论文摘要
利用时变图像序列进行运动分析来确定三维空间中运动物体的结构或物体与观察者之间的相对运动参数是计算机视觉领域中的热门研究课题。三维运动投影至二维图像平面也将形成运动,这种运动以图像平面上亮度模式的流动表现出来,称之为光流,而光流场是一种二维速度场。对光流场的计算是低层视觉计算技术中的一项重要任务。对光流计算技术的研究已持续了将近三十年,其间产生了一大批富有成效的光流计算方法,微分光流算法、匹配光流算法、能量光流算法、相位光流算法、小波光流算法等相继被提出,其中微分光流算法因具有完备的数学理论基础,实现简单,精度相对较高等优点而获得了广泛的应用。然而,这些光流计算方法都是基于图像中的灰度信息进行计算的,忽略了图像中蕴含丰富的彩色信息。光流估计是一个病态问题,彩色信息提供的附加约束可有效克服光流孔径问题带来的影响。彩色光流估计方法大致可分为灰度一致性方法和色彩一致性方法两大类,实验表明其光流估计精度优于经典的灰度估计方法。然而,总的来说,彩色图像序列的光流场计算技术仍处于起步阶段,利用彩色信息改进现有光流计算方法以获得更好的性能是一个值得进一步研究的课题。本文在回顾经典灰度与彩色光流计算方法的基础上,着重于研究利用彩色信息提高传统灰度光流估计算法的性能,同时对利用光流场进行运动目标检测也进行了探讨,其主要工作可概括为以下几个方面：第一,在基于高阶梯度的光流计算方法基础上,给出了一种基于色彩梯度恒常性的微分光流计算方法,该方法也可看成是一种基于二阶梯度进行光流求解的方法,只是其一阶梯度使用了基于色彩信息的彩色向量梯度。在假设色彩梯度恒常的基础上列写梯度约束方程,并施加全局平滑约束以求解光流。最后,进行了数值实验,实验结果表明了算法的有效性。第二,在研究了经典彩色光流算法及基于全局平滑约束的光流算法各自特点的基础上,给出了一种融合彩色光流计算与全局平滑灰度光流计算的方法。该方法通过矩阵条件数来判断彩色光流解的可靠性,对于不可靠光流位置,使用全局平滑光流解来进行光流替换,从而得到一种混合的光流解。同时,在上述算法的基础上,本文进一步研究了彩色局部光流计算模型和彩色全局光流计算模型。局部模型利用了邻域约束,可提高光流估计精度并有一定的抗噪性能,全局模型可得到稠密光流场但会模糊物体运动边界,参考前述的混合光流计算方法,本文提出了三种针对彩色图像序列的混合光流计算模型,并进行了数值实验,实验结果表明了算法的有效性。第三,回顾了小波的基本原理及其在光流估计中存在的问题,并简要介绍了利用复值小波克服相位震荡进行光流估计的方法,同时给出了一种利用色彩信息提高复值小波光流估计精度的方法,利用多通道彩色信息对基本的复小波光流方程组进行了扩展,利用光流解的稳定性判据筛选最可靠颜色通道进行光流计算,最后进行了实验对比,实验结果表明了算法的有效性。第四,给出了一种基于光流场与水平集曲线演化检测运动目标的方法。该方法首先利用运动内极线约束或规范化光流场确定运动目标数量及大致位置,然后通过Kmeans动态聚类方法进行运动目标区域分割。然而,由于光流估计误差及聚类分割误差,单纯依靠运动信息的检测方法通常都不能得到准确的目标轮廓线,因此本文在运动分割的基础上进一步加入基于空域信息的水平集分割步骤,利用彩色向量梯度定义了曲线演化停止函数,并利用快速行进算法加快计算速度。最后,对该算法进行了单目标与多目标,静止背景与动态背景的三组实验,实验结果表明了算法的有效性。