论文部分内容阅读
动态序列图像分析是计算机视觉研究领域中十分热门的问题,它的基本任务是从图像序列确定物体三维运动参数及结构参数。基本分析方法有两种:基于特征的方法和基于光流的方法。由于经典光流法对噪声敏感,算法费时,不利于对目标进行实时跟踪。因此本文结合两种方法,采用稀疏光流法进行计算。首先,本文采用微软公司提供的 VFW (Video For Windows) 软件包开发纯软件的视频采集程序,提高了程序的通用性;其次,对采集的图像进行图像平滑、阈值分割和边缘跟踪等一系列预处理,以去处图像噪声,分离目标物体和背景,并提取出目标物体的边缘点,为稀疏光流场的计算做好准备;再次,采用面积约束和夹角约束相配合的方法快速准确地提取特征点,并利用具有强大并行处理能力的Hopfield神经网络来完成序列图像间特征点的松弛匹配,在此基础上利用视差计算特征点处的稀疏光流;最后,利用稀疏光流进行三维物体运动参数和结构参数的估计。采用散焦法估计物体深度,并进行深度修正以满足测量精度要求,从而解决了单目视觉估计深度的难题;在获取物体深度信息的条件下,采用一种从光流场恢复物体三维运动参数的强壮算法,只需要5个特征点就可以唯一确定物体三维运动参数。