掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
圖像光流計算方法及其在飛行器導航控制中的應用 版權信息
- ISBN：9787030528933
- 條形碼：9787030528933 ; 978-7-03-052893-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
圖像光流計算方法及其在飛行器導航控制中的應用 內容簡介
本書首先介紹了常見的平面光流計算方法：基于變分的光流計算方法、基于局部鄰域約束的光流計算方法、基于匹配的光流計算方法、基于能量的光流場計算方法、基于相位的光流場計算方法、基于張量的光流場計算方法等，其次，本書介紹了光流在無人機導航中的應用：基于直線光流場的飛行器姿態估計、基于稀疏光流場的地面特征提取技術、稀疏直線光流場飛行器著陸控制技術、基于匹配光流場的飛行器自主避障技術等，*后，本書在平面光流場的技術之上提出了球面鏡頭環境下的光流場計算方法。
圖像光流計算方法及其在飛行器導航控制中的應用 目錄
目錄
前言
第1章 緒論 1
1.1 光流場計算技術發展及研究現狀 3
1.1.1 光流計算技術歷史與計算方法現狀 3
1.1.2 基于匹配的光流計算方法概述 4
1.1.3 球面光流計算方法概述 10
1.2 光流輔助飛行器導航與控制概述 10
1.2.1 傳統微小型飛行器導航與控制技術發展現狀 10
1.2.2 光流在飛行器導航控制中的應用 12
1.3 本章小結 16
參考文獻 16
第2章 光流場基本計算方法及圖像預處理 21
2.1 引言 21
2.2 光流計算基本原理及算法 21
2.2.1 光流場和運動場 21
2.2.2 光流約束方程 22
2.2.3 光流場經典計算方法 23
2.3 圖像預處理 28
2.3.1 圖像縮放 29
2.3.2 圖像平滑濾波 30
2.3.3 圖像畸變校正 33
2.3.4 圖像去霧增強 35
2.4 本章小結 38
第3章 稀疏直線匹配光流場計算方法及其應用 39
3.1 引言 39
3.2 基于參數-卡爾曼濾波的序列圖像間快速直線匹配方法 40
3.3 稀疏直線光流場計算方法及其仿真算例 45
3.3.1 稀疏直線光流場計算方法 45
3.3.2 稀疏直線光流場仿真算例 48
3.4 稀疏直線光流場飛行器姿態估計技術 54
3.4.1 攝像機的透視投影模型 55
3.4.2 基于稀疏直線光流場的飛行器姿態估計方法 56
3.4.3 基于暗原色通道的地平線提取方法 58
3.4.4 基于地平線直線稀疏光流場的姿態估計算例 61
3.4.5 基于灰度投影的跑道線提取方法 64
3.4.6 基于跑道線稀疏光流場的姿態估計算例 72
3.5 稀疏直線光流場飛行器著陸控制技術 75
3.5.1 飛行器進近-著陸階段特性分析 76
3.5.2 基于直線稀疏光流場的飛行器進近段對準控制 77
3.5.3 基于直線光流場的飛行器下滑段垂直控制 81
3.5.4 飛行器進近段對準控制仿真 87
3.5.5 飛行器下滑段控制仿真 89
3.6 本章小結 92
參考文獻 92
第4章 基于張量黎曼度量的塊匹配光流場計算方法及其應用 94
4.1 引言 94
4.2 序列圖像的灰度-時空張量描述 94
4.3 結構張量的黎曼度量 95
4.4 基于改進Hausdorff黎曼度量的匹配準則 97
4.4.1 模型建立 97
4.4.2 性能仿真測試 99
4.5 圖像旋轉的描述 102
4.6 多分辨率搜索策略 105
4.7 塊匹配光流場算例與分析 107
4.7.1 計算精度分析 107
4.7.2 抗噪聲能力分析 110
4.7.3 旋轉圖像光流場計算 112
