面向运动分割的变分光流正则项研究

面向运动分割的变分光流正则项研究

论文摘要

光流技术是运动图像分析中的重要方法,而变分光流方法被认为是光流计算方法中最为精确的计算方法之一,该方法通过极小化满足一定约束条件的能量函数来求解光流值。能量函数的建立通常包含强调一致性假设的数据项和起到平滑性约束的正则项,合理的正则项设计能够提高光流的计算精度,使光流计算的结果更具应用的价值。本文围绕变分光流计算中的正则项设计问题,结合理论和实验,对正则项的设计与改进方法进行系统深入的研究,并对变分光流的数值计算及其在运动分割中的应用进行了有意义的探索,主要工作和创新点包括:●通过理论研究和实验分析的方式,对图像扩散与滤波的原理进行了深入的研究。然后,以扩散的不同形式对已有的变分光流正则项设计方法进行分类与分析,并总结了各自的优缺点;●在总结已有正则项设计方法的基础上,提出了一种融合图像和流场信息驱动的正则项设计方法。理论分析与对比实验表明这种正则项设计方法能有效克服现有方法的缺点,更准确地刻画出运动边缘,提高光流的计算精度;●在非线性约束下,利用提出的正则项设计方法构建了一个新的光流模型,并给出了模型的数值计算方法,对比实验结果说明了该方法在处理复杂运动场景时具备一定的优势。●针对光流信息的特点,改进了传统的主动轮廓模型使其能更有效地应用于运动分割,同时结合改进正则项模型所得到的边缘保留的光流信息,提出了一种运动分割的算法,对比实验表明了该算法的有效性。本文在提高光流计算精度、运动分割精度的需求牵引下,通过理论分析和实验研究,深入分析了变分光流中的正则项设计问题和相应的数值计算问题,在光流研究领域取得了一定的成果,在国内首次从流场扩散角度改进光流模型正则项,提高光流计算精度,并将其有效应用于运动分割中。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题的研究意义
  • 1.1.1 运动图像分析的意义
  • 1.1.2 光流的概念及其应用
  • 1.2 课题的研究现状
  • 1.2.1 光流技术的发展历史
  • 1.2.2 光流技术的方法分类
  • 1.2.3 光流技术的研究难点
  • 1.3 变分光流方法概述
  • 1.3.1 变分光流方法的基本思想
  • 1.3.2 变分光流的重点与正则项
  • 1.3.3 变分光流方法的独特优势
  • 1.4 本文的主要工作
  • 第二章 图像的扩散与滤波原理
  • 2.1 图像扩散与滤波
  • 2.2 几种非线性扩散滤波模型的研究
  • 2.2.1 P-M模型下的各向同性扩散
  • 2.2.2 结构张量下的各向异性扩散
  • 2.2.3 全变差度量下的非线性扩散
  • 2.3 图像非线性扩散滤波的数值方法
  • 2.3.1 导数算子的离散化方式
  • 2.3.2 模型离散化与数值计算
  • 2.4 实验及结果分析
  • 2.5 本章小结
  • 第三章 变分光流方法中正则项的改进
  • 3.1 正则项设计相关方法总结与分析
  • 3.1.1 基于扩散理论的正则项设计
  • 3.1.2 正则项设计相关方法的分析
  • 3.2 正则项的改进与光流模型的推广
  • 3.2.1 融合驱动的正则项设计方法
  • 3.2.2 改进正则项的变分光流模型
  • 3.3 线性约束下模型的数值实现
  • 3.3.1 线性约束模型数值计算
  • 3.3.2 实验与对比分析(一)
  • 3.4 非线性约束下模型的数值实现
  • 3.4.1 非线性问题的解决策略
  • 3.4.2 算法流程总结
  • 3.4.3 实验与对比分析(二)
  • 3.5 本章小结
  • 第四章 基于光流技术的变分运动分割
  • 4.1 基于变分水平集的主动轮廓模型
  • 4.1.1 水平集方法简介
  • 4.1.2 基于变分水平集的GAC模型
  • 4.2 考虑光流信息的主动轮廓模型改进
  • 4.2.1 矢量边缘的提取
  • 4.2.2 结合光流信息的变分运动分割
  • 4.3 运动分割及实验结果分析
  • 4.4 本章小结
  • 第五章 总结与展望
  • 5.1 对本文工作的总结
  • 5.2 对未来工作的展望
  • 致谢
  • 参考文献
  • 附录A 正则项5扩散过程的证明
  • 附录B 光流场的颜色化表示方法
  • 作者在学期间取得的学术成果
  • 相关论文文献

