基于全自动生长分割的梯度彩色光流场计算

形变物体边界的准确定位是光流估计的难点之一,仅依靠改进光流算法收效甚微。提出了全自动生长分割,以准确提取形变运动物体,从而将视频分割结果与梯度彩色光流算法相结合来提高光流法对形变物体的检测准确法度     

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。     

一种基于帧间差分和光流技术结合的运动车辆检测和跟踪新算法

为了改进智能交通中的运动车辆检测和跟踪方法,提出一种基于改进的帧间差分和光流技术结合的运动车辆检测和跟踪的新方法。先用帧间差分法检测出运动物体的运动区域,再计算差值图中不为零处的光流,然后利用其光流场来实现运动目标的跟踪。为了减少计算量,提出一种基于最优估计的点匹配技术和光流均匀采样策略的光流场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪。     

基于光流场与水平集的运动目标检测

利用光流场信息及运动内极限约束确定运动目标区域的初始分割,提取光流大小与光流方向两个特征构成特征向量,使用K-means聚类算法获得运动目标区域,利用水平集方法对初始运动区域进行进一步分割,通过最小化定义的能量函数驱动代表运动目标的闭合曲线进行演化,曲线演化将在空间梯度较大的位置停止,从而得到运动目标的封闭边缘曲线。实验表明,该方法可有效地从图像序列中检测出完整的运动目标。     

基于宏块的Hs光流算法运动估计优化研究

光流场属于一种运动参数,它不仅能够为人们提供目标物体的运动信息,还能使人们对运动物体进行有效的识别与定位,从而使人们更加有效的对目标物体进行运动估计,这也使光流场在计算机视觉领域中有着非常重要的应用.Hs光流算法对于提高光流场质量有着决定性的影响,但其在对目标物体运动信息进行识别、跟踪与估计时,常常存在计算量过大、易受噪声影响等问题,这也使Hs光流算法难以满足人们的数据处理需求.为此,有必要对Hs光流算法进行相应的改进,以此提高光流场质量.本文通过对Hs光流算法在运动估计优化中存在的问题及其相关影响因素进行分析,提出了Hs光流算法的改进思路,在此基础上结合宏块运动估计算法对改进后的Hs光流算法运动估计优化进行深入的研究.     

一种改进的全局光流估计方法

基于光流基本约束和平滑性约束条件的Horn-Schunck光流场佑计算法是图像运动估计的重要方法。但是,该方法存在在梯度值较小处运动参数估计不准确的问题;同时,现有的改进方法由于步及到可调参数的人工选取,并在阈值设置过高时容易在运动目标区域产生空洞,限制了光流法的应用。对光流基本约束项的权函数加以改进,给出了两种改进的光流估计算法。实验结果表明,改进算法能够在权函数阂值设置过高时降低对可靠光流的抑制,提高了算法的自适应性,为运动目标检测跟踪提供了有力条件。     

基于运动与区域信息的移动机器人目标检测

介绍了一种在运动相机条件下的基于目标运动与区域灰度信息的运动目标检测算法。采用快速光流估计算法与基于颜色粗糙度的区域分割方法进行目标运动与区域信息的运算，利用待跟踪目标时间与空间信息进行目标定位，降低了目标运动与区域信息估算的复杂度。仿真结果表明，该算法在大多数复杂场景中能够获得良好的目标识别效果。     

基于光流的运动目标实时检测方法研究

运动目标实时检测是目标自动检测、识别与跟踪的关键技术之一。该文在分析光流模型约束条件的基础上,提出了一种鲁棒的多分辨率光流估计方法,并对光流应用于目标检测的一些实际问题进行了探讨。实验结果表明,该算法具有很强的鲁棒性和适应性。     

基于SIFT流红外弱小目标的检测和跟踪

相邻帧图像的流场表现了有关目标物体和背景的运动特性。该文通过使用稠密SIFT局部特征描述子描述相邻帧图像像素,并以流的角度来处理,获得包含目标和背景的混合流场。由于红外弱小目标与其邻域背景具有明显的运动特性差异,而这必然会表现在求得的小目标和背景的混合流场中。根据该流场的平台-阶梯特性采用特定算法分割得到弱小目标的具体位置。实验表明,SIFT流方法克服了经典的使用光流实现弱小目标检测和跟踪的缺点,鲁棒性强,不失为一种新的处理红外弱小目标的思路。     

一种结合光流法与三帧差分法的运动目标检测算法

运动目标的检测是计算机视觉研究的重要内容之一,光流法是其中的一种重要方法.由于计算光流的算法复杂,限制了它的使用.本文提出一种结合光流法与三帧差分法的运动目标检测算法,该算法简化了光流的计算,选择图像中具有代表性的Harris角点,只对这些像素点计算光流信息,有效地减少了复杂度,由于检测得到的运动目标区域不够完整,引入了三帧差分法作为简化光流法的补充.经过实验,该方法使光流法达到了实时性要求,取得了好的效果,优于单独运用两种方法中的任何一种取得的效果.     

