潘光远[1]2008年在《光流场算法及其在视频目标检测中的应用研究》文中指出目前,计算机视觉在工业生产和高科技应用中越来越显示其举足轻重的作用:遥感图像分析、文字识别、医学图像处理、多媒体技术、智能交通系统、国防、图像数据库、工业检测、安防监控系统等方面。视频目标检测技术是计算机视觉知识体系中的重要组成部分。视频检测的目的是使用基于信号检测的方法自动分离出运动像素点和静止像素点。机器视觉检测可大大提高生产效率、更灵活的控制产品质量、更方便采集产品数据以进行流程管理等。产品的分类和选择也集成于检测功能中。智能识别和监控系统的研究应用中,运动检测是后续目标识别与跟踪的基础。有理由认为,现代化的进程中,视觉检测是不可缺少的环节。光流场是计算机视觉中的一个重要概念。光流法在视频目标检测和目标跟踪中应用广泛。光流场表征了运动目标的速度信息,是一种基于平面图像的二维(2D)瞬时速度场,二维速度是物体上可见点的叁维速度在成像平面上的投影。光流场信息对运动目标检测、图像配准和叁维重构技术有重大的意义。本文前半部分内容对视频目标检测和光流场计算技术进行系统的探讨,随后对光流场的研究方向、应用研究进行系统的归纳与说明,最后部分也是比较重要的部分,提出两种基于金字塔LK光流算法的视频目标检测融合算法,其很好的改善了运动检测的综合性能。第一章对课题研究要点进行总括性的概述,并阐明本文研究工作;第二章和第叁章在总结前人研究成果的基础上,详细介绍视频目标检测方法、光流场计算技术和分类情况,并总结了它们特点、比较各种方法的优缺点;第四章则综合分析当前光流场计算技术仍存在的问题与挑战,结合当前最新科研论文的研究重点,分类列出了光流场算法的研究方向及其应用研究;在第五章在前面理论研究的基础上,创新性的提出两种视频目标检测融合算法:一是基于金字塔LK光流技术、光流特征角点膨胀运动模板和分水岭分割的视频目标检测算法,二是基于光流法与时间差分法的运动目标检测算法,同时给出两个相应的应用案例与结果分析;最后在第六章中对全文进行总结,提出研究展望。
徐波[2]2005年在《基于块的彩色时变图像光流场计算研究》文中进行了进一步梳理本论文的研究内容系航空基础科学基金支持项目(No.03I53062)的一部分。 通过对时变图像(动态图像)的分析来确定叁维空间场景(物体)的运动和结构是当前计算机视觉中一个热门的问题。对时变图像的研究,涉及到的一个主要方面就是视觉运动分析,这也是计算机视觉的基本问题之一。它研究的是如何从场景的2D图像序列中提取有关物体的结构、位置和运动信息,进而估计出目标物体的3D结构、位置和运动信息。光流场携带了有关物体运动和叁维结构的丰富信息,因此对光流场的研究一直被视为是解决视觉运动分析的有效途径之一。 本文主要研究彩色时变图像的光流计算理论和方法,重点研究基于区域,也即基于块的方法,实现对光流场的运动估计,为今后针对如何从光流场(或位移场)中获取叁维空间物体运动的结构信息的研究打下理论基础。 本文首先介绍了光流场的意义和研究现状,其次介绍了运动分析的两种方法,即基于特征的方法和基于光流的方法。其中引入了光流的定义、光流基本方程的不定性以及一些现有的约束方法。并比较了现有的基于块匹配的各类算法的优缺点。然后详细介绍了色彩的一些基本知识,并基于此将灰度图像的一些计算理论用于彩色图像。有了这些知识准备之后,本文提出了一种混合式的块运动估计搜索算法,对彩色时变图像的光流场计算的新的途径进行了探索。其特点是充分利用了现有块匹配算法的成果,如中心偏置、中途截止以及运动向量预测等技术,综合它们的长处,并做了相应的改进,针对实际的时变彩色图像的情况来使用,以期达到较好的效率。最后结合算例,对实际的显示情况和计算误差进行了分析。
陈震, 高满屯, 沈允文[3]2001年在《机器人视觉中彩色时变图像光流场计算的综述》文中研究说明本文对机器人视觉中彩色时变图像的光流场计算方法做了全面概述 .彩色时变图像光流场计算的基础是基本等式 ,列举了目前几种基于彩色图像光流场计算方法 ,并提出目前彩色时变图像光流场计算中存在的几个问题 ,总结出今后彩色时变图像光流场计算的发展趋势 ,以期对彩色时变图像光流场的计算理论和方法提供较为具体的指导方案
