大位移变分光流计算的快速算法

目的 多尺度方法的提出解决了传统HS（Horn Schunck）算法不能计算大位移光流的问题,但同时也增加了迭代运算的步数。为加快迭代收敛速度,研究大位移变分光流计算的快速算法,并分析其性能。方法 将用于加快变分图像处理迭代运算的Split Bregman方法、对偶方法和交替方向乘子法应用到大位移光流计算中。结果 分别进行了精度、迭代步数、运行时间的对比实验。引入3种快速方法的模型均能够在保证精度的同时,在较少时间内计算出图像序列的光流场,所需时间为传统方法的11%~42%。结论 将3种快速方法应用到大位移变分光流计算中,对于不同图像序列均可以较大地提高计算效率。     

邻域内坐标线性变换的光流迭代求解算法

提出邻域内坐标线性变换的光流计算迭代解法。算法允许计算光流的图像间存在一定的灰度偏差,光流计算结果稳定。对于含较大位移的两幅图像,以往方法要用金字塔图像方法计算光流,而该算法则可以一步求解得到图像间最佳整体匹配,比金字塔方法更有优势。算法对图像整体的尺度、平移、旋转或其它线性变换能有效检测。用于人脸图像配准的实验显示,该算法对图像匹配空间搜索有效可行。     

基于改进光流算法和HMM的面部表情识别

提出了一种基于改进光流和HMM的面部表情识别算法,在Lucas-Kanade光流法中引入Hessian矩阵,可有效消除局部邻域中不可靠约束点,提高面部表情变化的光流场计算精度.同时采用GA算法对HMM参数重估,有效提高了HMM的分类性能.实验结果表明,该算法取得了较好的识别效果.     

基于改进Demons算法的乳腺X线摄片非刚性配准

Demons算法是一种基于灰度信息的全自动非刚性配准方法,其配准结果容易受图像之间灰度不一致的影响,且迭代收敛速度较慢.针对这两个问题,提出了一种基于多项式最小二乘拟合的灰度归一化方法对灰度进行匹配,并在迭代过程中自适应调整浮动图像所受作用力以加快收敛速度.用改进后的算法与原算法及其他改进算法分别对乳腺X线摄片进行配准实验,对比结果表明,本文的改进方法能够更快地产生更精确的配准结果,配准后的图像增强了乳腺组织的真实变化,有利于乳腺癌的早期诊断.     

光照变化条件下的光流估计

目的 为了提高光流法在处理光照变化和大位移方面的稳健性。提出一种结合结构纹理分解预处理和加权中值滤波的光流场模型。方法 该方法数据项采用灰度守恒假设和梯度守恒假设相结合、局部约束与全局约束相结合的思想。同时采用结构纹理分解、加权中值滤波、金字塔结构等高效的光流估计技术,进一步增强了光流算法的精确性与实用性。结果 分别通过Middlebury光流数据库图像和真实场景图像对提出的光流估计算法进行了大量实验验证。实验结果表明,改进的光流估计法在处理光照变化方面表现不错,不仅获得稠密的光流场,而且提高了光流场准确提取目标边缘的能力。结论 和传统光流方法相比,所提方法在光照变化情况下能获得更加理想的结果,降低了实际场景中光线变化的干扰,能更好地适用于实际场景中。     

应用模拟海杂波图像反演海面风场算法研究

针对传统灰度模型光流法计算海面风场误差较大的问题,提出了改进海面风场反演算法,该算法包含2部分:一是根据航海雷达图像特点,提出了基于灰度和梯度不变模型光流法的海面风向反演算法,并应用直方图统计光流场计算主风向;二是应用BP网络建立风速与雷达散射截面、电磁波方向与风向的非线性模型,据此计算风速.最后应用模拟、实测图像开展实验,对风向和风速反演结果进行比对、分析.实验结果表明,航海雷达具有很高测量风速、风向的能力,同时也验证了文中算法的可行性.     

