The invention discloses an improved optical flow field model algorithm: the local mutual information method is used to solve the initial displacement field between the reference image and the floating image; the Gauss Pyramid image layer of the reference image and the floating image is constructed. In the top layer image of Pyramid, the floating image layer is corrected by the initial displacement field, and the energy function is minimized. The motion displacement field between the reference image layer and the floating image layer is solved. The moving displacement field of the upper layer is used as the initial displacement field of the next layer, and the next motion displacement field is calculated by the light flow equation. The motion displacement field is obtained as the final motion displacement field until the original image layer is used, and the floating map is based on the final motion displacement field. Image registration is obtained as well as correction. This invention can improve the accuracy of the estimation of the large displacement of the non rigid image, avoid the oversmoothing in the estimation of the optical flow, improve the accuracy of the optical flow estimation, and retain the edge features of the image, and apply to the motion estimation of the object, the target recognition, the video compression and so on.
【技术实现步骤摘要】
一种改进的光流场模型算法
本专利技术属于计算机视觉领域,更具体的说,是涉及一种改进的光流场模型算法。
技术介绍
光流指的是空间运动物体在观察成像平面上的像素运动的瞬时速度,是通过图像序列中像素在时间域上的变化以及相邻帧之间的相关性,来寻找上一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。光流不仅包含目标物体的大量运动信息,反映了图像的变化情况,还含有目标物体的三维结构等信息,被广泛地运用于运动估计、目标识别、视频检测、图像配准等领域。光流场模型算法主要分为4类:基于梯度的方法、基于特征匹配的方法、基于能量的方法、基于相位的方法。基于梯度的方法又称为微分法,它是利用时变图像灰度的梯度函数来计算像素的速度矢量,由于该方法计算简单,同时拥有较好的估计效果,因此被广泛采用。基于梯度方法的典型代表是Horn-Schunck光流方法,该方法在光流基本约束方程的基础上增加了全局平滑假设,进而计算出图像的光流场。值得注意的是:采用Horn-Schunck光流算法对图像进行配准时,能量函数必须满足亮度守恒和全局平滑一致性假设。然而,对于非刚性形变有时并不能够满足这两个假设条件。例如,当图像的光照变化不均匀时,采用亮度守恒估计的光流位移场的误差较大,不能很好的配准浮动图像;同时,当物体发生较大形变时,两幅图像之间的运动位移场可能会较大。此时,根据全局平滑一致性的假设,通过最小化能量函数,不能获得可靠的位移场,这会在很大程度上降低配准的准确度。另一方面,较强的全局平滑一致性假设也会导致光流的扩散在图像的边缘出现过平滑现象,不利于保持图像的边缘信息, ...
【技术保护点】
一种改进的光流场模型算法,其特征在于,包括以下步骤:步骤一,采用局部互信息法求解参考图像和浮动图像之间的初始位移场;步骤二,构建参考图像和浮动图像的高斯金字塔图像层,在金字塔的顶层图像,利用得到的初始位移场预先矫正浮动图像层,然后最小化光流模型的能量函数,求解参考图像层和浮动图像层之间的运动位移场,向下传递位移场值;步骤三,将上一层得到的运动位移场作为下一层的初始位移场,再利用步骤二中采用的光流方程计算下一层的运动位移场,滤波后向下传递;步骤四,重复步骤三,直到原始图像层,将该层获得的运动位移场作为最终的运动位移场;步骤五,根据最终得到的运动位移场,对浮动图像进行校正,得到配准图像。
【技术特征摘要】
1.一种改进的光流场模型算法,其特征在于,包括以下步骤:步骤一,采用局部互信息法求解参考图像和浮动图像之间的初始位移场;步骤二,构建参考图像和浮动图像的高斯金字塔图像层,在金字塔的顶层图像,利用得到的初始位移场预先矫正浮动图像层,然后最小化光流模型的能量函数,求解参考图像层和浮动图像层之间的运动位移场,向下传递位移场值;步骤三,将上一层得到的运动位移场作为下一层的初始位移场,再利用步骤二中采用的光流方程计算下一层的运动位移场,滤波后向下传递;步骤四,重复步骤三,直到原始图像层,将该层获得的运动位移场作为最终的运动位移场;步骤五,根据最终得到的运动位移场,对浮动图像进行校正,得到配准图像。2.根据权利要求1所述的改进的光流场模型算法,其特征在于,步骤一中采用局部互信息法求解参考图像和浮动图像之间的初始位移场的主要流程为:1)对参考图像和浮动图像进行分块;2)对参考图像中的图像块N1,通过最大化局部互信息值,在浮动图像中找到最优匹配块N2,将它们之间的位移作为图像块N2中心点的位移值;3)重复步骤2),直到得到浮动图像中所有图像块中心点的位移值;利用局部互信息法得到的光流位移场为稀疏光流场,通过数据插值方法,获得最终的初始位移场。3.根据权利要求2所述的改进的光流场模型算法,其特征在于,局部互信息定义为:其中,N1和N2分别代表参考图像I1和浮动图像I2的图像块;W0=(u0,v0)T是图像块N1和N2之间的位移场;u0代表水平位移,v0代表垂直位移;H(N1)和H(N2+W0)分别代表图像块N1和图像块N2+W0的独立熵;H(N1,N2+W0)代表图像块N1和图像块N2+W0之间的联合熵;代表图像块N1中像素值a的独立概率分布;代表图像块N2+W0中像素值b′的独立概率分布;代表图像块N1中像素值a和图像块N2+W0中像素值b′之间的联合概率分布;通过最大化局部互信息值得到稀疏光流场,具体公式如下所示:其中,W0*=(u0*,v0*)T代表图像块N1和N2之间的最优位移场。4.根据权利要求1所述的改进的光流场模型算法,其特征在于,步骤二中最小化能量函数的过程为:改进的正则项如下式所示:
【专利技术属性】
技术研发人员:何凯,闫佳星,魏颖,王阳,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。