俞鸿波[4]2002年在《彩色时变图像光流场的研究》文中认为本论文的研究内容系航空基础科学基金资助项目(No．99F53065)和南昌航空工业学院测试技术与控制工程研究中心开放基金(No．2001-15)的一部分。 视觉运动分析是计算机的基本问题之一。它是研究如何从场景的图像序列中提取有关物体的结构、位置和运动信息。光流场携带了有关物体运动和景物叁维结构的丰富信息。过去的方法主要是基于Horn的理论，从图像序列中找出灰度不变量。依据基本等式和附加约束，计算出一次光流场。而在彩色图像中，根据颜色的基本属性，把色彩值确定为新的不变量。由分色原理，可以把原来的光流基本等式变成一个有叁个方程和两个未知量的超定线性方程组。这个线性方程组的解就是我们要求的彩色图像的一次光流场。 本文主要研究基于彩色时变图像的光流计算理论和方法，重点研究光流场中的二次光流计算，为今后研究从光流场(或位移场)中获取叁维空间物体运动和结构信息的理论打下基础。 本文共分五章，第一章主要讲述研究光流场的意义和研究现状。第二章介绍了运动视觉分析的两种方法，基于特征的方法和基于光流的方法。其中引入了光流的定义，简述了光流计算的基本等式和一些约束条件，列出了计算光流的具体过程。第叁章详细介绍了色彩的一些基本知识，基于这些知识，可以把灰度图像的一些计算理论用于彩色图像。第四章解决了彩色时变图像中一次光流的计算及其误差分析等问题，分析了造成一次光流计算不准确的一些原因，基于此推导出了二次光流的基本计算公式。第五章介绍了几个算例。并且对算例中一次光流场和二次光流场的显示情况和相对误差做了分析。
陈震, 高满屯, 沈允文[5]2002年在《利用点线对应计算彩色时变图像光流场》文中提出时变图像光流场计算是当今计算机视觉研究的前沿方向 ,彩色时变图像光流场是光流场计算从灰度图像到彩色图像的推广。利用彩色图像提供的更丰富的光学信息 ,使光流场计算的不适定问题转换成适定问题。文中首先利用图像边缘检测与 Hough变换 ,提取图像的边缘点和边缘线。然后把提取出的边缘点和边缘线分别作为图像的特征点和特征线。最后利用彩色时变图像中的特征点线对应 ,把基于特征的方法和基于光流场的方法结合起来 ,计算彩色时变图像的光流场
陈震[6]2003年在《图像序列光流场计算及叁维场景恢复研究》文中进行了进一步梳理视觉运动分析是研究从场景的图像序列中提取场景中目标物体的结构、位置和运动信息的理论和方法。它主要涉及到计算机视觉、人工智能、图像处理等学科，广泛应用于工业、军事和医学等领域。视觉运动分析分为基于特征的方法和基于光流场的方法。 本论文主要研究图像光流场计算方法以及由光流场重建叁维运动和结构的计算理论与方法。 本文从物体光照模型的角度出发，依据物体色彩和饱和度的量在运动过程中不变的特性，把色彩和饱和度作为色彩特征不变量，提出了基于色彩和饱和度的彩色时变图像光流场计算方法，该方法不仅可以避免RGB颜色模型带来的线性相关问题，而且更符合生物视觉原理。本文选用HSV和HLS两种常用颜色模型计算彩色时变图像的光流场，实验结果表明该方法能得到相当精确的瞬时位置速度且适用于各种运动。 本文还综合视觉运动分析中的两类处理方法，提出了一种基于特征和基于光流场相结合的光流场算法，把图像中的角点作为特征点。首先在图像序列中检测和跟踪角点。然后记录角点在图像序列中的位置。最后通过理论分析认为角点的位移场近似作为图像序列的光流场。把角点的位移场近似作为图像序列的光流场，一方面可以大大减少后续重建叁维运动和结构任务的计算量，另一方面解决了两类处理方法中难以解决的跟踪和匹配问题。 在3D运动和结构重建方面，本文改进了基于光流场计算3D运动和结构的线性算法，通过光流运动模型的建立，推导出由角点光流场重建3D物体运动和结构的线性算法。并用改进的线性算法对合成图像序列和真实图像序列进行实验，给出了相应的实验结果。 由于计算问题与问题的描述紧密相关，需要建立计算模型。采用好的计算模型能使光流场与3D物体运动和结构之间存在一种较简单的非线性关系。