色彩梯度恒常性的光流场估计算法

为提高光流估计的鲁棒性,在彩色图像光流场计算中色彩恒常假定的基础上,进一步假定色彩梯度在运动中保持不变,据此提出了一种基于色彩梯度恒常性假设的光流求解方法,以色彩梯度构成光流基本方程,并对其施加全局平滑约束,以Gauss-Seidel迭代求解光流场,并用中值滤波去除光流场中的异常分量.实验表明,该方法相对于灰度图像序列及彩色图像序列的经典光流场估计算法可取得更好的估计效果.     

一种基于光流的无人机序列影像背景运动补偿方法

针对无人机序列影像,采用一种鲁棒的变分光流模型求解无人机序列影像光流场,该模型采用亮度守恒和梯度守恒结合的数据项,平滑项则采用二阶的Laplacian算子约束项,结合多分辨率影像技术,采用由粗到精的策略进行优化。利用光流场估计的影像运动信息对无人机序列影像进行背景运动补偿。实验结果表明,该光流模型获得的光流场能够准确的估计出无人机序列影像背景的运动,并取得了较好的背景运动补偿效果。     

一种彩色光流场估计算法

彩色图像序列中通过求解光流梯度约束方程组进行光流估计可有效地克服孔径问题,但方程组在各等式线性相关或图像的梯度量级相对于噪声很小的像素点处得到不可靠解.为获得鲁棒估计结果,将规范化rgb颜色模型估计方法与全局平滑约束方法相结合,利用矩阵条件数判断规范化rgb方法光流解的可靠性,设定条件数阈值进行方法间切换,融合2种方法的估计结果.最后,对光流估计结果进行10次中值滤波.实验表明,该方法在获得稠密光流场的同时可有效提高光流场估计精度.     

一种改进的基于全局最小能量泛函光流算法

在大位移、非刚性运动目标的复杂场景下,针对全局能量泛函过平滑导致目标形状严重丢失及大位移运动目标光流计算精度降低的问题,提出了一种全变分正则化(ROF)模型预处理输入视频帧,对图像的大尺度特征和图像变化的细小部分进行了分析.采用双三次插值法初始化亚像素层的光流矢量,设计了一种自适应邻域修正法,对光流矢量异常值进行了修正.实验结果表明:相比于传统Horn-Schunck光流算法与金字塔Horn-Schunck光流算法,光流的平均角误差和平均终点误差分别平均减少了87.86%,58.51%和89.44%,58.99%,有效地提高了算法精度.     

形态梯度恒常的复值小波光流求解

为提高光流估计的鲁棒性,假设运动物体形态梯度为不变量,据此提出了一种基于形态梯度恒常性的小波光流求解方法,以形态梯度恒常假设构建形态光流基本方程,并将其映射至小波域,利用小波的多尺度多分辨率特性提高光流求解精度.引入复值小波以降低相位震荡的影响.通过最小二乘法求解超定的小波光流方程组以解得光流矢量,并用中值滤波去除光流场中的异常分量.实验表明,提出的方法在光流求解精度及算法稳定性方面优于传统光流求解方法.     

身份识别中步态特征的提取

阐述了2种简单有效的基于步态的身份识别方法——基于模型的方法和非基于模型的方法.基于模型的方法利用人体的骨骼化模型,首先对输入的图像序列自动进行背景初始化;然后分割图像中运动人体的侧面影像,并进一步细化为人体的骨骼化模型;接着从模型中提取人体的静态参数以及动态参数作为特征.非基于模型的方法计算图像间的光流场,从光流场中进一步提取可识别特征.将2种方法应用于室内拍摄的视频,实验结果表明,通过提取可靠的步态特征,降低了数据处理的代价,而且得到了较好的识别性能.     

一类热传导方程源项识别反问题

文章讨论了在有界区域里只含空间变量的一维热传导方程的源项识别问题。通过附加数据,采用拟可逆正则化方法对问题进行求解,得到了该问题的一个正则解,并给出了正则解与精确解之间的误差估计。     

