积分商城

最新搜索： PL2303 altium Designer 20 电路设计与仿真从入门到精通 auto cad 常用LOGO标识 microBUCK TMC5160
您现在的位置是：首页 > 技术资料 > 基于光流与Delaunay三角网格的图像序列运动遮挡检测
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于光流与Delaunay三角网格的图像序列运动遮挡检测

更新时间：2019-12-24 18:53:57 大小：2M 上传用户：守着阳光1985查看TA发布的资源 标签：图像序列运动遮挡检测 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对图像序列运动遮挡检测的准确性与鲁棒性问题,提出一种基于光流与Delaunay三角网格的图像序列运动遮挡检测方法.首先构造基于非局部约束的TV-L1光流估计模型;然后根据图像Delaunay三角网格划分与光流估计结果对图像序列帧间对应像素点和局部三角形进行运动遮挡判断并检测遮挡区域;最后采用MPI Sintel和Middlebury数据库提供的测试图像集对本文方法与SMOD、GOSF等代表性方法进行对比测试.实验结果表明,本文方法相对于SMOD和GOSF方法在十组测试图像集的平均漏检率和误检率分别降低15.21%与30.57%,说明本文方法针对非刚性运动、复杂场景、弱纹理、光照阴影以及大位移等类型图像序列均具有较高的检测精度和较好的鲁棒性.