因此本文利用参考文献[127-130]中提出的非线性动态系统，推导出该非线性动态系统的计算模型，结合计算得出的角点光流场，给定计算模型的初始值和初始状态，采用广义卡尔曼滤波递归地计算图像序列中3D物体的运动和结构。 一般来说，图像特征抽象层次的提高，将更有利于进行图像处理和分析，而且直线特征比点特征更容易检测。直线在大多数人造环境中是最基本的特征，直线可以很稳定地检测和跟踪。 本文在基于直线光流场重建3D运动和结构方面进行了大量的工作。 首先综合边缘直线分割的研究成果，给出了改进后的边缘直线分割方法，该方法以图像边缘的链码表示为基础，逐步删除对完成计算机视觉任务没有意义的链码，并用最小二乘法拟合成图像直线。改进后的方法能尽可能多地从图像中提取直线信息，既可以较准确地提取直线的端点信息，又能得到直线的准确表示。 其次本文提出了一种基于Hough变换的直线跟踪新方法，该方法利用Hough变换中的点线对偶性原理，将在图像空间中对直线的跟踪转化为在参数空间中对点的跟踪。还给出了该直线跟踪方法的合理几何解释。 最后本文提出了一种基于直线光流场重建3D运动和结构的新算法。图像直线运动时，直线坐标对时间的一阶导数（即速度或称为一次光流）和二阶导数（即加速度或称为二次光流），由图像中所有的特征直线的坐标、速度和加速度就形成了一个直线的光流场，本文给出了直线光流场的数学描述。通过建立求解空间物体运动参数的线性方程组，利用叁幅图像ZI条直线对应关系，可以求得物体的运动12个参数以及空间直线坐标。但是在实际应用当中，要找出这ZI条直线以及其对应关系是很困难的，因此本文提出的运用解非线性方程组的方法，只需要6条直线的光流，就可以分步求出物体的12个运动参数，并根据求得的12个运动参数和一致的图像坐标系中的直线坐标，求得空间直线的坐标，最终实现了3D场景的恢复。
陈震, 高满屯, 沈允文[7]2002年在《基于色彩和饱和度的彩色时变图像光流场计算》文中认为从物体光照模型的角度出发,依据物体的颜色在运动过程中保持不变,表示物体色彩和饱和度的量在运动过程中也不变,提出了基于色彩和饱和度信息的彩色时变图像光流场汁算方法.该方法不仅可以避免RGB颜色模型带来的线性相关问题.而且更符合生物视觉原理.本文用HSV和HLS两种颜色模型计算彩色时变图像的光流场,实验结果表明该算法能够得到较好的计算结果.
韦金汝[8]2010年在《彩色图像序列的光流场计算研究》文中研究指明运动视觉分析是计算机视觉的一个重要研究方向。运动视觉分析分为基于特征的方法和基于光流场的方法。因此光流计算是运动视觉分析中的关键技术之一,已经成为对图像序列中物体运动估计的主要技术。光流分析是研究图像灰度在时间上的变化与背景中物体的结构和运动的关系。有关物体运动和结构的各种重要信息都包含在光流当中,通过光流我们可以了解物体许多重要的运动和结构特性。本文在彩色图像序列下运用GDIM模型对光流进行估计,对光流的研究主要基于两点:灰度守恒假设的局限性和光流基本等式的不适定性。首先,通常的光流技术都是假设在图像运动时图像灰度保持不变,得到光流基本等式,再附加各种约束条件,计算出光流场。而基于灰度守恒假设的基本等式在不均匀亮度变化的条件下不适用,计算出的光流结果不可靠,针对于这一问题一种通用动态图像模型(GDIM)被提出。GDIM模型对光流基本等式进行了修正,把图像中的辐射度信息包含到光流的计算中,因此在亮度不均匀变化的情况下能够得到较好的结果。其次,根据灰度守恒假设得到的光流基本等式只有一个方程,如果不附加其他约束条件就无法唯一地确定光流。而在彩色图像中具有丰富的色彩信息,根据叁基色原理和光流的基本等式,可以得到一个有叁个方程和两个未知量的超定线性方程组。我们所要估计的彩色图像的光流场就是这个线性方程组的解。针对彩色图像序列光流场算法,选用rgb这种规范化的颜色模型,运用GDIM模型计算彩色图像序列的光流场。实验中在一些常用的运动图像序列上对该算法和传统算法进行比较,实验结果表明该方法得到的速度估计较为精确,计算简单且适用的运动类型也较多,特别是在亮度不均匀变化环境中能够得到较好的结果。该结论在提高光流计算的精度和可靠性,以及克服光流场计算中存在的问题具有一定的意义。
