-
题名非刚性稠密匹配大位移运动光流估计
被引量：10
- 1
-
-
作者
张聪炫
陈震
熊帆
黎明
葛利跃
陈昊
-
机构
南昌航空大学无损检测技术教育部重点实验室
南昌航空大学江西省图像处理与模式识别重点实验室
中国科学院自动化研究所
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2019年第6期1316-1323,共8页
-
基金
国家自然科学基金(No.61866026,No.61772255,No.61866025)
江西省优势科技创新团队计划(No.20152BCB24004,No.20165BCB19007)
+1 种基金
江西省青年科学基金(No.20171BAB212012)
江西省研究生创新专项资金项目资助(No.YC2017-S339)
-
文摘
光流场是目标检测,无人机定位等众多计算机视觉任务的重要基础.本文针对非刚性大位移运动等困难运动类型图像序列光流计算的准确性与鲁棒性问题,提出一种基于非刚性稠密匹配的TV-L1(Total Variational with L1 norm,TV-L1)大位移光流计算方法.首先,使用非刚性稠密块匹配计算图像序列初始最近邻域场,其次根据图像相邻块区域的相似性消除初始最近邻域场中的非一致性区域以得到准确的图像最近邻域场.然后,在图像金字塔分层计算框架下,将图像最近邻域场引入基于非局部约束的TV-L1光流估计模型,通过Quadratic Pseudo-Boolean Optimization (QPBO)融合算法在金字塔分层图像光流计算时对TV-L1模型光流估计进行大位移运动补偿.最后,采用标准测试图像序列对本文方法和当前代表性的变分方法LDOF(Large Displacement Optical Flow,LDOF)、Classic+NL、NNF(Nearest Neighbor Fields,NNF)以及深度学习方法FlowNet2.0进行对比分析.实验结果表明,本文方法能有效提高非刚性运动、大位移运动以及运动遮挡等困难运动类型光流估计的精度与鲁棒性.
-
关键词
光流场
目标检测
无人机
计算机视觉
非刚性块匹配
大位移运动
最近邻域场
深度学习
-
Keywords
optical flow field
target detection
unmanned aerial vehicle
computer vision
non-rigid patch matching
large displacement motion
nearest-neighbor filed
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
