各向异性的微分光流和匹配光流算法

论文摘要

运动目标检测和跟踪具有较高的研究价值和广阔的发展前景。它是视频图像分析的重要组成部分,也是计算机视觉的基础性问题。目标检测中的光流法,能够把计算得到光流即二维运动矢量场,作为判别目标运动的重要特征。本文在介绍了微分法光流和匹配光流法的基础上,运用各向异性的思想,分别进行了算法改进的研究。基于时空梯度微分法计算光流时,图像掩模在平滑图像的同时不可避免得带了边缘模糊效应,梯度算子的选取也成为计算精确度的关键。而运用各向异性高斯核进行边缘检测,可以从尺度和方向进行选取,结合非极大抑制的策略,使得图像在预处理中同时能够“保边去噪”,对而后的光流计算起到了较好的效果。对匹配光流法也进行了各项异性思想的引入,从归一化互相关特征点匹配光流出发,进行了旋转匹配和反转匹配的改进,把不稳定的特征点滤除。在降低计算复杂度方面,采用了奇异值分解的策略。进而对光照强度变化大和大尺度位移的目标光流计算有较好的鲁棒性。最后综合运用各向异性和归一化互相关特征点匹配方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究意义
• 1.3 运动目标检测的技术现状
• 1.4 运动目标跟踪的技术现状
• 1.5 光流法模型及分类
• 1.6 光流法的评价
• 1.7 本文组织安排
• 第二章 微分光流算法
• 2.1 引言
• 2.2 光流法理论背景
• 2.3 经典光流法Horn-Schunck算法
• 2.4 经典光流法Lucas-Kanade算法
• 2.5 光流法的理论不足
• 2.6 本章小结
• 第三章 基于各向异性高斯梯度的光流
• 3.1 各向异性高斯核
• 3.2 基于各向异性的光流
• 3.3 试验结果及分析
• 3.4 本章小结
• 第四章 基于相关匹配的光流法
• 4.1 图像匹配技术的描述
• 4.2 绝对平衡搜索法法
• 4.3 归一化互相关匹配算法
• 4.4 改进的归一化互相关匹配算法
• 4.5 试验结果及分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 本文的工作总结
• 5.2 工作展望
• 致谢
• 参考文献
• 作者在攻读硕士学位期间的学术成果