论文部分内容阅读
光流估计是计算机视觉的重要研究方向之一,近年来,光流估计越来越受到国内外学者的关注,是计算机视觉领域中的研究热点。本文对基于变分原理的光流估计方法进行了研究,针对传统HS光流估计算法中光照变化对求解精度的影响及光流求解效率等问题,提出了基于结构纹理分解和多重网格的光流估计算法;针对传统HS模型中L2范数的过平滑缺陷,引入L1范数,采用基于TV-L1模型的光流估计算法提高光流计算精度;为进一步提高光流模型的精度和解决大位移光流的求解,在TV-L1模型的基础上运用基于CLG算法的变分光流场估计方法。主要工作有如下几方面:1.基于结构纹理分解和多重网格的光流估计方法。分别针对传统光流算法对光照变化的敏感性以及运算复杂度高、迭代收敛缓慢的两方面问题,使用一种基于ROF模型的结构纹理分解技术消除光照变化的影响,并提出一种基于多重网格方法的分层处理策略。将光流计算的迭代过程分散在一系列粗细不同的网格上,在细网格上消除高频误差,在粗网格上消除低频误差,以达到加速收敛、提高光流计算速度的目的。2.基于TV-L1变分模型的光流场估计方法。针对传统光流模型中的L2范数对噪声敏感,光流场过平滑等影响计算精度的问题,对光流估计模型引入L1范数,可以很好的保持分段平滑,提高光流计算精度。在线性化过程中,由于数据项的一阶泰勒展开仅适用于小位移的投影坐标,因此光流场的求取过程受到限制。为了克服这个困难,引入由粗到精的金字塔算法,通过这种多尺度方法,不仅可以直接采用线性化方法迭代,而且还可以避免迭代收敛到局部最小值。3.基于CLG算法的变分光流场估计方法。为了抑制噪声对光流场估计的影响,并实现大位移光流场求解,建立了基于局部与全局相结合的CLG-TV变分光流估计模型,并提出求解方法。将LK局部光流算法融合到TV-L1模型中,并利用各项异性扩散和双边滤波技术,使扩展后模型在保持TV-L1模型优势的基础上,具有更加鲁棒的抗噪性能,且能有效解决大位移问题;在求解过程中,利用结构纹理分解方法和由粗到精金字塔方法,提高光流计算的精度。实验表明,本文所提出的基于结构纹理分解和多重网格的光流估计方法、基于TV-L1变分模型的光流场估计方法以及基于CLG算法的变分光流场估计方法是行之有效的,对运动图像分析、目标跟踪以及三维重建等研究都具有一定的理论意义和实际应用价值。