4.7.4 大位移光流場計算 113
4.8 基于改進光流場的運動目標檢測 114
4.8.1 目標檢測算法設計指標分析 114
4.8.2 基于光流的運動目標檢測算法總體框架 114
4.8.3 全局運動估計和運動補償 115
4.8.4 基于光流矢量聚類的感興趣區域提取 118
4.8.5 目標區域分割與檢測 120
4.8.6 仿真算例與分析 122
4.9 本章小結 124
第5章 基于時空興趣點匹配的光流場計算方法 125
5.1 引言 125
5.2 時空張量定義與興趣點檢測 125
5.3 圖像幾何變換下判據函數的穩定性分析 128
5.4 時空興趣點提取測試 130
5.4.1 旋轉不變性與仿射不變性測試算例 130
5.4.2 與Harris角點提取算子的對比測試算例 131
5.4.3 加噪圖像測試算例 133
5.5 時空興趣點的PCA-FLSS特征描述子構造 134
5.5.1 LSS描述子原理 135
5.5.2 PCA-FLSS描述子設計 136
5.5.3 PCA-FLSS描述子的構造算例 136
5.6 時空興趣點匹配光流場計算方法 139
5.7 時空興趣點匹配算法計算大位移圖像光流場算例 140
5.8 本章小結 144
參考文獻 144
第6章 基于匹配光流場的飛行器自主避障 145
6.1 引言 145
6.2 光流避障技術總體架構 145
6.3 平移光流場計算 146
6.4 基于速度信息的FOE估計 147
6.5 景深估計與相對背景靜止障礙提取 150
6.6 相對背景運動的障礙區域提取 151
6.7 避障策略設計 154
6.8 本章小結 155
第7章 球面光流場計算方法 156
7.1 引言 156
7.2 坐標系定義 156
7.3 常見的成像模型 158
7.3.1 平面透視投影成像模型 158
7.3.2 非透視投影成像模型 160
7.4 ORIFL190-3魚眼鏡頭的成像模型 163
7.5 魚眼圖像的球面映射 166
7.6 球面光流場基本計算方法 169
7.6.1 透視投影模型下的圖像場 169
7.6.2 球面屈光成像模型下的圖像場 170
7.6.3 透視投影模型下光流場的基本約束方程 172
7.6.4 基于時空梯度的透視投影光流算法 173
7.6.5 球面光流場基本約束方程 174
7.6.6 黎曼空間中的梯度約束 176
7.7 基于時空梯度的球面光流算法 176
7.7.1 基于全局平滑約束的S-HS算法 176
7.7.2 基于局部平滑約束的S-LK算法 179
7.7.3 存在的問題 180
7.7.4 基本算法的優化 180
7.7.5 優化算法 183
7.8 實驗仿真與結果分析 184
7.8.1 光流計算誤差評價指標 184
7.8.2 球面光流場測試序列 185
7.8.3 *大響應幅值性能比較 186
7.8.4 矢量角誤差比較 189
7.8.5 算法性能小結 195
7.8.6 真實序列仿真 195
7.9 本章小結 195
參考文獻 196
第8章 圖像光流仿真與實驗系統 197
8.1 基于光流信息感知的計算機仿真實驗系統 197
8.1.1 仿真實驗平臺及子系統搭建 197
8.1.2 基于改進光流場的目標檢測仿真實驗與分析 197
8.1.3 基于地平線特征光流的飛行器姿態估計仿真實驗與分析 200
8.2 基于匹配光流的避障計算機仿真實驗系統 204
8.2.1 基于匹配光流的避障仿真實驗系統 204
8.2.2 光流避障仿真實驗 207
8.2.3 光流場提取算法對避障算法效能影響的驗證 208
8.3 光流避障信息提取半實物仿真實驗系統 210
8.3.1 光流避障信息提取半實物仿真實驗系統總體架構 210
