光流场估计算法的优化分析

运动估计一直是视频处理领域的核心课题之一 ,而基于Horn和Schunk所提出的光流基本约束方程的光流场估计类算法是图像运动估计的一类重要算法。从由于缺少约束而事实上并不完备的光流基本约束方程出发 ,人们提出了各种光流计算方法 ,从算法约束条件上分为全局优化和局部优化两类。本文将对各类算法进行比较 ,归纳出其思路发展轨迹。同时 ,本文将选取一种基于区域平滑约束的光流场估计算法进行分析 ,该算法性能较为稳定 ,且适合于处理多层图像元素并存的场景     

光流场估计算法的优化分析

运动估计一直是视频处理领域的核心课题之一,而基于Horn和Schunk所提出的光流基本约束方程的光流场估计类算法是图像运动估计的一类重要算法。从由于缺少约束而事实上并不完备的光流基本约束方程出发,人们提出了各种光流计算方法,从算法约束条件下分为全局优化和局部优化两类。本将对各类算法进行比较,归纳出其思路发展轨迹。同时,本将选取一种基于区域平滑约束的光流场估计算法进行分析,该算法性能较为稳定,且适合于处理多层图像元素并存的场景。     

基于联合后置滤波器与分数阶光流模型相结合的运动分割算法

针对传统HS（Horn&Schnuck）光流估计算法存在奇异值、不能保留光流场边界不连续性、不能应对运动目标间相互遮挡等问题,提出一种联合后置滤波器的分数阶光流模型。在该模型中,应用分数阶微分处理HS模型中的平滑项以保留光流场的边界不连续性;通过分析结构张量特征值的数据特征来寻找光流场边缘点,利用联合流场散度与像素点投影差分的方法来检测遮挡区域;采用一种结合MF(Median Filter)中值滤波器、WMF(Weighted Median Filter)权值中值滤波器、BF(Bilateral Filter)双边滤波器的CPF(Combined Post Filter)联合后置滤波器,它能够通过检测是否存在遮挡、图像亮度不连续性、图像运动不连续性,自适应地调节光流场的扩散过程,从而获得更加准确的光流场。实验证明,该算法能在图像中存在光照变化、遮挡、多运动目标等复杂情况下精确地估计出光流场,且算法计算成本低,能满足实时性要求。     

一种新型快速运动目标检测算法

为了克服光流法计算量大和亮度不连续性引起的运动估计误差,提出一种基于改进帧差法和改进光流法相结合的快速运动目标检测算法.通过改进帧差法,精确获取运动目标区域.利用改进的光流法,在光亮度不连续的情况下,准确地提取运动目标区域特征点的光流,并对光流矢量采用阈值标注,进而检测出运动目标.实验结果表明:该目标检测算法鲁棒性强,计算量小.     

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性.为了更好地将二者结合起来,进行2个方面的改进;建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性.研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况.     

一种联合数据常量约束的分数阶光流算法

针对传统HS(HornSchunck)变化光流模型难以应对图像中全局或者局部光照变化、非刚体运动、大位移运动、局部区域内存在多运动目标及难以保留边缘不连续性等实际应用问题,提出一种联合数据约束的分数阶光流模型;该模型分别对传统HS光流模型的数据项及平滑项进行了改进。数据项中,除了包含亮度常量约束外,同时还包含梯度常量约束(应对全局或者局部光照变化)、海森常量约束(应对大位移运动)、拉普拉斯常量约束(应对非刚体运动)。平滑项中,把传统HS的整数阶平滑约束方程改进为分数阶平滑约束方程,以此应对局部区域内的多运动目标问题及保留光流场运动边缘的不连续性。算法的性能体现在能应对各种对亮度常量约束的违反的实际应用;且能获得高准确率的光流场。大量试验验证了算法的优越性。     

基于光流的人体运动实时检测方法

针对目前广泛使用的光流法计算耗时严重问题,提出了基于差分图像绝对值和(SAD)与光流法相结合的人体运动检测方法. 通过计算SAD检测出运动区域,在已确定的运动区域内进行Horn-Schunck光流场计算,准确地计算出人体的运动信息. 在后续处理中,应用形态学的闭运算和连通性分析,较完整地分割出人体运动目标. 实验结果表明,该方法有效地提高了系统的计算速度,能够实时准确地对人体运动进行检测.     

基于自适应双分数阶光流模型的运动目标分割

针对当前光流算法在光照不足的环境下不能进行弱纹理区域的运动目标分割问题,提出了一种自适应双分数阶光流(ADFOVOF)模型.该模型在双分数阶光流(DFOVOF)模型的基础上,通过图像信噪比计算DFOVOF模型中数据项的分数阶微分掩模的阶次及尺寸;应用以光流向量为特征的超像素调整DFOVOF模型中平滑项的分数阶微分掩模的形状.实验结果表明,在光照不足或者光照变化剧烈的场景下,文中算法能够精确估计光流场,获得清晰的运动目标轮廓.     

人体运动检测的光流与肤色融合方法

针对复杂背景环境中光流法难以检测出完整的人体目标区域的问题,提出了一种融合光流和肤色信息的人体运动检测方法.对视频序列进行光流分析,确定目标的运动区域;同时基于马氏距离检测出肤色区域;并对光流和肤色信息进行数据融合,分割出人体运动区域.实验结果表明,该方法能够有效地检测出完整的人体目标.     

