本書較為全面地介紹了圖像序列運動分析中光流與場景流計算的有關原理和技術方法,并探討了相關應用。主要內容包括變分光流計算技術、彩色光流計算技術、基于卷積神經網(wǎng)絡的光流計算技術、光流計算技術應用,并在此基礎上進一步探討了變分場景流計算基本原理與技術,以及場景流計算技術應用等。本書緊跟上述內容的國內外發(fā)展現(xiàn)狀和成果,對二維與三維稠密運動分析進行了深入探討與研究。
更多科學出版社服務,請掃碼獲取。
目錄
第1章 緒論 1
1.1 引言 1
1.2 光流計算及其研究現(xiàn)狀 1
1.2.1 光流的基本概念 1
1.2.2 光流與真實運動 2
1.2.3 光流基本方程 2
1.2.4 光流計算中存在的問題 3
1.2.5 光流計算技術國內外研究現(xiàn)狀 4
1.3 從光流到場景流 8
1.3.1 場景流的基本概念 8
1.3.2 場景流計算技術國內外研究現(xiàn)狀 8
本章小結 10
第2章 變分光流基本約束與誤差評估 11
2.1 引言 11
2.2 光流計算數(shù)據(jù)項 11
2.2.1 亮度恒常約束 11
2.2.2 高階恒常約束 12
2.2.3 局部恒常約束 13
2.3 光流計算平滑項 14
2.3.1 全局平滑約束 14
2.3.2 有向平滑約束 16
2.4 光流計算誤差分析 17
本章小結 18
第3章 彩色圖像序列光流計算方法 19
3.1 引言 19
3.2 彩色圖像序列光流計算基本原理 19
3.2.1 Lambertian 表面 19
3.2.2 顏色模型 20
3.2.3 灰度一致性約束 21
3.2.4 色彩一致性約束 22
3.3 基于色彩梯度恒常的光流計算方法 24
3.3.1 色彩梯度 24
3.3.2 算法實現(xiàn) 25
3.3.3 實驗與誤差分析 26
3.4 基于可靠性判定的彩色圖像序列光流計算方法 29
3.4.1 彩色光流估計可靠性判定 30
3.4.2 算法實現(xiàn) 31
3.4.3 實驗與誤差分析 32
3.5 局部與全局相結合的彩色圖像序列光流計算方法 34
3.5.1 彩色Lucas-Kanade 光流算法 34
3.5.2 彩色Horn-Schunck 光流算法 34
3.5.3 算法實現(xiàn) 35
3.5.4 實驗與誤差分析 37
本章小結 40
第4章 變分多約束稠密光流計算方法 41
4.1 引言 41
4.2 變分偏微分光流基本形式 41
4.3 能量函數(shù)的設計 42
4.3.1 復合數(shù)據(jù)項的構建 42
4.3.2 平滑項的設計 43
4.4 魯棒懲罰函數(shù) 44
4.4.1 變分有界函數(shù)空間與全變分范數(shù) 44
4.4.2 基于魯棒函數(shù)的光流能量函數(shù) 45
4.5 能量泛函極小化及其數(shù)值計算47
4.5.1 能量泛函極小化 47
4.5.2 數(shù)值計算 48
4.6 基于圖像金字塔的多分辨率光流計算 50
4.6.1 圖像金字塔及其構建 51
4.6.2 多分辨率光流計算框架 51
4.7 實驗與誤差分析 53
4.7.1 合成圖像序列實驗 53
4.7.2 真實圖像序列實驗 55
本章小結 57
第5章 基于卷積神經網(wǎng)絡的有監(jiān)督光流學習方法 58
5.1 引言 58
5.2 有監(jiān)督光流學習網(wǎng)絡基本原理58
5.3 有監(jiān)督光流學習網(wǎng)絡設計 59
5.3.1 網(wǎng)絡架構 59
5.3.2 多假設約束學習 62
5.4 實驗與誤差分析 64
5.4.1 訓練與評估數(shù)據(jù)集 64
5.4.2 訓練策略 65
5.4.3 實驗結果與分析 66
5.4.4 消融分析 69
5.4.5 光流計算時間分析 70
本章小結 71
第6章 基于光流的立體視差計算 72
6.1 引言 72
6.2 極線幾何與極線校正 72
6.3 立體視覺匹配中視差與深度的關系 73
6.4 融合光流與分割的立體視差計算 74
6.4.1 算法框架 74
6.4.2 基于彩色分割的一致性區(qū)域提取 75
6.4.3 視差平面提取 77
6.4.4 置信傳播 77
6.4.5 實驗分析 78
6.5 基于光流的2D 到3D 視頻轉換 80
6.5.1 面向壓縮視頻的光流計算 80
6.5.2 基于光流與分割的2D 到3D 視頻轉換 84
本章小結 90
第7章 基于立體視覺的變分場景流計算方法 91
7.1 引言 91
7.2 雙目立體視覺系統(tǒng) 91
7.3 自適應各向異性全變分流驅動場景流計算框架 94
7.3.1 亮度和梯度恒常約束相結合的數(shù)據(jù)項設計 94
7.3.2 自適應各向異性全變分流驅動平滑項設計 96
7.4 基于立體視覺的變分場景流求解 99
7.4.1 場景流能量泛函的變分極小化 99
7.4.2 場景流多分辨率求解策略 101
7.5 實驗與誤差分析 103
7.5.1 誤差指標 103
7.5.2 Middlebury 數(shù)據(jù)集測試 104
7.5.3 hemi-spheres 數(shù)據(jù)集測試 110
7.5.4 真實場景數(shù)據(jù)集測試 112
本章小結 114
第8章 基于RGB-D 圖像序列的變分場景流計算方法·· 116
8.1 引言 116
8.2 深度圖驅動各向異性全變分場景流計算框架 116
8.2.1 基于三維局部剛性假設的數(shù)據(jù)項設計 116
8.2.2 深度圖驅動各向異性平滑項設計 119
8.3 場景流能量泛函求解 119
8.3.1 基于輔助變量的場景流求解 119
8.3.2 場景流多分辨率求解策略 124
8.4 實驗與誤差分析 124
8.4.1 基于Middlebury 立體數(shù)據(jù)集的場景流評估 125
8.4.2 場景流計算的參數(shù)優(yōu)化 129
8.4.3 真實數(shù)據(jù)場景流計算評估 132
本章小結 138
第9章 基于場景流聚類的運動目標檢測 139
9.1 引言 139
9.2 ISODATA 聚類分析 139
9.3 基于場景流聚類的3D 目標檢測 142
9.4 實驗分析 143
本章小結 147
參考文獻 148