＆amp; nbsp;＆amp; nbsp;车载成像技术是一种通过将成像设备放置在车载平台上进行远距离，非接触式采集目标图像的技术和方法。

这是未来汽车智能的关键。

但是，由于照相机与车身一起晃动，所以输出的图像序列不稳定，并且图像序列的晃动量大，容易引起观察者的疲劳，并且严重影响后续处理的精度。

因此，车载图像序列必须稳定。

当前，车辆图像稳定技术使用更多的算法作为特征点方法和灰度投影方法。

特征点法可以估计任何形式的图像运动的运动矢量，但是在处理一些质量较差，特征较差的图像时，精度往往很低，难以适应各种环境变化对车辆视频图像的稳定作用;投影方法只能处理仅包含平移运动和较小旋转运动的情况，并且要求图像具有一定的对比度。

车载视频通常是在道路条件较为复杂（例如雨天和雾天）时拍摄的，这对算法处理的准确性有很大的影响。

针对这种情况，本文采用小波方法对图像进行预处理，以提高灰度投影法在车辆防抖应用中的抗干扰能力。

1车载图像稳定系统的框图。

电子稳定功能结合了电子设备和数字图像处理技术。

它计算选定参考帧图像和比较后的当前帧图像的运动矢量，然后根据获得的运动矢量按照一定的标准进行计算。

此准则补偿当前图像，从而消除或减少图像序列帧之间的随机抖动，并获得稳定的图像序列。

电子图像稳定是车载图像稳定系统的核心部分，其系统结构如图1所示。

图1系统框图其中，全局运动矢量估计是整个图像稳定系统的关键，它决定了图像稳定的准确性和耗时。

1.1运动矢量估计算法通过分析高速公路抖动的特点，并比较了当前电子防抖中常用的运动估计算法的优缺点，系统决定采用灰度投影算法进行全局运动矢量估计。

灰度投影算法：投影方法是一种通过使用图像的整体灰度变化规律来确定图像的运动矢量的方法。

它不需要对图像上的每个点执行相关运算，而是使用图像的灰度投影曲线进行相关运算，因此，其计算复杂度小，运动估计速度快，并且易于实现满足实时要求。

同时，抑制噪声的能力很强，精度也可以更好地满足要求。

该算法首先通过投影公式将二维图像的每一帧映射为两个一维波形，并且行和列的累积灰度值表示为：其中：Ik（i）表示第k帧图像的第i行的灰度，Ik（i）表示第k帧图像的第j列的灰度， ）是第k帧图像上（i，j）处像素的灰度值。

为了避免由于图像抖动引起的图像边缘信息的变化，该变化影响通过互相关计算而计算出的互相关曲线的峰值，在进行互相关计算之前，对图像进行余弦滤波。

去除图像边界信息波形并将波形完全保留在中心区域。

小边界信息对互相关计算的影响提高了计算精度。

经过投影滤波后，计算参考帧和当前帧的每个分量的两条曲线，以找到两条曲线的唯一谷值，然后可以将当前帧相对于参考帧的行和列运动偏移量设置为决定。

相关计算公式为：其中：colc（n）和colr（n）分别是第i帧和参考帧在一个方向上的灰度投影值，J是两条曲线中相关计算的单位长度，M是位移矢量相对于一侧参考框架的搜索宽度，即最大