视频图像光流场估计技术及应用PDF电子书下载

第1章 绪论 1

1.1 光流 1

1.1.1 图像的产生 1

1.1.2 光流的概念 2

1.1.3 光流场和运动场之间的关系 6

1.1.4 光流的适用领域及现状 7

1.2 当前主流光流计算方法 8

1.2.1 基于梯度的方法 9

1.2.2 基于频域的方法 9

1.2.3 基于神经动力学的方法 10

1.2.4 基于相关的方法 11

1.2.5 OpenCV中几种经典的光流计算方法 12

1.3 光流估计中的难题 15

1.3.1 光流计算的孔径问题 15

1.3.2 相关类计算的不稳定性 17

1.3.3 微分类计算的应用限制 19

1.4 本书写作主线 20

1.5 本书主要内容 20

第2章 光流鲁棒性 21

2.1 什么是光流鲁棒性 21

2.2 影响光流鲁棒性的因素 21

2.2.1 光源因素 21

2.2.2 刚性因素 22

2.2.3 纹理因素 22

2.3 提高光流鲁棒性的方法 22

2.3.1 提高算法自身鲁棒性 22

2.3.2 对光流的可用性进行标识 22

2.4 投票法对鲁棒性的影响 22

第3章 基于相关计算的互补投票光流估计法 24

3.1 互补投票的概念 24

3.2 预处理 25

3.2.1 相关度分布的计算 26

3.2.2 峰值的抽取 27

3.3 互补投票法 28

3.3.1 候选向量 28

3.3.2 抑制区域 29

3.3.3 基本的投票算法 30

3.3.4 最优投票资格的获取 31

3.3.5 信赖测度 32

3.4 实验 32

3.4.1 互补投票的细节 33

3.4.2 实际图像的光流估计 34

3.5 讨论 39

3.5.1 基于位序的候选向量的提取方法 39

3.5.2 基于位序的抑制区域的构造方法 40

3.6 小结 41

第4章 互补投票法的特性 43

4.1 设置CMV参数 43

4.1.1 关于子参考区域的大小 43

4.1.2 关于NB和SQ参数的讨论 44

4.2 系统的鲁棒性分析 45

4.2.1 关于光照不均 46

4.2.2 关于模糊和遮盖 46

4.3 运动相关的信赖测度 48

4.4 小结 49

第5章 互补投票法计算复杂度的削减策略 51

5.1 复杂度调查 51

5.2 PV-Based负投票 51

5.3 削减算法的性能分析 53

5.3.1 关于计算精度 53

5.3.2 关于信赖测度 55

5.3.3 关于计算复杂度 55

5.4 PV-Based复杂度削减策略总结 57

5.5 扩展讨论——基于位平面的计算量削减方案 59

5.5.1 相关计算的对象 59

5.5.2 最优投票值查找策略 60

第6章 互补投票法的优势对比实验 62

6.1 关于信号强度 62

6.2 关于噪声裕量 64

6.3 关于推定精度 66

6.4 小结 68

第7章 光流应用技术场景及示例 71

7.1 面向ROV视觉悬停的水下背景运动估计 71

7.1.1 典型的系统模型 72

7.1.2 信赖光流选择器 73

7.1.3 算法的并行化 77

7.1.4 小结 79

7.2 电子稳像系统应用 79

7.3 基于光流的无人机定位 80

7.4 基于光流的无人机航速估计 81

7.5 视频流压缩的应用 82

7.6 运动侦测上的应用 84

7.7 光流法用于目标跟踪 86

7.8 3D形状重构 86

7.9 运动背景提取 87

7.10 医学图像配准 88

参考文献 89