8.3.2 硬件系統組成 210
8.3.3 軟件部分組成 212
8.3.4 平移光流場提取與FOE估計實驗 214
8.3.5 障礙提取實驗 216
8.4 本章小結 220
前言
第1章 緒論 1
1.1 光流場計算技術發展及研究現狀 3
1.1.1 光流計算技術歷史與計算方法現狀 3
1.1.2 基于匹配的光流計算方法概述 4
1.1.3 球面光流計算方法概述 10
1.2 光流輔助飛行器導航與控制概述 10
1.2.1 傳統微小型飛行器導航與控制技術發展現狀 10
1.2.2 光流在飛行器導航控制中的應用 12
1.3 本章小結 16
參考文獻 16
第2章 光流場基本計算方法及圖像預處理 21
2.1 引言 21
2.2 光流計算基本原理及算法 21
2.2.1 光流場和運動場 21
2.2.2 光流約束方程 22
2.2.3 光流場經典計算方法 23
2.3 圖像預處理 28
2.3.1 圖像縮放 29
2.3.2 圖像平滑濾波 30
2.3.3 圖像畸變校正 33
2.3.4 圖像去霧增強 35
2.4 本章小結 38
第3章 稀疏直線匹配光流場計算方法及其應用 39
3.1 引言 39
3.2 基于參數-卡爾曼濾波的序列圖像間快速直線匹配方法 40
3.3 稀疏直線光流場計算方法及其仿真算例 45
3.3.1 稀疏直線光流場計算方法 45
3.3.2 稀疏直線光流場仿真算例 48
3.4 稀疏直線光流場飛行器姿態估計技術 54
3.4.1 攝像機的透視投影模型 55
3.4.2 基于稀疏直線光流場的飛行器姿態估計方法 56
3.4.3 基于暗原色通道的地平線提取方法 58
3.4.4 基于地平線直線稀疏光流場的姿態估計算例 61
3.4.5 基于灰度投影的跑道線提取方法 64
3.4.6 基于跑道線稀疏光流場的姿態估計算例 72
3.5 稀疏直線光流場飛行器著陸控制技術 75
3.5.1 飛行器進近-著陸階段特性分析 76
3.5.2 基于直線稀疏光流場的飛行器進近段對準控制 77
3.5.3 基于直線光流場的飛行器下滑段垂直控制 81
3.5.4 飛行器進近段對準控制仿真 87
3.5.5 飛行器下滑段控制仿真 89
3.6 本章小結 92
參考文獻 92
第4章 基于張量黎曼度量的塊匹配光流場計算方法及其應用 94
4.1 引言 94
4.2 序列圖像的灰度-時空張量描述 94
4.3 結構張量的黎曼度量 95
4.4 基于改進Hausdorff黎曼度量的匹配準則 97
4.4.1 模型建立 97
4.4.2 性能仿真測試 99
4.5 圖像旋轉的描述 102
4.6 多分辨率搜索策略 105
4.7 塊匹配光流場算例與分析 107
4.7.1 計算精度分析 107
4.7.2 抗噪聲能力分析 110
4.7.3 旋轉圖像光流場計算 112
4.7.4 大位移光流場計算 113
4.8 基于改進光流場的運動目標檢測 114
4.8.1 目標檢測算法設計指標分析 114
4.8.2 基于光流的運動目標檢測算法總體框架 114
4.8.3 全局運動估計和運動補償 115
4.8.4 基于光流矢量聚類的感興趣區域提取 118
4.8.5 目標區域分割與檢測 120
4.8.6 仿真算例與分析 122
4.9 本章小結 124
第5章 基于時空興趣點匹配的光流場計算方法 125
5.1 引言 125
5.2 時空張量定義與興趣點檢測 125
5.3 圖像幾何變換下判據函數的穩定性分析 128
5.4 時空興趣點提取測試 130
5.4.1 旋轉不變性與仿射不變性測試算例 130
5.4.2 與Harris角點提取算子的對比測試算例 131
5.4.3 加噪圖像測試算例 133
