基于运动边界模型的光流估计方法研究

《基于运动边界模型的光流估计方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风与优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别中以标和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果：也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：莶丢穆日期型坠圭：生关于I论文使用授叔的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究

2、生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密论文在解密后遵守此规定)本学位论文属于保密，在年解密后适用本授权书。本人姥至逍导师签名：乏幽导师签名：4必垒竺笆日摘要摘要光流估计问题是计算机视觉领域的基本问题之一，从提出后一直都受到很大关注。由于运动边界不满足光流的平滑假设，对光流估计的精确度有很大影响。随着对光流估计中运动边界问题的深入研究，学者

3、们都提出了许多提升光流估计精度的算法。本文针对运动边界问题进行分析建模，分别从对运动边界的稀疏建模与增强稀疏性角度，以及通过分割对运动边界进行显式建模的角度，对算法进行分析并实现。在运动场景中存在不同物体的运动，使得光流的全局平滑假设不能成立，而在同一个物体上，各点的运动可以用同一个运动模型来表示，运动参数具有一致性。这种一致性导致了光流梯度在同一运动区域上大多是近似为零的值，而在不同物体之间的运动边界上是较大的非零值，这也导致了在光流场中运动边界的稀疏性。根据压缩感知理论，信号的稀疏程度影响着信号的重构精度。为了提高光流稀疏信号的重构精度，我们从光流梯度信号的统计分布和最大

4、似然估计角度，提出了增强光流梯度信号稀疏性的模型，并将之简化为迭代优化加权粤2的问题。为了增强对运动边界估计的清晰度和对灰度守恒假设的鲁棒性，我们进一步采用鲁棒函数对加权粤。模型进行约束，得到加权的TV-孽，模型。实验证明通过光流的先验统计分布得到的加权策略，在最大似然估计及鲁棒估计中，都可以提高光流估计的精度。从另一个角度考虑对运动边界显式的建模。通过对光流建立马尔可夫随机场进行图像分割，将光流场分割为不同的运动区域，在运动区域之间可以显式的对运动边界进行建模，同时在区域内可以满足光流的平滑假设。并且结合运动边界和光流可以检测出不满足灰度守恒假设的遮挡区域，在遮挡区域通过光

5、流平滑假设得到光流的估计。这种分层模型不仅提高对运动边界估计的准确性，从而提高整体的光流估计精度，更检测出遮挡区域，从而提高遮挡区域的光流估计精度。本文在对运动边界对光流估计影响进行分析的基础上，根据运动边界相对于光流场的稀疏性，提出了增强光流梯度稀疏性的先验概率模型及优化方法，并实现了基于图像分割的对运动边界显式建模的分层光流估计方法。在实验中证明了在光流估计问题中，对运动边界采用更精确的模型可以得到更精确的光流估计结果。关键词：光流稀疏信号运动边界统计分布图像分割ABSTRACTOpticalflowestimationisoneofthebasicproblemsinc

6、omputervisionandhasreceivedmuchattention．Themotionboundariesviolatethesmoothassumption，whichhaveagreatimpactontheaccuracyofopticalflowestimation．Withthestudyofmotionboundariesproblemsintheopticalflowestimation，scholarshaveproposedalotofal-gorithmstoimprovetheaccuracyofopticalflowestimation．

7、Thisthesisfocusesontheanalyzingandmodelingthemotionboundariesproblem，andprovidesalgorithmonsparsemodelingofmotionboundariesandenhancingitssparsity,andalgorithmimplementationonexplicitmodelingofmotionboundariesbasedonimagesegmentation．Theglobalsmoothassum