基于角点跟踪的光流场计算

在综合视觉运动分析中的两类处理方法，选取图像中的角点作为特征点，并检测和跟踪图像序列中的角点。记录检测到的角点在图像序列中的位移，在理论上证明了时变图像的光流场可以近似地用角点的位移场代替，同时给出这种替代的两个前提条件。本文用真实图像序列验证提出的算法，实验结果表明该算法取得了较好的效果。     

基于区域的手指三维运动跟踪

提出了基于区域的多连接体(手指)的三维运动跟踪算法.该算法首先用多约束融合的方法以及手指的运动特性,得到初始帧手指的三维结构;然后根据刚性多连接体的运动模型以及相应的姿势约束模型,给出了这一特殊运动模型三维运动估计的优化算法,此算法能够鲁棒地估计手指的三维运动;最后利用区域跟踪的方法获取多连接体三维运动,并在真实的手指序列图象中实现了该算法.实验结果证实了该算法的有效性.     

基于方面图技术的三维运动目标识别

三维目标在不同的视点下呈现不同的姿态 ,所得的二维视图也不尽相同 ,因此三维目标识别是一个较为复杂的问题 .为此提出了通过图象序列和图象序列之间的转移关系 ,根据胜者为王的原则来识别三维目标的方法 .该方法采用极指数栅格技术和傅立叶变换相结合得到目标的轮廓不变量 ;用神经网络结合方面图技术 ,通过识别运动目标图象序列来识别三维运动目标 ,实现了一个目标识别系统 .实验结果证明 ,此方法可以有效地用于三维运动目标的识别     

心脏序列图象光流场运动的相关算法

心脏是人体的重要器官,它的运动与其功能紧密相关,因此在心脏疾病的诊断中,对心脏的运动分析是十分必要的.现代医学成象技术为医生在心脏的整体解剖结构和功能结构等方面提供了全局性信息.针对心脏超声序列图象的特征,相邻两帧图象内移动不大,而其灰度相关性和位置相关性强的特点,本文根据二维序列图象的相关性来跟踪各帧像素点得到序列图象光流场,并与传统方法进行了比较.为了检测本算法的可行性,本文结合临床知识对仿真图象应用相关算法进行了定量分析并获得预期实验结果.     

基于直线的线流场计算技术

计算线流场的主要作用是作为中间介质来重建三维物体的运动和结构.本文提出了基于直线的线流场概念及其计算方法,其基本思路是首先使用霍夫变换提取图象系列中特征直线的坐标;然后通过建立相邻图象之间对应直线的匹配准则,找出对应直线,从而建立位移场;最后对位移场求时间导数得到直线的线流.图象中所有特征直线的坐标和线流的集合定义为直线的线流场.用L型多面体的综合图像进行了实验,实验表明本文所提出的线流场计算方法是可行的.     

图象光流场计算技术研究进展

时变图象光流场计算技术是计算机视觉中的重要研究内容，也是当今研究的热点问题。为了使人们对该技术有一个较全面的了解，因而对时变图象光流场计算技术的研究和进展做了较系统的论述，首先分别列举了灰度时变图象和彩色时变图象的光流场计算方法，并对这些方法进行了分类，然后总结了出目前图象光流场计算中存在的几个问题，最后对光流场计算技术的研究发展及其应用前景指出了一些可能的方向。     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

基于场景几何约束未标定两视图的三维模型重建

提出了一种从两幅未标定图象重建场景三维模型的方法 .这种方法充分利用了人造结构场景中大量存在的平行性和正交性几何约束 ,即利用每幅视图中三组互相垂直的平行线 ,计算出 3个影灭点 ,从而对每幅视图进行标定 .对两幅未标定图象 ,从基本矩阵只能得到射影重构 ,如果每幅图象都已标定 ,则可将基本矩阵转化为本质矩阵 .三维重构过程有两个步骤 :先是恢复相机的位置和运动 ;后是用三角测量法计算出点的三维坐标 .对多平面组成的场景进行三维重构实验 ,所得三维模型产生新的视点图象 ,与所观察的场景一致 ,重构的两个平面夹角与实际值相近 ,实验结果表明 ,该算法是行之有效的     