5.5 時空興趣點的PCA-FLSS特征描述子構造 134
5.5.1 LSS描述子原理 135
5.5.2 PCA-FLSS描述子設計 136
5.5.3 PCA-FLSS描述子的構造算例 136
5.6 時空興趣點匹配光流場計算方法 139
5.7 時空興趣點匹配算法計算大位移圖像光流場算例 140
5.8 本章小結 144
參考文獻 144
第6章 基于匹配光流場的飛行器自主避障 145
6.1 引言 145
6.2 光流避障技術總體架構 145
6.3 平移光流場計算 146
6.4 基于速度信息的FOE估計 147
6.5 景深估計與相對背景靜止障礙提取 150
6.6 相對背景運動的障礙區域提取 151
6.7 避障策略設計 154
6.8 本章小結 155
第7章 球面光流場計算方法 156
7.1 引言 156
7.2 坐標系定義 156
7.3 常見的成像模型 158
7.3.1 平面透視投影成像模型 158
7.3.2 非透視投影成像模型 160
7.4 ORIFL190-3魚眼鏡頭的成像模型 163
7.5 魚眼圖像的球面映射 166
7.6 球面光流場基本計算方法 169
7.6.1 透視投影模型下的圖像場 169
7.6.2 球面屈光成像模型下的圖像場 170
7.6.3 透視投影模型下光流場的基本約束方程 172
7.6.4 基于時空梯度的透視投影光流算法 173
7.6.5 球面光流場基本約束方程 174
7.6.6 黎曼空間中的梯度約束 176
7.7 基于時空梯度的球面光流算法 176
7.7.1 基于全局平滑約束的S-HS算法 176
7.7.2 基于局部平滑約束的S-LK算法 179
7.7.3 存在的問題 180
7.7.4 基本算法的優化 180
7.7.5 優化算法 183
7.8 實驗仿真與結果分析 184
7.8.1 光流計算誤差評價指標 184
7.8.2 球面光流場測試序列 185
7.8.3 *大響應幅值性能比較 186
7.8.4 矢量角誤差比較 189
7.8.5 算法性能小結 195
7.8.6 真實序列仿真 195
7.9 本章小結 195
參考文獻 196
第8章 圖像光流仿真與實驗系統 197
8.1 基于光流信息感知的計算機仿真實驗系統 197
8.1.1 仿真實驗平臺及子系統搭建 197
8.1.2 基于改進光流場的目標檢測仿真實驗與分析 197
8.1.3 基于地平線特征光流的飛行器姿態估計仿真實驗與分析 200
8.2 基于匹配光流的避障計算機仿真實驗系統 204
8.2.1 基于匹配光流的避障仿真實驗系統 204
8.2.2 光流避障仿真實驗 207
8.2.3 光流場提取算法對避障算法效能影響的驗證 208
8.3 光流避障信息提取半實物仿真實驗系統 210
8.3.1 光流避障信息提取半實物仿真實驗系統總體架構 210
8.3.2 硬件系統組成 210
8.3.3 軟件部分組成 212
8.3.4 平移光流場提取與FOE估計實驗 214
8.3.5 障礙提取實驗 216
8.4 本章小結 220
展開全部
圖像光流計算方法及其在飛行器導航控制中的應用 節選
第1章 緒論 微小型飛行器(micro unmanned aerial vehicle，MAV)是指一類尺度在米級或亞米級、借助遙控或自主駕駛技術、能夠執行既定任務使命的無人飛行器。根據美國國防部先進項目研究局(Defense Advanced Research Projects Agency，DARPA)提出的要求，MAV應滿足以下主要指標，其續航時間為20~60min，航程10km以上，飛行速度為22~45km/h，可以攜帶有效載荷，完成一定的任務使命。