The non-contact sensing techniques using image/video processing have flourished in recent years benefited from the rapid development of digital cameras. However, high-fidelity motion extraction from acquired image frames is still challenging. A novel motion estimation method based on phase-domain image processing, named Hilbert phase-based motion estimation, is proposed in this study to identify motions in a more accurate and efficient manner if compared to traditional phase-based motion estimation. The theoretical relationship between phase variation and physical motion is established based on the Hilbert transform; and then in order to reduce the computation cost, the forward and inverse fast Fourier transforms are integrated with the Hilbert transform. Under the proposed framework, phase variations are therefore obtained from the corresponding analytical signal. Furthermore, peak-picking procedure and the Butterworth ideal band-pass filter are employed to decompose the original video to its mono-component signal prior to identifying displacements. The proposed method is verified using a synthetic video containing a bell-shaped surface with randomly assigned motions. The proposed Hilbert phase-based motion estimation approach avoids the influence from manual parameter selection, and the correlation coefficient of the identification results can reach 99.55%. Experimental verification using a simply supported beam is also deployed, and comparison with the state of the art demonstrates the outperformance of the proposed algorithm.

得益于数码相机的快速发展，使用图像/视频处理的非接触式传感技术近年来蓬勃发展。然而，从获取的图像帧中提取高保真运动仍然具有挑战性。与传统的基于相位的运动估计相比，本研究提出了一种基于相域图像处理的新型运动估计方法，称为 Hilbert 基于相位的运动估计，以更准确和有效的方式识别运动。基于希尔伯特变换建立相位变化与物理运动的理论关系；然后为了降低计算成本，将前向和逆向快速傅里叶变换与希尔伯特变换相结合。在拟议的框架下，因此从相应的分析信号中获得相位变化。此外，在识别位移之前，采用峰值拾取程序和巴特沃斯理想带通滤波器将原始视频分解为其单分量信号。使用包含具有随机分配运动的钟形表面的合成视频来验证所提出的方法。所提出的基于希尔伯特相位的运动估计方法避免了人工参数选择的影响，识别结果的相关系数可达99.55%。还部署了使用简支梁的实验验证，并且与现有技术的比较证明了所提出算法的优异性能。在识别位移之前，采用峰值拾取程序和巴特沃斯理想带通滤波器将原始视频分解为其单分量信号。使用包含具有随机分配运动的钟形表面的合成视频来验证所提出的方法。所提出的基于希尔伯特相位的运动估计方法避免了人工参数选择的影响，识别结果的相关系数可达99.55%。还部署了使用简支梁的实验验证，并且与现有技术的比较证明了所提出算法的优异性能。在识别位移之前，采用峰值拾取程序和巴特沃斯理想带通滤波器将原始视频分解为其单分量信号。使用包含具有随机分配运动的钟形表面的合成视频来验证所提出的方法。所提出的基于希尔伯特相位的运动估计方法避免了人工参数选择的影响，识别结果的相关系数可达99.55%。还部署了使用简支梁的实验验证，并且与现有技术的比较证明了所提出算法的优异性能。使用包含具有随机分配运动的钟形表面的合成视频来验证所提出的方法。所提出的基于希尔伯特相位的运动估计方法避免了人工参数选择的影响，识别结果的相关系数可达99.55%。还部署了使用简支梁的实验验证，并且与现有技术的比较证明了所提出算法的优异性能。使用包含具有随机分配运动的钟形表面的合成视频来验证所提出的方法。所提出的基于希尔伯特相位的运动估计方法避免了人工参数选择的影响，识别结果的相关系数可达99.55%。还部署了使用简支梁的实验验证，并且与现有技术的比较证明了所提出算法的优异性能。