光流场算法中优化图像梯度数据可信度方法

基于梯度方法的光流场算法中,迭代次数需要足够大才能使运动物体边界数据扩散到灰度平坦的区域,计算量大,精度不高。在光流迭代方程中,梯度数据的精确度与可信度对光流计算的结果有直接的影响。对这一问题,应用Hessian矩阵判别、高斯滤波标准差修正、均值模板修正和多帧图像对比等四种方法可以有效地处理图像梯度数据,并不断修正,以提高梯度数据的可信度。这些方法通过防止运动物体边界梯度数据向邻域内盲目扩散,增加扩散的方向性,从而提高光流场计算精度和收敛速度。     

改进的金字塔Lucas Kanade光流算法实现多姿态视频人脸特征点跟踪

目前,在人脸特征点跟踪领域,光流算法的使用较广泛。本文提出对小姿态人脸采用仿射变换矫正以及对大姿态人脸通过跟踪准确特征点的偏移量改进金字塔Lucas Kanade光流方法。实验结果表明,该算法比传统的金字塔Lucas Kanade光流算法在多姿态人脸特征点跟踪方面有更好的效果。     

提花织物图像的Mumford-Shah模型修补算法

提出一种用于填补提花图像中斑点和折痕区域的修补算法,首先对经典Mumford-Shah模型进行了改进,增加了对其不连续点集形成中的光滑度约束;然后通过对改进Mumford-shah模型的梯度流方程的求解,得到了算法的数值解,梯度流方程包含两个相互耦合的二阶偏微分方程,分别用于灰度函数和不连续点集示性函数的演化,对含噪提花织物图像进行修补的结果证明了该算法的可行性。     

一种改进的变分光流计算方法

提出一种改进的变分光流算法的能量泛函,该能量泛函的数据项由灰度不变假设和Hessian矩阵不变假设组成,并与Lucas局部光流一致方法相结合。平滑项的设计采用先各项同性平滑再各项异性平滑的策略,其中引入图像一致增强思想。实验结果证明,运用该方法进行光流计算的效果比以往变分方法有所改进。     

基于相位微分技术的光流估计

提出一种基于相位微分技术的光流估计方法.该方法选择6个方向对图像进行Gabor滤波,并把每个方向滤波后的图像叠加,作为特征图像计算时空相位梯度,再用相位梯度计算光流.用合成图像和真实图像对本文算法进行测试,实验结果表明,该算法在光流的计算精度优于Horn ＆ Schunck光流算法.     

利用Gabor滤波的相位图像进行光流估计

提出一种联合Gabor滤波器和加权最小二乘法估计序列图像光流的方法,用Gabor滤波器的滤波结果作为新的图像特征来计算空间和时间相位梯度．为了获得较为精确的结果,用加权最小二乘法来估计序列图像的光流．实验结果表明,文中算法在光流的计算精度上要优于Lueas,Fleet等的方法．     

Building Blocks for Computer Vision with Stochastic Partial Differential Equations

We discuss the basic concepts of computer vision with stochastic partial differential equations (SPDEs). In typical approaches based on partial differential equations (PDEs), the end result in the best case is usually one value per pixel, the “expected” value. Error estimates or even full probability density functions PDFs are usually not available. This paper provides a framework allowing one to derive such PDFs, rendering computer vision approaches into measurements fulfilling scientific standards due to full error propagation. We identify the image data with random fields in order to model images and image sequences which carry uncertainty in their gray values, e.g. due to noise in the acquisition process. The noisy behaviors of gray values is modeled as stochastic processes which are approximated with the method of generalized polynomial chaos (Wiener-Askey-Chaos). The Wiener-Askey polynomial chaos is combined with a standard spatial approximation based upon piecewise multi-linear finite elements. We present the basic building blocks needed for computer vision and image processing in this stochastic setting, i.e. we discuss the computation of stochastic moments, projections, gradient magnitudes, edge indicators, structure tensors, etc. Finally we show applications of our framework to derive stochastic analogs of well known PDEs for de-noising and optical flow extraction. These models are discretized with the stochastic Galerkin method. Our selection of SPDE models allows us to draw connections to the classical deterministic models as well as to stochastic image processing not based on PDEs. Several examples guide the reader through the presentation and show the usefulness of the framework.     

复杂场景下灰度图像的运动目标跟踪

提出了一种对复杂场景下灰度图像序列中运动目标分割和跟踪的新方法:首先,利用光流法分割出运动目标;然后,以mean shift算法为核心跟踪感兴趣的目标.跟踪过程中以目标灰度直方图为特征进行帧与帧之间的目标匹配,其匹配的相似度以Bhattacharyya系数来测量.算法中利用Kalman滤波器对运动目标在图像中的位置进行预测,不仅可以有效解决目标的暂时遮挡问题,而且可以缩小模式匹配的搜索范围,提高处理速度.实验结果和对实验相关数据的分析验证了该跟踪算法的有效性和实时性.     