基于鲁棒背景运动补偿的运动目标检测算法*

提出一种用仿射参数模型来近似场景中摄像机的复杂运动,采用参数化的多分辨率估计方法鲁棒地估计出仿射参数;然后在当前帧与运动补偿后的帧之间求光流场,得到目标轮廓的初始分割;最后通过聚类和搜索填充算法分割出完整的目标.试验结果表明,该运动补偿算法能有效消除摄像机运动引起的背景运动,在摄像机运动情况下得到完整的目标.     

Regularized CDWT optical flow applied to moving-target detection in IR imagery

A modified version of the CDWT optical flow algorithm developed by Magarey and Kingsbury is applied to the problem of moving-target detection in noisy infrared image sequences, in the case where the sensor is also moving. Frame differencing is used to detect pixel-size targets moving in strongly cluttered backgrounds. To compensate for sensor motion, prior to differencing, the background is registered spatially using the estimated motion field between the frames. Results of applying the method to three image sequences show that the target SNR is higher when the estimated motion field for the whole scene is explicitly regularized. A comparison with another optical flow algorithm is also presented.     

Motion estimation and segmentation

In the general structure-from-motion (SFM) problem involving several moving objects in a scene, the essential first step is to segment moving objects independently. We attempt to deal with the problem of optical flow estimation and motion segmentation over a pair of images. We apply a mean field technique to determine optical flow and motion boundaries and present a deterministic algorithm. Since motion discontinuities represented by line process are embedded in the estimation of the optical flow, our algorithm provides accurate estimates of optical flow especially along motion boundaries and handles occlusion and multiple motions. We show that the proposed algorithm outperforms other well-known algorithms in terms of estimation accuracy and timing.     

基于光流的红外目标被动测距技术

提出了一种应用在飞行器上的地面红外目标被动测距技术,该技术通过分析传感器的运动状态和目标在成像面上的光流来获得目标的距离信息。传统的被动测距算法直接用阈值分割提取运动目标,对于较大的红外目标,该方法误差较大。提出用光流参数聚类的方法获得运动目标。首先将中值滤波后的图像进行自适应阈值分割,得出含有目标的最小外接矩形,计算该矩形区域的光流场,从光流场聚类获得完整的目标区域。在已知目标象索在成像面上的位置和飞行器的运动状态的情况下,可以通过光流约束推导出每个象素的距离。最终的距离估计值是目标区域中所有象索距离的均值。该距离可以用来增强制导和改善弹道轨迹。实验结果表明,该方法适用于红外图像,且比传统方法获得的距离估计更准确。     

基于全局运动补偿的多运动目标检测方法研究

提出了一种动态背景下的对多个运动目标检测的完整方法.利用基于宏块匹配的六参数全局运动估计方法进行全局运动补偿,有效地消除了摄像机在非稳定运动情况下对目标检测性能带来的不利影响.同时在宏块匹配前进行了预处理,通过预判提取纹理信息丰富的宏块,并在宏块匹配的过程中采用九点十字搜索算法取代传统的三步搜索算法,减少了匹配数据量....     

一种新型的实效运动目标检测方法

提出一种新型的帧间差分光流的运动目标检测方法.该方法通过改进七帧差分和改进背景减除消除运动目标检测时出现的"空洞"和虚假目标;通过在光流计算方程加入权函数和引入通用动态图像模型建立新的光流约束条件,以解决常用光流场计算耗时长和亮度变化引起的约束方程不成立的问题,同时获取运动准确信息;最后通过阈值分割和形态学处理完成对目标的分割.实验对比分析表明,该方法能实现运动目标的准确快速检测与分割.     

一种运动目标多特征点的鲁棒跟踪方法研究

提出了一种基于特征光流分割和卡尔曼滤波估计的鲁棒性的运动目标跟踪方法。该方法具有很多特点：首先在特征光流的计算中采用由粗到细的层级匹配算法，因而能够计算大的运动速度和具有更好的匹配精度；其次采用了有效的遮挡判决算法，该算法综合利用了先验的信息，对噪声的干扰不敏感；最后建立了线性卡尔曼滤波模型，当特征点被遮挡或丢失时，能够预测它们的位置，这使得跟踪更具有主动性。实验表明，该方法具有高精度、快速跟踪和很好的鲁棒性。     

基于改进差分和光流的新型运动目标检测方法

针对运动目标检测中的空洞和虚假目标的问题, 提出一种改进差分和改进光流的运动目标检测方法. 该方法首先对连续的七帧图像依次进行预处理、差分、灰度变换和二值化处理, 并将前、后三帧二值图像分别累加得到的二值图像进行逻辑与运算, 得到中间帧中运动目标的粗略区域; 其次将中间帧与背景帧差分, 并对得到的图像进行边缘提取和二值化处理, 然后对其进行像素的算术运算, 得到中间帧中运动目标的精确区域; 在基础上通过改进的光流法得到运动目标的准确信息; 最后通过阈值分割和形态学处理完成对目标的分割. 对比实验表明, 该方法能实现运动目标的准确快速检测与分割.