基于自适应各向异性全变分流驱动的场景流估计

摘要

我们所处的世界是复杂多变的，而在人类认识世界的过程中，绝大部分信息来之于视觉。随着计算机技术和传感器的快速发展，机器视觉成为人类实现自动采集数据的重要组成部分。而在视觉领域，运动的物体相比于静止的物体，包含了更多的信息，运动流场成为了从底层信息到高层图像分析的桥梁。2维光流描述的是运动物体表面亮度模式的变化，场景流描述的是3维动态场景，可以看作是光流在3维空间中的扩展。
　　流场估计是一个病态问题，其求解需要在变分框架中附加多种假设使得求解正则化。由于变分模型能将流场的估计问题转化成极值求解问题，在流场估计中表现出了巨大的优势，本文从双目立体图像序列中获取信息，构建场景流估计的变分模型。数据项结合图像序列时间和空间的关系，采用亮度和梯度相结合的恒常假设，增强算法的鲁棒性，在数据项的每个分量上，采用遮挡因子加权的方式处理遮挡问题。平滑项是变分法求解流场的重要组成部分，通过施加对求解变量的惩罚，实现对模型的约束求解。本论文提出了一种自适应各向异性流场驱动的场景流估计方法，在各向同性流场驱动的平滑项中，流场的每个方向分量上，扩散系数相同，且为依赖于流场模值的标量函数，对流场平滑缺乏方向性，本文在此基础上提出了各向异性场景流平滑，提高了运动边缘处的估计精度与可靠性。由于全变分模型对流场进行平滑处理后会出现“阶梯现象”，本文通过对其进行自适应加权，提出了自适应各向异性流驱动的模型。对于场景流模型求解中存在的大位移问题，本文改进了由粗及精的多分辨率求解方案，将粗分辨率层求出的值传递到细分辨率层，先利用变形手段对前一帧图像进行变化，再计算变形图像和后一帧图像的残差，从而克服大位移问题。在图像金字塔的每一层，场景流通过超松弛迭代（SOR）求解。
　　最后本文用Middlebury网站上的Cones，Venus和Teddy数据集、hemi-spheres数据集和实验室采集到的真实场景图像序列验证算法的有效性。

目录

声明

第1章 绪论

1.1 研究目的与意义

1.2 变分场景流估计研究现状

1.3 论文规划与安排

第2章 变分光流理论和双目摄像机模型

2.1 热传导定律及扩散方程

2.2 变分法和梯度下降流

2.3 图像处理中的扩散模型

2.4 变分光流求解

2.5 双目立体视觉系统投影模型

2.6 本章小结

第3章 自适应各向异性全变分流驱动场景流估计

3.1 亮度和梯度守恒假设相结合的数据项

3.2 自适应各向异性全变分流驱动平滑项

3.3 变分场景流求解方案

3.4 本章小结

第4章 实验验证与分析

4.1误差指标

4.2 Middlebury数据集测试结果

4.3 Hemi-spheres数据集测试结果

4.4 真实场景数据集测试结果

4.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