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．     

基于小波滤波器组的光流估计

为了解决光流估计时存在的孔径问题和时域混叠，在Bernard的理论基础上，给出了基于快速滤波器组的方法：小波函数在频域可以表示为滤波器组的乘积．所以时域的小波系数由傅里叶变换转换到频域。通过滤波器组快速求解。由于解析小波具有实小波所没有的优点．采用解析小波计算光流。文中给出该方法的结果。还给出了Horn-Schunck的正则化方法的结果。比较后可知，本文的方法能较好地对运动物体进行光流估计。     

基于相位光流法的结构振动微小位移测量

随着数码相机的成本降低和普及,基于计算机视觉的非接触式结构健康监测技术越来越受到重视.传统的接触式测量仪器可能导致轻质结构上的质量负荷,并且在大型土木结构上安装和维护成本高且耗时,特别是对于长期应用.作为一种替代的非接触方法,使用数码相机的计算机视觉方法成本相对较低、灵活.针对传统光流方法在微小位移测量精度和稳定性不足...     

深度光流估计方法研究进展

结合深度学习模型实现光流端到端的计算是当前计算机视觉领域的一个研究热点.文中对基于深度学习的光流估计方法进行总结和梳理.首先,介绍了光流的起源与定义;其次,总结了现有的数据集合和评价指标;最重要的是,着重从3个方面回顾了深度光流估计方法,包括有监督的深度光流估计方法、无监督的深度光流估计方法以及对现有光流估计方法的性能...     

基于梯度的光流计算方法中梯度计算对性能的影响

基于梯度的方法是光流计算中很重要的一类方法,而梯度的计算对整个算法的性能有着重要的影响。文章考察了几种常用梯度算子对光流计算的影响,并给出了理论分析。实验结果证明理论分析是正确的。     

基于事件相机的连续光流估计

事件相机对场景的亮度变化进行成像, 输出异步事件流, 具有极低的延时, 受运动模糊问题影响较少. 因此, 可以利用事件相机解决高速运动场景下的光流(Optical flow, OF)估计问题. 基于亮度恒定假设和事件产生模型, 利用事件相机输出事件流的低延时性质, 融合存在运动模糊的亮度图像帧, 提出基于事件相机的连续光流估计算法, 提升了高速运动场景下的光流估计精度. 实验结果表明, 相比于现有的基于事件相机的光流估计算法, 该算法在平均端点误差、平均角度误差和均方误差3个指标上, 分别提升11%、45% 和8%. 在高速运动场景下, 该算法能够准确重建出高速运动目标的连续光流, 保证了存在运动模糊情况时, 光流估计的精度.     

基于复小波的彩色光流估计

利用色彩恒常性假设,将RGB色彩分量光流基本方程映射至小波域,通过复小波构建的过定线性方程组进行多分辨率光流估计,避免实小波相位震荡带来的光流求解误差,并利用各颜色分量组成的线性方程组的系数矩阵条件数判断求解的可靠性,选择各颜色分量中最可靠的解最为该点最终的光流解。数值实验结果证明了该算法的有效性。     

基于光流的快速人体姿态估计

针对目前深度学习领域人体姿态估计算法计算复杂度高的问题,提出了一种基于光流的快速人体姿态估计算法.在原算法的基础上,首先利用视频帧之间的时间相关性,将原始视频序列分为关键帧和非关键帧分别处理（相邻两关键帧之间的图像和前向关键帧组成一个视频帧组,同一视频帧组内的视频帧相似）,仅在关键帧上运用人体姿态估计算法,并通过轻量级光流场将关键帧识别结果传播到其他非关键帧.其次针对视频中运动场的动态特性,提出一种基于局部光流场的自适应关键帧检测算法,以根据视频的局部时域特性确定视频关键帧的位置.在OutdoorPose和HumanEvaI数据集上的实验结果表明,对于存在背景复杂、部件遮挡等问题的视频序列中,所提算法较原算法检测性能略有提升,检测速度平均可提升89.6%.     