基于多正则化约束的图像去运动模糊

针对图像去运动模糊问题的病态性,已有的方法通常引入对图像的正则化约束从而缩小解空间范围使其良态化,但单一的正则化约束并不能很好地估计点扩散函数和复原原始图像。基于此,本文提出一种基于多正则化约束的图像去运动模糊方法。首先,根据图像梯度符合重尾分布的特性,采用归一化的超拉普拉斯先验项作为对图像先验约束的正则项。其次,分析描述图像运动模糊的点扩散函数的内在特性包括稀疏性和连续光滑性;同时,采用点扩散函数自身的L₁范数保证其稀疏性并作为其中一项点扩散函数先验约束的正则项,采用Tikhonov正则化约束保证其连续平滑性并作为另一项点扩散函数先验约束的正则项,避免估计的点扩散函数中存在孤立的点。由于所建立的正则项虽然不可微但其是非严格凸函数,故引入辅助变量采用分裂法和交替求解法对所建能量方程进行求解,并利用小波软阈值公式求解辅助变量。本文方法对合成的运动模糊图像和实际相机抖动造成的自然模糊图像均进行实验,实验结果验证了该模型和求解算法的有效性和快速性。实验结果表明,本文方法提高了点扩散函数估计准确度,同时提高了复原图像质量,具有较好的复原效果。     

有界区域上非标准热方程只含有空间变量的热源识别反问题

探讨有界区域上一类含对流项热方程只含有空间变量的热源识别反问题.这类问题是不适定的,即问题的解不连续依赖于测量数据.利用拟可逆正则化方法,得到问题的一个正则近似解,并且给出正则解和精确解之间具有H？lder型的误差估计.     

基于光流的运动人体提取

提出了一种改进的Lucas-Kanade光流算法，将这种算法应用于步态识别中, 并引入了高阶梯度的光流场约束方程，计算出其Hessian矩阵. 将Hessian矩阵条件数的倒数做为Lucas-Kanade光流法的加权阵，可有效地消除局部邻域中不可靠约束点，并大大提高基本约束方程解的稳定性. 实验结果表明，此方法能精确地描述出运动人体的光流场.     

基于光流的运动人体提取

提出了一种改进的Lucas-Kanade光流算法，将这种算法应用于步态识别中, 并引入了高阶梯度的光流场约束方程，计算出其Hessian矩阵. 将Hessian矩阵条件数的倒数做为Lucas-Kanade光流法的加权阵，可有效地消除局部邻域中不可靠约束点，并大大提高基本约束方程解的稳定性. 实验结果表明，此方法能精确地描述出运动人体的光流场.     

结合光流法的车辆运动估计优化方法

针对车辆自主定位实时准确的要求,提出一种结合光流法的车辆运动估计优化方法.采用改进的Lucas-Kanade算法跟踪FAST特征点计算其光流;进而对图像间偏移量进行坐标系转换,获得初始坐标系下车辆的运动估计值;基于偏移量与旋转角度误差服从正态分布的假设,优化更新采用光流法的车辆运动结果,最终映射到世界坐标系中获得车辆运行轨迹.通过测试多组不同车辆行驶轨迹,结果表明:该优化方法突出了光流法的实时性并且克服了其精度差的缺点,有效解决了由累积误差引起的轨迹漂移情况,能够提供车辆准确实时的定位输出.相较于基于特征点匹配的车辆定位其计算时间短,与常用的光流法比较,轨迹更加精确、光滑.     

以减小均方误差为目标的估计

文章分析了病态问题的特点,提出此时以最小方差为估计准则的LS估计常不能获得稳定的解,另一比较奏效的估计准则是均方误差最小。提出了均方误差意义下的最优线性估计,将其与正则化估计对照,获得了对正则化估计更加深入的认识,而正则化估计在均方误差意义下是优于最小二乘估计的。提出了基于正则化估计的单位权方差的无偏估计公式。     

基于水平集的运动目标检测和速度估算

在摄像机运动的情况下,研究了一种用于运动目标检测和边界速度估算的方法.该方法通过假设分段平滑运动场的约束条件,将求解问题公式化为视频时空域上的最大后验（MAP）运动分割问题.利用Euler-Lagrange梯度下降法,从MAP运动分割方法所得到的能量函数导出一组方程,用于同时估算由于摄像机运动引起的背景运动场和检测运动目标.对应于曲面的Euler-Lagrange方程被表达为水平集的偏微分方程.提出了一种基于水平集隐含表示的运动目标边界速度估算新方法,利用符号距离图表示运动目标的轮廓,采用光流方法估算运动目标轮廓点的速度.对于实际视频序列的实验结果表明,新方法的估算结果准确、稳定,并且相邻点的速度估算具有很好的连续性.
     