基于特征光流的多运动目标检测跟踪算法与评价

光流车辆检测算法其光流不仅携带了运动物体的运动信息,还包含丰富的三维结构信息,能够在未知场景信息的情况下对运动目标进行准确检测;但传统光流法计算方法复杂、抗噪性能差、处理速度缓慢,无法满足多目标实时检测的实际需求。为提高光流法实时检测效率,同时保持较好的检测精度,提出了一种基于Harris特征点光流及卡尔曼滤波模型的多运动目标跟踪算法;并提出新的视频目标检测算法性能评价指标。通过对不同实验场景下多个运动目标的检测与跟踪实验统计结果表明,对比主流Meanshift车辆跟踪算法,检测精度平均提高4.61%;且跟踪持续性提升41.5%,具有更好的鲁棒性及准确性。在时间效率上较比传统光流法平均提升42.9%,能够更好地满足目标跟踪实时性要求。     

一种改进的基于光流的鲁棒多尺度运动估计算法

基于图像的运动估计是计算机视觉在许多应用中的一项基本任务, 在这一领域的主要目标是尽可能精确地估计场景和物体的运动。针对界外值在光流估计过程中会引起不可预期的运动估计结果, 严重影响运动估计精度的问题,提出一种改进的鲁棒分层的多尺度运动估计算法。该算法利用图基的双权重函数,自动调节不同残差数据点的权重,去除残差过大的数据点,并采用多尺度金字塔由粗到精逐层迭代,精确地估计运动矢量。实验结果表明：该算法鲁棒性好,能有效地解决遮挡背景和运动不连续而引起的界外值问题,明显地提高运动估计精度。     

动态跟踪中背景补偿与目标运动估计

针对目标的观测位置信息中混入了背景运动的问题,提出一种特征点集与稀疏光流场相结合的背景补偿方法.通过Harris算子找出一组特征点,在相邻帧中通过计算每个特征点的局部最优匹配区域得到稀疏点集的光流向量.根据其光流方向概率分布,最终计算出背景的偏移量.通过背景补偿,得到目标的真实偏移量序列,带入Kalman滤波方程,对下一帧中目标的运动状态进行实时估计.实验表明,背景补偿后的预测精度在10个像素之内,每个均值迁移跟踪单元大约需要10ms,提高了跟踪的稳定性,有效减少了迭代次数.新的跟踪器能满足动态实时跟踪的要求.     

一种改进的HS光流法在机器人避障系统中的应用

机器人的自主避障功能是其在未知环境中顺利行驶的必备功能。基于光流法的机器人避障系统是近几年研究的新热点,在光流场的计算方法中,被使用最多的是由HornSchunck提出的HS光流法。在传统HS光流法的基础上,提出了一种加快光流场计算的方法;并将两种算法应用到相同的避障系统中。通过比较机器人避障实验的结果可以得出,当使用改进算法计算光流场时,避障系统能更快的探测出机器人行驶前方的障碍物,提高了机器人躲避障碍物的效率。     

一种快速鲁棒的全局运动估计算法

局部运动矢量会严重影响全局运动估计的结果,不仅降低全局运动估计的准确度,而且消耗大量的运算时间。针对上述问题提出了一种快速鲁棒的全局运动估计算法。首先采用快速的块匹配算法得到运动矢量场,然后通过改进的梯度均值残差法去除估计的不准确运动矢量,提高估计出的运动矢量场的准确性并使得全局运动估计所处理的宏块尽可能是全局运动块;其次,基于六参数仿射模型估计出初始全局运动参数,为了消除错误运动矢量产生的误差,使用匹配加权函数的方法对估计结果进行进一步修正,最终得到最优的全局运动参数。实验结果表明该算法兼顾了全局运动估计的准确性和鲁棒性,对大多数视频序列的全局运动估计具有算法复杂度低、运动参数估计准确的效果。     

采用光流场运动估计的双树复小波域视频水印算法

提出一种基于光流场的双树复小波变换(DT-CWT)的数字水印算法.首先利用光流信息检测出视频序列的关键帧,然后利用光流场技术对选取的关键帧进行局部区域的运动估计.最后,根据人眼对快速流动物体敏感性弱的特点,将水印信号分块嵌入关键帧内快速运动区域.测试结果表明:该算法具有很好的不可见特性,在面对噪声、缩放等恶意攻击时也具有很好的稳定性,同时也具有很好的实时性.     

基于二维压缩扩展和光流法的组织应变估计方法

在超声弹性成像中,为了得到大压缩量下的精确应变估计,要考虑组织横向膨胀带来的横向位移的信号去相关影响,为此提出了结合二维压缩扩展和光流法的组织应变估计方法.首先采用二维希尔伯特变换法将原始超声RF信号通过包络检测的方法转换为解析信号,再利用块匹配算法得到16个子区域的位移矢量,然后利用线性回归方法从位移矢量估计出二维压缩扩展的参数.在完成二维压缩扩展之后,再利用光流法对微小位移进行精确估计.实验结果表明,二维压缩扩展方法和光流法的结合增加了总体应变估计的精度与鲁棒性.所得纵向位移和纵向应变与有限元仿真结果基本一致,证明了所提算法的正确性.