小波变换在医学图像融合中的应用研究

对不同模态的医学图像进行融合处理,可为临床提供新的诊断信息.针对V. Petrovic提出的灰度图像融合方法,给出了一种改进的多尺度图像融合算法.首先对源图像按照V.Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔表示,然后对金字塔中的两个低通分量加权平均后,再进行反变换,即得灰度融合图像.然后以此灰度融合图像作为两幅源图像的公共部分,利用Toet的伪彩色融合方法,得到最终的彩色融合图像.由于该算法兼容了灰度融合和彩色融合的优点,用不同彩色来显示灰度差,使得融合图像在色彩上更丰富,包含更多的细节.将其应用于CT和MRI图像融合,仿真结果得到了证明.     

Accurate optical flow computation under non-uniform brightness variations

In this paper, we present a very accurate algorithm for computing optical flow with non-uniform brightness variations. The proposed algorithm is based on a generalized dynamic image model (GDIM) in conjunction with a regularization framework to cope with the problem of non-uniform brightness variations. To alleviate flow constraint errors due to image aliasing and noise, we employ a reweighted least-squares method to suppress unreliable flow constraints, thus leading to robust estimation of optical flow. In addition, a dynamic smoothness adjustment scheme is proposed to efficiently suppress the smoothness constraint in the vicinity of the motion and brightness variation discontinuities, thereby preserving motion boundaries. We also employ a constraint refinement scheme, which aims at reducing the approximation errors in the first-order differential flow equation, to refine the optical flow estimation especially for large image motions. To efficiently minimize the resulting energy function for optical flow computation, we utilize an incomplete Cholesky preconditioned conjugate gradient algorithm to solve the large linear system. Experimental results on some synthetic and real image sequences show that the proposed algorithm compares favorably to most existing techniques reported in literature in terms of accuracy in optical flow computation with 100% density.     

Improving the robustness of variational optical flow through tensor voting

Differential optical flow methods allow the estimation of optical flow fields based on the first-order and even higher-order spatio-temporal derivatives (gradients) of sequences of input images. If the input images are noisy, for instance because of the limited quality of the capturing devices or due to poor illumination conditions, the use of partial derivatives will amplify that noise and thus end up affecting the accuracy of the computed flow fields. The typical approach in order to reduce that noise consists of smoothing the required gradient images with Gaussian filters, for instance by applying structure tensors. However, that filtering is isotropic and tends to blur the discontinuities that may be present in the original images, thus likely leading to an undesired loss of accuracy in the resulting flow fields. This paper proposes the use of tensor voting as an alternative to Gaussian filtering, and shows that the discontinuity preserving capabilities of the former yield more robust and accurate results. In particular, a state-of-the-art variational optical flow method has been adapted in order to utilize a tensor voting filtering approach. The proposed technique has been tested upon different datasets of both synthetic and real image sequences, and compared to both well known and state-of-the-art differential optical flow methods.     

半稠密光流法的图像跟踪匹配算法

针对传统光流法图像特征缺失、边界及遮挡等处容易导致目标跟踪质量降低或丢失的问题,提出一种半稠密光流法实现图像特征的稳定跟踪.首先计算出图像中像素梯度变化较大的像素区域;其次利用时变图像灰度的时空梯度函数来计算像素的速度矢量,进而实现像素区域的跟踪;最后将状态向量作为剔除跟踪失败的依据,保留跟踪质量优良的像素区域.结果表...     

基于概率速度场的实时船舶检测

为了准确及时获取船舶在船闸中的运动信息,提出了一种基于概率速度场的实时检测船闸中船舶的方法。该方法首先分析了船舶在船闸中运行的各种环境因素;其次为了消除和减弱阴影和光斑的影响,从监测图象灰度直方图中派生出一个高斯概率分布模型,进而获取图象的概率场;最后定义了一个基于光流计算的可实时检测船舶的概率速度场。该方法已成功地测试了大量通过三峡临时船闸和葛洲坝船闸的船舶序列图象。