基于3D-LCRN视频异常行为识别方法

自动准确识别监控视频中的异常行为在安防领域具有广泛的应用前景.本文提出一种基于3D-LCRN(3D Long-short-term Convolutional Recurrent Network)视觉时序模型的视频异常行为识别方法.首先,基于视频图像帧间的结构相似性,结合光照感应与光照补偿机制进行背景建模,获取对光照突变与背景运动不敏感的矫正光流场与矫正运动历史图.同时,针对异常与正常行为视频数据失衡问题,计算三通道矫正光流运动历史图COFMHI(corrected optical flow motion history image),随机提取视觉词块进行聚类,对样本数量与维度进行双向扩充,充分获取样本的微分和积分运动信息.在此基础上,采用3D-CNN深度学习网络模型对COFMHI进行学习,获取局部短时序时空-域特征,结合可学习贡献因子加权的LSTM网络以压制无关、冗余、具有混淆性的视频片段,进一步提取由短时序-长时序,由局部-全局的多层次时-空域特征用于异常行为识别.通过与同类方法的客观定量对比,实验结果表明,本文方法在光照突变与背景运动等复杂场景下具有优异的异常行为识别性能,进一步表明该方法有效、可行.     

基于算法展开的图像盲去模糊深度学习网络

针对图像盲去模糊问题,基于变分模型的迭代优化展开形式设计了相应的变分深度学习网络,有效克服了传统变分方法计算效率低和深度学习方法可解释性差的问题。设计网络包含2部分：利用算法展开策略实现基于L₀正则化估计模糊核的子网络;基于估计的模糊核及图像恢复正则化模型的非盲去卷积子网络,该子网络充分利用了双通道的编解码网络结构。为确保模糊核估计的准确性和图像内容的一致性,损失函数由均方误差损失和结构相似性损失构成。L₀正则化的使用有助于快速准确地完成模糊核估计;图像恢复正则化模型的使用有助于边缘和图像细节的保持。在Levin数据集上的试验结果表明,所提算法在峰值信噪比上较目前先进算法至少提高了2.14 dB。     

全局运动多分辨率光流估计算法的改进与实现

为了提高低分辨率图像之间的位移估计精度,在传统光流算法的基础上,提出了全局运动的多分辨率光流估计算法.实验结果表明：该算法能够快速实现小位移和准确的实现大位移的运动估计,通过对互有亚像素位移的多帧低分辨率图像对比相位相关法进行运动估计,改进的多分辨率光流估计算法实现的高精度亚像素位移误差精度为0.05pi.     

静态环境中基于光流的障碍物检测

针对估计相对深度的传统方法,易受噪声影响的问题,提出了一种基于光流的障碍物检测方法.基于摄像机前方局部地平面假设,通过尺度空间不变（SIFT）特征匹配得到单目图像序列前后帧的匹配点集,用随机抽样一致算法（RANSAC）鲁棒地估计出相机前方近似平面的单应性矩阵,并计算得到光流场,进而恢复出相对深度并建立障碍物图.由于避免了计算光流的一阶微分,该方法具有较好的鲁棒性.室内和室外环境的实验结果都表明,该算法能够恢复出相对深度,并对障碍物进行有效检测.     

An Underwater Image Bubble Noise Removal Method Based on Optical Flow

基于光流法的水下图像气泡噪声消除方法

李浩,陶建国,罗阳,邓立平,邓宗全

（哈尔滨工业大学 机器人与系统国家重点实验室,哈尔滨 150001）

中文说明：

对于水下机器人来说,准确地检测和定位目标物体是非常重要的。 然而,在许多情况下,由于存在气泡噪声,很难清楚地观察目标物体。本文提出一种基于光流法的水下图像气泡噪声消除方法。 首先使用LK光流算法计算图像背景的运动矢量并补偿背景运动。 然后,通过HS光流算法计算气泡的光流场,并通过二值化图像获得气泡存在的区域。 最后使用相邻的帧图像来修复气泡区域。气泡噪声去除实验结果表明,该方法可有效去除图像中的气泡噪声。

关键词：气泡噪声,光流法,背景运动,图像修复

     

波状板上流动的数值分析

本文对波状板上的势流和层流运动进行了计算分析。对于势流场分别采用了理论解析法及有限解析(FA)法,两者的结果尚能较好地吻合。对于层流运动主要进行了数值分析。计算中应用了仿边界坐标变换及更加完善的FA法。成果表明当波高与波长之比α/λ值较小时势流与层流的壁压分布图差别不大,与此相反,当α/λ值较大时两者差别甚大,且仅在层流流场中出现了大的分离区。