基于遗传算法的直线光流刚体运动重建

建立一种新的基于直线光流场从单目图像序列恢复刚体运动和结构的模型,推导出直线光流场与刚体的运动参数之间的关系,用2个二阶线性微分方程表达这种关系,并提出一种求解刚体运动参数的遗传算法,只需要获得图像平面的2条直线光流即可求解刚体的旋转参数,并用合成图像测试了该算法的有效性。     

基于深度匹配的由稀疏到稠密大位移运动光流估计

针对非刚性大位移运动场景的光流计算准确性与鲁棒性问题, 提出一种基于深度匹配的由稀疏到稠密大位移运动光流估计方法. 首先利用深度匹配模型计算图像序列相邻帧的初始稀疏运动场; 其次采用网格化邻域支持优化模型筛选具有较高置信度的图像网格和匹配像素点, 获得鲁棒的稀疏运动场; 然后对稀疏运动场进行边缘保护稠密插值, 并设计全局能量泛函优化求解稠密光流场. 最后分别利用MPI-Sintel和KITTI数据库提供的测试图像集对本文方法和Classic + NL, DeepFlow, EpicFlow以及FlowNetS等变分模型、匹配策略和深度学习光流计算方法进行综合对比与分析, 实验结果表明本文方法相对于其他方法具有更高的光流计算精度, 尤其在非刚性大位移和运动遮挡区域具有更好的鲁棒性与可靠性.     

一种针对大尺度运动的快速光流算法

传统的光流法必须满足一致连贯性假设,不适用于大幅度运动目标的跟踪。为克服复杂场景下,大尺度运动中目标位移量超出特征跟踪窗口带来的光流计算问题,提出了一种针对大尺度运动的快速光流计算方法。引入图像金字塔模型,利用基于多尺度分层的金字塔结构和光流映射变换,实现小窗口捕获大运动。同时,采用非极大值抑制方法保留图像自相关矩阵的大特征值,得到的强角点作为特征点,降低了光流计算的时间开销。实验结果表明,提出的方法在复杂场景和运动条件下,可准确快速地计算出表征目标运动方向和速率的光流矢量,具有较高的鲁棒性和实时性。     

动态背景下的稀疏光流目标提取与跟踪

目的 针对背景和摄像机同时运动情况下的运动目标提取与跟踪,提出一种基于稀疏光流的目标提取与跟踪新方法。方法 首先,利用金字塔LK光流法生成光流图像匹配相邻两幅图像的特征点,依据光流图像中的位移、方向等光流信息初步划分背景和前景目标的特征点;然后利用中心迭代法去除不属于目标运动区域的噪声特征点;最后,通过前N帧图像目标特征点的最大交集得到属于目标的稳定特征点并在后续帧中进行跟踪。对于后续跟踪图像中存在的遮挡问题,引入了一个基于特征点的遮挡系数,运用Kalman预估算法得到目标位置的预测,并且在目标重新出现时能够迅速定位目标。结果 与已有的光流匹配算法相比,本文算法的目标特征点误检率降低了10%左右,成功跟踪率达到97%;引入预估器使得本文算法对有遮挡运动目标也能够实现准确跟踪和定位。结论 本文算法对复杂动态背景下无遮挡和有遮挡的持续运动目标跟踪均具有准确识别定位性能,满足实时要求,适用于缓慢或者快速移动的运动场景目标提取和目标跟踪。     

Recovering the Three-Dimensional Motion and Structure of Multiple Moving Objects from Binocular Image Flows

A new method is presented for recovering the three-dimensional motion and structure of multiple, independently moving, rigid objects through the analysis of binocular image flow fields. The input to the algorithm is the image location and image velocity of a sparse set of feature points in the stereo image pair. The algorithm analyzes one rigid object at a time by simultaneously segmenting the associated feature points from the input data set, establishing the stereo correspondence of these feature points and determining the three-dimensional motion of the object. The solution method is iterative and is based on the stereo-motion algorithm presented in J. H. Duncan, L. Li, and W. Wang, “Recovering Three-Dimensional Velocity and Established Stereo Correspondence from Binocular Image Flows” (Opt. Eng.34(7), July 1995, 2157–2167.) for the analysis of scenes with only one set of three-dimensional motion components. No restrictions on the three-dimensional structure of the scene are required by the theory. Experimental results with numerically generated and laboratory image sequences are given to verify the method.     