基于纹理约束和参数化运动模型的光流估计

提出了一种基于局部小平面运动的光流估计新方法。目的是获得精确致密的光流估计结果。与以往采用亮度一致性区域作为假设平面的算法不同,本算法利用序列图像的纹理信息,在纹理分割区域的基础上,进行运动估计。该算法首先通过微分法计算粗光流,可以得到参数化光流模型的初始估计,然后通过区域迭代算法,调整初始估计,从而得到精细的平面分割及其对应的参数化光流模型。基于纹理信息的部分拟合算法被用于算法的每一步当中,保证了纹理边缘位置的光流估计值的准确性。实验采用了标准图像序列,结果表明,可以得到更为精细的光流估计结果,特别是对于那些有着丰富纹理信息的室外环境的图像序列,而且在运动边界处的结果改善尤为明显。     

基于卷积神经网络的光流估计模型

光流信息是图像像素的运动表示,现有光流估计方法在应对图像遮挡、大位移和细节呈现等复杂情况时难以保证高精度.为了克服这些难点问题,本文建立一种新型的卷积神经网络模型,通过改进卷积形式和特征融合的方式来提高估计精度.首先,加入调整优化能力更强的可形变卷积,以便于提取相邻帧图像的大位移和细节等空间特征;然后利用基于注意力机制...     

基于局部微分光流的运动对象分割

运动对象分割是研究从场景的图像序列或视频中提取出运动目标的理论和方法,是计算机视觉中一个重要的研究方向,在军事和工业等领域有着广阔的应用前景.提出一种基于局部微分光流的运动对象分割算法.首先采用局部微分光流算法计算出场景的运动光流场并完成其初始分割,然后利用canny算子探测出对象的边缘信息并将其作为对光流场得到的运动信息的补充,从而分割出更为准确的运动对象.实验结果显示该方法具有良好的分割性能.     

Improved Accuracy in Gradient-Based Optical Flow Estimation

Optical flow estimation by means of first derivatives can produce surprisingly accurate and dense optical flow fields. In particular, recent empirical evidence suggests that the method that is based on local optimization of first-order constancy constraints is among the most accurate and reliable methods available. Nevertheless, a systematic investigation of the effects of the various parameters for this algorithm is still lacking. This paper reports such an investigation. Performance is assessed in terms of flow-field accuracy, density, and resolution. The investigation yields new information regarding pre-filter, differentiator, least-squares neighborhood, and reliability test selection. Several changes to previously-employed parameter settings result in significant overall performance improvements, while they simultaneously reduce the computational cost of the estimator.     

应用数据融合方法辨识油气两相流流型

基于D-S证据理论和逐步回归方法,结合直管段差压波动信号的功率谱密度分布特征和电容传感器提供的电容信息,给出了一种油气两相流流型辨识的数据融合方法.通过差压传感器和电容传感器分别采集直管段差压波动信号和管道截面相分布信息,利用提取的特征参数和已经建立的与流型相关的电容关联式对各传感器的信任度函数进行分配,再利用D-S证据理论进行融合,得到油气两相流流型辨识结果.单传感器辨识结果与数据融合辨识结果的比较结果显示,数据融合方法具有一定的优越性.     

基于光流的运动分析理论及应用

运动目标的检测是计算机视觉领域中最活跃的研究主题之一,运动目标的正确检测与分割影响着运动目标能否正确跟踪和分类;光流法是运动图像分析的重要方法,它能够检测出独立运动的对象,不需要预先知道场景的任何信息,并且可用于摄像机运动的情况;文中首先引入光流的基本概念,然后介绍基于光流方程的两种常用的图像分析方法--梯度法、块匹配法;接着结合光流法在红外图像序列的运动目标检测、活动轮廓模型以及医学图像处理方面的应用,对这两种光流法的优缺点进行分析;最后对光流法在未来其他领域如电子制造业和芯片检测行业的应用提出展望.     

Symmetrical Dense Optical Flow Estimation with Occlusions Detection

Traditional techniques of dense optical flow estimation do not generally yield symmetrical solutions: the results will differ if they are applied between images I ₁ and I ₂ or between images I ₂ and I ₁. In this work, we present a method to recover a dense optical flow field map from two images, while explicitely taking into account the symmetry across the images as well as possible occlusions in the flow field. The idea is to consider both displacements vectors from I ₁ to I ₂ and I ₂ to I ₁ and to minimise an energy functional that explicitely encodes all those properties. This variational problem is then solved using the gradient flow defined by the Euler–Lagrange equations associated to the energy. To prove the importance of the concepts of symmetry and occlusions for optical flow computation, we have extended a classical approach to handle those. Experiments clearly show the added value of these properties to improve the accuracy of the computed flows. Figures appear in color in the online version of this paper.