冯波[9]2006年在《基于光流计算的典型行为识别算法研究》文中研究指明人体运动的视觉分析是一个新兴的研究领域,涉及模式识别,图像处理,计算机视觉,人工智能等多门学科。其目的是要从视频图像序列中检测、跟踪、识别人体并对其行为进行理解与描述。这些研究成果可以广泛应用到智能监控,虚拟现实,感知接口等领域,具有很好的社会和经济效益。 人体运动视觉分析一般包含运动检测,运动目标分类,人体跟踪,行为理解与描述四个阶段。本文对其中高层的视觉模块处理技术,即人的行为理解和描述进行了较为深入的研究。主要工作如下: 1、对比了视频序列图像中各种特征,接着分析了当前光流计算的主要方法及其实验结果,最后给出了对比实验结果进行了分析。当相邻图像帧间的运动位移比较大时,分层光流算法可以得到更为精确的光流场。 2、提出了一套基于光流特征和序列比对的行为识别算法。该算法用量化光流场得到的方向直方图构造出一个公共模板库及其索引序列库,借助序列比对方式来实现行为识别。由于采用了公共模板库,可有效减少模板数量,使算法对图、像尺寸为320x240的序列平均处理速度达到10帧/秒。 3、开发了一套针对人体典型行为动作的识别系统。通过大量试验表明,该系统可在线进行动作人的典型行为识别,对目标尺度变化,小角度倾斜和旋转具有一定程度的鲁棒性。
熊健[10]2013年在《基于色彩梯度的彩色图像序列光流计算技术研究》文中提出计算机视觉的研究目的是使计算机代替人眼和大脑对外界环境进行感知、解释和理解，使计算机具有利用一幅或多幅图像认知周围环境信息的能力。而光流计算是计算机视觉和图像处理等领域研究的一个重点。它不仅包含了被观察物体的运动信息，还携带了丰富的3D结构信息。光流发展已经经历30多年，在这发展过程中提出了一些富有成效的算法，比较常见的分为以下五类：基于区域匹配的方法，基于能量的方法，基于相位的方法，基于变分的方法，基于小波的方法。然而这些方法大多数是基于图像灰度信息进行计算的。忽视了图像中包含的丰富彩色信息。本文首先对以前一些经典的灰度和彩色的光流算法进行回顾，然后介绍了变分理论及其相关的数学知识，根据变分光流算法的设计原则，用色彩梯度代替传统意义上的灰度，得到一种彩色图像序列的变分光流计算方法，数据项采用灰度守恒和梯度守恒相结合，同时加入Lucas局部优化思想，在处理光照变化、复杂运动等光流计算精度有了明显的提高。平滑项是改进了的Horn平滑，还引入随色彩梯度自适应的平滑因子，用来调节数据项和平滑项的权重，这样大大改善了彩色图像序列光流算法的性能。最后，本文通过对多组不同运动类型的彩色图像序列进行实验，用光流矢量图和光流彩色信息分布图表示光流，以及用本文算法得到的计算结果误差与其他方法对比，进行定量分析。证明了本文算法是有效的和准确的，同时在性能上要优于其他光流计算方法。
参考文献：
[1]. 光流场算法及其在视频目标检测中的应用研究[D]. 潘光远. 上海交通大学. 2008
[2]. 基于块的彩色时变图像光流场计算研究[D]. 徐波. 西北工业大学. 2005
[3]. 机器人视觉中彩色时变图像光流场计算的综述[J]. 陈震, 高满屯, 沈允文. 机器人. 2001
[4]. 彩色时变图像光流场的研究[D]. 俞鸿波. 西北工业大学. 2002
[5]. 利用点线对应计算彩色时变图像光流场[J]. 陈震, 高满屯, 沈允文. 西北工业大学学报. 2002
[6]. 图像序列光流场计算及叁维场景恢复研究[D]. 陈震. 西北工业大学. 2003
[7]. 基于色彩和饱和度的彩色时变图像光流场计算[J]. 陈震, 高满屯, 沈允文. 模式识别与人工智能. 2002
[8]. 彩色图像序列的光流场计算研究[D]. 韦金汝. 广西民族大学. 2010
[9]. 基于光流计算的典型行为识别算法研究[D]. 冯波. 西北工业大学. 2006
[10]. 基于色彩梯度的彩色图像序列光流计算技术研究[D]. 熊健. 南昌航空大学. 2013
标签：计算机软件及计算机应用论文; 计算机视觉论文; 灰度图像论文; 角点论文; 图像融合论文; 视觉检测论文; 人工智能论文; 运动论文; 光流论文; 算法论文;