Fast moving object detection with non-stationary background

The detection of moving objects under a free-moving camera is a difficult problem because the camera and object motions are mixed together and the objects are often detected into the separated components. To tackle this problem, we propose a fast moving object detection method using optical flow clustering and Delaunay triangulation as follows. First, we extract the corner feature points using Harris corner detector and compute optical flow vectors at the extracted corner feature points. Second, we cluster the optical flow vectors using K-means clustering method and reject the outlier feature points using Random Sample Consensus algorithm. Third, we classify each cluster into the camera and object motion using its scatteredness of optical flow vectors. Fourth, we compensate the camera motion using the multi-resolution block-based motion propagation method and detect the objects using the background subtraction between the previous frame and the motion compensated current frame. Finally, we merge the separately detected objects using Delaunay triangulation. The experimental results using Carnegie Mellon University database show that the proposed moving object detection method outperforms the existing other methods in terms of detection accuracy and processing time.     

基于DM642的金字塔Lucas-Kanade光流法计算速度信息

通过垂直拍摄地面的摄像头连续抓拍两帧图像,从中计算出横纵向速度信息.该设计以TMS320DM642为核心,结合TI的VLIB视频处理库,利用VLIB中的Harris角点提取算法对特征点进行提取,并利用金字塔Lucas-Kanade光流法实现对特征点的大位移跟踪,对跟踪出来的横纵向位移信息进行筛选并利用帧率与位移之间的关系计算出速度信息.然后,将该设计与在PC机上用OpenCV实现的金字塔Lucas-Kanade光流法和SURF特征点跟踪匹配法进行比较,其结果表明该设计简易可行且具有实时性好的优点.最后在此基础上简要介绍了此设计的应用前景并对设计进行了总结.     

基于三参数模型的视频图像配准方法研究

视频图像配准是运动视频处理中的一项关键技术。提出了一种新的基于3参数模型的配准算法,该算法利用多尺度的角点检测方法从相邻两帧中抽取特征点,选用Hausdorff距离对特征点集进行匹配,计算3参数模型参数,从而实现图像配准。与传统的6参数仿射模型相比,模型参数的降低并没有显著降低配准效果,同时由于参数搜索空间的减少,该方法用更快的速度得到较准确的结果。     

加标记的左心室核磁共振图像位移场的运动重建

利用改进的左心室数字模拟器提供的加标记的核磁共振图像(MRI),文章研究左心室位移场的运动重建方法。先以双三次B样条曲面技术拟合短轴和长轴影像层三个方向的标记面,然后采用最小二乘原理确定短轴和长轴影像层标记点1D逆向位移场的最优控制顶点,在此基础上拟合的短轴影像层上标记点的3D逆向位移场达到亚像素精度。这对于跟踪心肌点几何位置,分析左心室的运动变形具有重要意义。     

基于直线光流场的三维运动和结构重建

利用直线间运动对应关系，将像素点光流的概念和定义方法应用于直线，提出了直线光流的概念，建立了求解空间物体运动参数的线性方程组，利用三幅图像21条直线的光流场，可以求得物体运动的12个参数以及空间直线坐标．但是在实际应用当中，要找出这21条直线的光流场是很困难的，因此该文提出了运用解非线性方程组的方法，只需要6条直线的光流．就可以分步求出物体的12个运动参数，并根据求得的12个运动参数和一致的图像坐标系中的直线坐标，求得空间直线的坐标，从而实现了三维场景的重建．