在軍事方面，MAV可以裝備到連、排一級的士兵，或由載具進行發射、拋撒，執行偵察與毀傷評估、精確打擊、通信中繼、目標指示、空中警戒等各種作戰任務；在民用方面，MAV可用于邊檢緝私、交通監控、森林防火、電力巡線、航空攝影、氣象監測等領域。 國外對于微小型無人飛行器的研究及主要裝備情況如表1.1所示。 表1.1 部分國外典型微小型無人飛行器研究現況匯總 未來的微小型飛行器正朝著智能化的方向快速發展，總的來講，目前無人機智能化存在的主要問題就是自主控制問題。一個主要的解決途徑是對自然界中的智能行為展開學習和研究，進而將其應用在微小型飛行器的自主控制上。 視覺是人類以及生物重要的感知手段，據統計，人類約有80%的信息是通過視覺獲取的。傳統計算機視覺手段同生物視覺系統在處理復雜圖像方面相比，特別是運動圖像序列的表現，仍然存在著諸多不足，其算法不能很好地描述運動場與圖像之間的映射關系，難以滿足微小型無人飛行器高機動平臺的導航控制需求。 大量研究表明，昆蟲的神經系統十分簡單，處理數據的能力十分有限，卻可以單純利用視覺信息完成飛行和捕食等復雜的行為控制。因此，對智能、快速、基于視覺的控制方法的研究成為了當前飛行器控制領域研究的熱點，而光流技術正是在這一背景下被引入微小型飛行器導航和控制領域的。 光流，又稱光學矢量流。當物體運動時，會在觀察者視網膜表面形成連續的像，這些視覺信息連續不斷的“流過”視場，仿佛流場一般，故稱為光流。光流見諸學術界，*早是在1950年Gibson為描述圖像中模式運動的速度提出的，是一種二維瞬時速度矢量場，使用空間物體三維速度矢量在成像表面的投影來表征。由于光流的方向和大小是由物體與目標間相對運動的方向、速度以及物體與目標間的距離和角度決定的，因此包含豐富的運動信息。事實上，在自然界中，很多飛行生物都是采用光流作為其重要的感知手段，實現在復雜環境中的飛行控制。飛蟲運動視場中障礙物產生的光流如圖1.1所示。因此有關光流計算理論的研究及其在飛行器導航控制中的應用，引起了國內外許多高校和研究機構的關注［1-5］。 圖1.1 飛蟲運動視場中障礙物產生的光流 光流輔助飛行器導航控制是指飛行器通過攜帶的傳感器獲取光流信息并經過處理后，直接或與其他傳感器(如GPS、IMU等)信息進行融合后，參與到微小型飛行器姿態控制與航跡控制回路中。在上述過程中，飛行器的控制并不單純依靠光流信息來完成，而僅作為信息融合情況下的信源之一或其他傳感器失效情況下的輔助手段，用于提高飛行控制系統的精度和魯棒性。 1.1 光流場計算技術發展及研究現狀 1.1.1 光流計算技術歷史與計算方法現狀 如前所述，光流起源于對人和生物視覺系統的研究，但其有效計算方法的真正提出要始于Horn和Schunck［6］以及Lucas和Kanade［7］。20世紀90年代，學術界對光流計算提出大批新的理論與方法。之后，光流研究進展較為緩慢，主要原因是光流計算技術自身存在一些難點，如計算效率、運動計算可靠性、邊界問題和多運動問題等。隨著近幾年偏微方程、圖像張量分析、微分流形等數學理論在光流計算領域的應用，光流計算技術又開始了迅速發展。 總體來看，現今光流計算的研究主要沿著以下思路展開［8］： (1) 基于變分的光流計算方法。該方法的主要原理在于將光流場的獲取轉化為全局能量泛函*小化的問題，如何求解能量泛函的極值成為了光流計算的關鍵。變分光流的能量模型主要由平滑項和數據項組成，它們通過不同的形式來約束光流場的計算誤差［9-11］。 (2) 基于局部鄰域約束的光流計算方法。代表性算法為Lucas和Kanade［7］所述的Lucas-Kanade算法，其算法核心思想在于通過局部像素的鄰域內光流不變的約束來解決光流計算的適定問題，進而使用*小二乘法估計出全局光流。該類算法的優點在于對噪聲不敏感，但其獲得的光流場多數是稀疏的。 (3) 基于匹配的光流計算方法。目前常見的算法有塊匹配方法和點匹配方法。該類方法通過計算兩幀圖像之間的特征相關性，獲取圖像上特征的*佳匹配位置，從而獲得光流矢量的估計［12，13］。特征匹配無法獲取像素級或亞像素級的稠密光流場，但是，其計算速度快且易于硬件實現，因此適用于無人飛行器、機器人等對圖像處理速度要求較高的平臺。值得一提的是，某種程度上來講，Lucas-Kanade算法也可看做塊匹配方法的一種特殊情況。 (4) 基于能量的光流場計算方法。該類方法使用一組帶通速度濾波器，將光流場的計算轉移到了頻域上進行研究［14］。帶通速度濾波器按照尺度、速度和方向分別輸入信號，光流的方向可以通過等相角線來確定，光流的大小則通過相位的梯度分解求得。 (5) 基于相位的光流場計算方法。該類方法使用圖像的局部相位代替圖像的亮度模式參與光流的計算，從而獲取更加魯棒的光流場［15］。圖像局部相位利用如Gabor變換等的復帶通濾波器的響應獲得，之后，使用相位的輪廓線法向速度估計光流場。 (6) 其他方法。除了上述傳統的光流計算方法，近年來還出現了諸如基于結構張量的方法、基于概率的方法、基于對數圖像的方法［16］等，在各自的領域都具有一定的適應性。 綜合目前的研究現狀，對常用的光流計算方法按照計算速度、計算精度、抗噪能力、光流場是否稠密以及大位移圖像光流計算能力等幾個性能［17］進行比較，如表1.2所示。 表1.2 光流計算方法性能比較 光流計算研究分類計算速度計算精度抗噪能力光流場是否稠密大位移圖像光流計算能力基于變分慢較高差是一般基于局部鄰域約束較快一般較強否一般基于匹配快一般強否好基于能量慢高一般是一般基于相位慢較高一般是一般基于結構張量慢較高較強是一般基于概率慢較高差是一般基于對數圖像一般較高一般是一般 從表1.2中可以看出，光流算法計算精度和計算速度之間的矛盾依然突出。除了基于匹配的算法，其他算法多數需要大量的數值迭代才可獲取較理想的結果［18］，因此在計算速度方面仍不能滿足實時系統的需求。當下，對傳統光流算法的加速依賴于對計算網格的改進或計算架構的提升，后者利用GPU的高效計算能力［19］，如在CUDA架構下提高光流的實時計算效率。 對適配微小型飛行器控制系統的光流算法而言，需要在計算速度和計算精度之間取得平衡；同時，鑒于使用環境的復雜性，需要兼顧抗噪能力；另外，考慮飛行器的機動性大于一般移動機器人，因此對大位移情況(一般定義為10個像素以上［20］)的計算能力也有要求。綜上可以看出，基于特征匹配的光流計算方法*能滿足上述需求。事實上，受限于現有硬件水平，基于特征匹配的光流算法也正是實時系統中使用*為廣泛的算法。 1.1.2 基于匹配的光流計算方法概述 傳統的基于匹配的方法按照選用的匹配模式可以分為塊匹配光流場計算方法和點匹配光流場計算方法。 1) 塊匹配光流場計算方法 所謂基于塊匹配的光流方法(blocking matching algorithm，BMA)，是將圖像劃分成不相重疊的小區域，并且對于每一個塊內的運動使用一個簡單的參數模型加以特征化。在本質上，塊匹配法是一類基于模式的相關匹配方法，它將光流場定義為某觀察點在某一時刻前后所產生的*佳擬合位移，目前可使用的圖像模式包括紋理特征、角點特征、灰度特征等［21-23］。通過假設塊內各像素只做相同的位移，然后在劃定的搜索鄰域內，根據一定的匹配準則找出匹配塊，由匹配塊與當前塊的相對位置計算出運動位移，并除以幀間時間間隔，即得到塊匹配光流場。塊匹配光流場的計算原理如圖1.2所示。其中，m和n為像素數。 圖1.2 基于塊匹配的光流計算原理圖 塊匹配法的優勢在于算法簡單，易于并行計算硬件實現，計算速度快。