2)中所述的每個(gè)類中的變焦采樣脈沖對(duì)應(yīng)的圖像數(shù)據(jù)，計(jì)算所述合并后的圖像數(shù)據(jù)的數(shù)學(xué)期望； (4)將步驟(2)中得到的各聚類中心作為第二組變焦采樣脈沖，用各類對(duì)應(yīng)的圖像數(shù)據(jù)的數(shù)學(xué)期望作為所述第二組變焦采樣脈沖對(duì)應(yīng)的第二組圖像數(shù)據(jù)； (5)將所述第二圖像數(shù)據(jù)按所述第二變焦采樣脈沖進(jìn)行排序。.
2.根據(jù)權(quán)利要求1所述的處理變焦采樣脈沖的方法，其特征在于，步驟(2)中所述聚類分析算法包括K-MEANS算法、K-MEDOIDS算法、CLARANS算法。
3.根據(jù)權(quán)利要求1或2所述的處理變焦采樣脈沖的方法，其特征在于，步驟(I)中所述的第一變焦脈沖及所述第一變焦采樣脈沖對(duì)應(yīng)的第一圖像數(shù)據(jù)是通過(guò)反復(fù)多次變焦縮放形成的。
4.一種處理變焦采樣脈沖的系統(tǒng)，其特征在于，包括 第一組變焦采樣脈沖及圖像數(shù)據(jù)獲取模塊，用于接收第一組變焦采樣脈沖及所述第一組變焦采樣脈沖對(duì)應(yīng)的第一組圖像數(shù)據(jù)； 脈沖聚類分析模塊，用于用聚類分析算法把所述第一組變焦采樣脈沖劃分為k個(gè)類，計(jì)算出每個(gè)類的聚類中心，k的取值不大于第一組變焦采樣脈沖的數(shù)量； 合并計(jì)算模塊，用于合并脈沖聚類分析模塊中所述的每個(gè)類中的變焦采樣脈沖對(duì)應(yīng)的圖像數(shù)據(jù)，計(jì)算所述合并后的圖像數(shù)據(jù)的數(shù)學(xué)期望； 第二組變焦采樣脈沖及圖像數(shù)據(jù)獲取模塊，用各類對(duì)應(yīng)的圖像數(shù)據(jù)的數(shù)學(xué)期望作為所述第二組變焦采樣脈沖對(duì)應(yīng)的第二組圖像數(shù)據(jù)； 第二組圖像數(shù)據(jù)排序模塊，用于將所述第二圖像數(shù)據(jù)按所述第二變焦采樣脈沖進(jìn)行排序。
全文摘要
本發(fā)明公開了一種處理變焦采樣脈沖的方法及系統(tǒng)，涉及攝影攝像技術(shù)領(lǐng)域，解決了現(xiàn)有技術(shù)中在來(lái)回變焦縮放時(shí)形成的采樣數(shù)據(jù)散亂，不能正確反映出對(duì)應(yīng)的變焦參數(shù)的問題。本發(fā)明提供的方案為一種處理變焦采樣脈沖的方法，接收第一組變焦采樣脈沖及所述第一組變焦采樣脈沖對(duì)應(yīng)的第一組圖像數(shù)據(jù)；用聚類分析算法把所述第一組變焦采樣脈沖劃分為k個(gè)類，計(jì)算出每個(gè)類的聚類中心；合并所述的每個(gè)類中的變焦采樣脈沖對(duì)應(yīng)的圖像數(shù)據(jù)，計(jì)算所述合并后的圖像數(shù)據(jù)的數(shù)學(xué)期望；將各聚類中心作為第二組變焦采樣脈沖，用各類對(duì)應(yīng)的圖像數(shù)據(jù)的數(shù)學(xué)期望作為所述第二組變焦采樣脈沖對(duì)應(yīng)的第二組圖像數(shù)據(jù)。本發(fā)明適用于攝影攝像設(shè)備等。
文檔編號(hào)H04N5/232GK103002206SQ20111027131
公開日2013年3月27日 申請(qǐng)日期2011年9月14日 優(yōu)先權(quán)日2011年9月14日
發(fā)明者謝宏 申請(qǐng)人:新奧特(北京)視頻技術(shù)有限公司