一种优化梯度计算的改进HS光流算法_图文

1、 第 8期 桂本烨等 : 一种优化梯度计算的改进 HS光流算法 6 1057 精确光流场与各种方法光流对该图像序列计算的光 6 流结果进行比较 。合成图像序列是通过图形学 里面的光线跟踪 、 几何投影等方法得到的 ,而场景中 的运动是自己设定的 , 所以只要把物体表面的运动 投影到视平面就可以得到精确的光流场 。表 2 列出 几种光流方法对合成图像序列计算得到的光流场与 T 真实光流场的平均速度误差 2 = arccos ( v vc , 2 不仅考虑了速度模的误差而且考虑了速度方向 的误差 。其中 , v 为计算得到的速度矢量的 3 维 表示 、 vc 为对应点在标准光流场中的速度矢量的 3

2、 维表示 , 该误差公式得到的结果单位是度 。实验中 用 HS、 改进的 HS、 LK算法对有代表性的 3 种运动 : 缩放 、 旋转 、 平移 ,分别进行计算 ,各种方法得到的结 果对应于表 2 和图 5。其中 , HS、 LK 算法用的 是 OpenCV 库中的经过优化的标准函数 。 表 2 合成图像序列的各种光流方法计算分析 Tab. 2 The com par ison of three optica l flow m ethods usin g syn thetic i m age sequences 视频名称 光流方法 HS Magnify_box 灰度方差 1. 179 2 0.

3、 777 3 速度模方差 0. 248 9 0. 167 0 0. 238 2 速度角度方差 (弧度 0. 320 3 0. 141 6 0. 168 5 0. 155 5 0. 067 8 0. 316 6 0. 415 9 0. 105 5 0. 350 3 2 20. 398 2 ° 13. 962 6 ° 16. 271 5 ° 20. 044 8 ° 15. 154 2 ° 21. 803 3 ° 21. 763 1 ° 14. 788 3 ° 20. 358 8 ° 相对速度模方差 (弧度 0

4、. 134 9 0. 082 3 0. 130 2 0. 136 6 0. 099 2 0. 241 2 0. 145 0 0. 087 6 0. 168 9 改进 HS LK HS 0. 603 9 0. 356 4 0. 115 9 0. 048 3 0. 167 8 Rotate 改进 HS LK HS 1. 788 1 1. 074 1 0. 302 6 0. 109 6 0. 460 3 Move 改进 HS LK 图 5 合成运动图像序列改进算法和原 HS、 LK算法光流场比较 Fig . 5 The op tical flow fields for synthetic im ag

5、e sequences using three op tical flow methods 1058 中国图象图形学报 第 10 卷 M agnify _ box 后 一 帧 较 前 一 帧 放 大 1. 02 倍 ; Rotate中两帧图像序列相对旋转了 1. 31 ° ; Move中 x 和 y 方向分别移动 1. 125 和 1. 150 像素 。从对合成 图像序列的分析数据可以看出 , 新的算法较 HS 有 较大提高 ,也好于 LK 算法 。而且新算法的鲁棒性 较好 。实验发现当前后两帧图像中物体有位移变大 时 LK准确性下降最快 ,新算法稍好于原 HS方法 。 参考文献 (

6、 References 1 Beauchem in S S, Barron J L. The computation of op tical flow J . ACM Computing Surveys( CSUR , 1995, 27 ( 3 : 433 466. 2 Horn B K P, Schunck B G . Deter m ining op tical flow J . A rtificial Intelligence, 1981, 17 ( 1 2 3 : 185 204. 3 Yang Yang, Zhang Tian2 wen. Moving target tracking

7、 based on feature2 op tical2flow J . Journal of A stronautics, 2000, 21 ( 2 : 8 15. 杨杨 , 张田文 . 一种基于特征光流的运动目 标跟踪 方法 J . 宇航学报 , 2000, 21 ( 2 : 8 15. 4 Barron J, Klette R. Quantitative color op tical flow A . In: Proceedings of the International Conference on Pattern Recognition C , Vancouver, Canada,

8、2002, 4: 251 255. 5 Zhang Yujin. I m age Engineering (Vol . 2 I m age Understanding and Computer V ision M . Beijing: Tshinghua University Press, 2000. 章毓晋 . 图像工程 (下册 图像理解与计算机视觉 M . 北 5 结 论 灰度梯度的准确性是所有光流方法准确性的基 础 ,针对 HS方法中不准确的灰度梯度提出了一种 新的能够循环求精的梯度算法 。该算法同样可以用 于 LK和其他基于差分的光流方法 , 如将该算法和 多分辨率光流算法结合起来则在提高算法鲁棒性的 同时还可提高计算准确度 。 京 : 清华大学出版社 , 2000. 6 Barron J L , Fleet D J, Beauch