該類方法的缺點在于當遮蓋發生時，圖像中會存在匹配點漂移問題；同時，匹配結果可能存在多峰分布，影響正確匹配點的選取。究其原因，主要有以下兩個：①小模板內信息較少；②正確的匹配點可能無法獲得*高的匹配度。另外，塊匹配法很難獲取像素級或亞像素級的稠密光流場，使其使用范圍受到一定限制。 為了解決上述問題，Berger等［24］通過深度傳感器引入圖像深度信息，使圖像匹配增加了新的描述特征，從而提高了匹配光流的計算精度；Macaodha等［25］引入圖像的結構張量取代灰度值，用于圖像序列的塊匹配，提高了匹配精度，同時使算法具有一定的抗光照變化能力；Liu等［26］提出一種SIFT Flow計算方法，該方法通過提取圖像中每個像素處的SIFT特征來替代像素值進行匹配，得到兩幅圖像間點對點的稠密流場，用來描述目標的運動場，其缺點是計算量較大。Colored SIFT(CSIFT)在顏色不變空間構建了SIFT描述子［27］，與SIFT Flow相比，這種方法對顏色和光照變化更加魯棒。Alvarez等［20］描述了一種基于灰度正則化相關的光流場計算方法，并給出了光流可信度的評價準則。為了提高算法對非剛體光流的計算性能，出現了變形塊匹配方法、基于網格的描述方法等算法，進一步提高了光流場的計算準確性。 塊匹配光流計算方法有三個核心要素：特征描述、匹配準則和塊劃分方法。前述研究主要集中在對特征描述符的改進和塊劃分方法的改進，對匹配準則的研究則較少涉及，而在圖像匹配領域，合適的匹配準則可以提高旋轉、遮擋、光照變換等情況下的光流場計算精度和計算效率。傳統的匹配準則主要依靠模板和待匹配圖像之間的灰度值矩陣相關性或灰度分布函數相關性來獲得*佳匹配位置［28-30］。 由于序列圖像本身就可以抽象為一個三維的時空張量，因此，利用張量方法對圖像進行分析是序列圖像處理的一個重要分支，并已經在諸如人臉識別、行為模式識別、圖像匹配等領域獲得了廣泛應用。隨著結構張量理論在圖像處理中的應用，使用結構張量描述下的圖像特征，繼續使用歐氏距離來設計匹配準則已經不再適合，因此傳統的基于灰度相關方法的匹配準則亟須改進。Tuzel等［31］在流形空間中討論了圖像結構張量的匹配準則，使用張量在黎曼流形的測度取代歐氏距離進行匹配；Huttenlocher等［32］和Sim等［33］討論了一系列基于Hausdorff距離及其改進的匹配準則，取代了傳統的相關性匹配準則，在遮擋情況下使用該匹配準則可以進一步提高圖像的匹配性能。這些研究為塊匹配光流計算方法的匹配準則設計提供了新的研究思路。 2) 點匹配光流場計算方法 點匹配光流場是基于兩幀圖像之間局部不變特征點匹配獲得的運動矢量場。相比塊匹配光流，圖像中的局部不變點特征的數目較少，計算較為簡便。此外，點特征對位置的變化較為敏感，并對光照變化、噪聲、圖像畸變和遮擋具有一定的適應能力，因此點匹配的光流場可以提供一種局部的、稀疏的圖像光流場。雖然該種光流場丟失了部分圖像的運動信息，但其較高的運算效率決定了其作為一種“輕量級”的算法(特別相較于變分法)，更便于硬件實現。 與塊匹配不同，點匹配光流場的研究主要集中在兩方面：①局部不變特征點提取算法；②特征點局部不變特征描述。 圖像的特征點一般指序列圖像中具有不變性質的點，如灰度的圖像局部極大值點等。一般來說，圖像特征點具有以下特性： (1) 不變性，點的某種特征在序列圖像中不
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
月亮與六便士
- >
我從未如此眷戀人間
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伯納黛特,你要去哪(2021新版)
- >
中國歷史的瞬間
- >
名家帶你讀魯迅:朝花夕拾
- >
姑媽的寶刀
本類暢銷