    • [1].光流改进算法及其在无人机中的应用[J]. 黑龙江工业学院学报(综合版) 2019(05)
    • [2].去除光流中冗余信息的动作预测方法[J]. 计算机科学与探索 2019(10)
    • [3].无GPS导航下基于光流的小型无人机导航算法[J]. 传感器与微系统 2018(09)
    • [4].基于光流拓扑稀疏加权的同步运动去混叠[J]. 光学精密工程 2019(05)
    • [5].面向运动分割优化的变分光流计算方法研究[J]. 中国图象图形学报 2011(11)
    • [6].Lasso约束下融和光流信息的DCF目标跟踪算法[J]. 信号处理 2019(05)
    • [7].光流控传感器及其应用[J]. 科技导报 2018(16)
    • [8].一种基于视频运动分析的智能码流方法[J]. 科学技术与工程 2013(33)
    • [9].结合对象分割的运动行人检测[J]. 计算机系统应用 2019(05)
    • [10].基于3D结构张量模型的稠密光流实现[J]. 电脑知识与技术 2014(06)
    • [11].一种面向遮挡的光流计算方法[J]. 科学技术与工程 2014(20)
    • [12].基于卫星图像数据的大范围风场重建[J]. 计算机工程 2013(12)
    • [13].基于光流预测的直线对应算法[J]. 信号处理 2010(05)
    • [14].形态梯度恒常的复值小波光流求解[J]. 哈尔滨工程大学学报 2008(08)
    • [15].静态环境中基于光流的障碍物检测[J]. 浙江大学学报(工学版) 2008(06)
    • [16].复杂环境下的快速逆行检测跟踪算法[J]. 计算机工程与应用 2015(13)
    • [17].体育领域视频运动目标的跟踪方法研究[J]. 电视技术 2018(09)
    • [18].头部运动识别方法仿真研究[J]. 电子技术与软件工程 2013(13)
    • [19].光流控制地形跟随与自动着陆[J]. 北京航空航天大学学报 2012(01)
    • [20].光流/惯导多传感器信息融合方法[J]. 北京航空航天大学学报 2012(05)
    • [21].分层分区域管理的实时图像跟踪算法[J]. 计算机辅助设计与图形学学报 2018(04)
    • [22].基于光流的运动目标检测跟踪快速算法[J]. 微计算机信息 2012(10)
    • [23].一种高效人体行为特征提取方法[J]. 现代计算机 2019(22)
    • [24].光流动态纹理在土地利用/覆盖变化检测研究中的应用[J]. 光谱学与光谱分析 2014(11)
    • [25].低视角红外图像行人监控的光流分析[J]. 微型电脑应用 2008(07)
    • [26].三维测量光流恢复算法结合BIM对震后建筑倾斜度测量的研究[J]. 地震工程学报 2019(04)
    • [27].光照变化条件下的光流估计[J]. 中国图象图形学报 2014(10)
    • [28].基于全自动生长分割的梯度彩色光流场计算[J]. 计算机科学 2011(05)
    • [29].图像光流联合驱动的变分光流计算新方法[J]. 中国图象图形学报 2011(12)
    • [30].光流定位自主无人机的研究与应用[J]. 电子测试 2020(19)

    标签:;  ;  ;  ;  ;  ;  ;  

    面向运动分割的变分光流正则项研究
    下载Doc文档

    猜你喜欢