部分文件列表

文件名 大小
基于光流与Delaunay三角网格的图像序列运动遮挡检测.pdf 2M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
2
Vol． 46 No． 2  
Feb． 2018  
第
期
电
子
学
报
2018  
2
ACTA ELECTRONICA SINICA  
年
月
Delaunay  
基于光流与  
三角网格的  
图像序列运动遮挡检测  
1，2  
1，2  
1
1
2
， ， ， ，  
张聪炫 陈 震 汪明润 黎 明 江少锋  
( 1．  
，
南昌航空大学江西省图像处理与模式识别重点实验室 江西南昌  
330063; 2．  
， 330063)  
南昌航空大学测试与光电工程学院 江西南昌  
:
， Delaunay  
针对图像序列运动遮挡检测的准确性与鲁棒性问题 提出一种基于光流与 三角网格的图像  
摘
要
1
．
序列运动遮挡检测方法 首先构造基于非局部约束的  
TV-L  
; Delaunay  
光流估计模型 然后根据图像 三角网格划分与光  
;
流估计结果对图像序列帧间对应像素点和局部三角形进行运动遮挡判断并检测遮挡区域 最后采用  
MPI Sintel  
和
Middlebury SMOD、GOSF  
数据库提供的测试图像集对本文方法与  
SMOD GOSF  
． ，  
等代表性方法进行对比测试 实验结果表明 本文方  
15． 21% 30． 57% ，  
与 说明本文方法  
法相对于  
和
方法在十组测试图像集的平均漏检率和误检率分别降低  
、 、 、  
针对非刚性运动 复杂场景 弱纹理 光照阴影以及大位移等类型图像序列均具有较高的检测精度和较好的鲁棒性  
．
:
;
;
; Delaunay  
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
图像序列 遮挡检测 光流  
三角网格  
文章编号  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 02． 030  
:
TP391  
:
A
:
0372-2112 ( 2018) 02-0479-07  
文献标识码  
电子学报  
Motion Occlusion Detecting from Image Sequence  
Based on Optical Flow and Delaunay Triangulation  
1，2  
1，2  
1
1
2
ZHANG Cong-xuan ，CHEN Zhen ，WANG Ming-run ，LI Ming ，JIANG Shao-feng  
( 1． Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition，Nanchang Hangkong University，Nanchang，Jiangxi 330063，China;  
2． School of Measuring and Optical Engineering，Nanchang Hangkong University，Nanchang，Jiangxi 330063，China)  
Abstract: For the accuracy and robustness of the motion occlusion detecting from image sequence，this paper propo-  
1
ses a novel occlusion detection method based on the optical flow and Delaunay triangulation． Firstly，a TV-L optical flow  
model based on the non-local constraint is presented． Secondly，according to the results of the Delaunay triangulation and op-  
tical flow result of image sequence，the occlusion of the corresponding pixels and local triangles between the continuous  
frames is located and the motion occlusion regions could be detected． Finally，the evaluation sequences of the MPI Sintel and  
Middlebury databases are employed to test the performance of the motion occlusion detecting between the proposed method，  
the SMOD and GOSF methods． The experimental results show that the average omission rate and average false rate of the  
proposed method on the ten test image sequences are reducing 15． 21% and 30． 57% compared to the SMOD and GOSF  
methods，which indicates the proposed method has the higher accuracy and better robustness of the motion occlusion detec-  
ting under the non-rigid motion，complex scene，weak texture，brightness shadow and large displacement．  
Key words: image sequence; occlusion detection; optical flow; Delaunay triangulation  
， 、  
挡区域 以减小运动遮挡对目标分割 场景重建以及目  
1
引言  
． 、 、  
标识别的影响 研究成果被广泛应用于军事 工业 医学  
［1］  
图像序列运动遮挡检测是图像处理与机器视觉研  
，
等领域 例如军事目标检测与跟踪  
、
工业机器人视觉  
［2］  
［3］  
［4］  
， 、  
究领域的一项重要任务 旨在通过检测 标记图像序列  
、
、
脑部医学图像处理与分析  
系统  
无人驾驶汽车  
［5］  
中不同物体与场景之间或同个物体不同部分之间的遮  
．
以及卫星云图分析与天气预报  
等
: 2016-10-13;  
: 2016-12-15; :  
责任编辑 马兰英  
收稿日期  
修回日期  
: ( No．61401190，No．61462062) ;  
基金项目 国家自然科学基金  
( No． 2015ZC56009) ;  
航空科学基金  
( No． 20161BBE50080) ;  
江西省重点研发计划项目 江西省  
( No． TX201604001) ;  
图像处理与模式识别重点实验室开放基金  
( No． ZD201529001)  
无损检测技术教育部重点实验室开放基金  
480  
2018  
年
电
子
学
报
，
根据检测策略的不同 运动遮挡检测大致可以分  
1
2
TV-L  
光流估计模型  
基于非局部约束的  
为基于双目立体视觉的方法和基于单目图像序列的方  
1
2． 1 TV-L  
光流估计模型  
．
法两类 基于双目立体视觉的方法通常是根据极线约  
T
［6］  
X = ( x，y)  
假设图像序列当前帧图像像素点  
处图  
．
束判断像素点在两幅图像中是否存在遮挡  
针对双  
［7］  
I( X，t) ， ，  
在下一帧图像中 该像素点移动至图  
像亮度为  
，Malathi  
目图像中的强遮挡检测的问题  
提出一种基于  
T
X + w = ( x + u，y + v)  
，
处 则其亮度可表示为  
I( X +  
像
，
双目视差图像的线性回归遮挡检测方法 该方法利用  
w，t + 1) ， ，  
当图像序列帧间间隔趋近于零时 可认为两  
视差图像特征点在不同图像的位置信息构造遮挡检测  
［8］  
:
帧图像间对应像素点的亮度恒等不变  
I( X + w，t + 1) － I( X，t) = 0  
，w = ( u，v)  
．
线性模型 针对遮挡检测的准确性问题  
，Zitnick  
首先  
( 1)  
表示相邻  
Schunck  
提出的光  
假设双目视差图像所有像素点具有唯一值且连续变  
T
( 1)  
式
是图像序列亮度守恒假设  
， ，  
化 然后对双目图像中的像素点进行立体匹配 最后根  
，
两帧图像间的光流矢量 则  
Horn  
和
．
据匹配结果生成遮挡区域检测结果 针对视差图像遮  
［9］  
:
流计算能量函数可表示为  
，
挡检测的鲁棒性问题 张 提出基于随机森林的深度  
2
，
图像遮挡检测方法 利用随机森林分类器对像素点进  
E( u，v) = { ( I( X + w，t + 1) － I( X，t) )  
， ．  
行遮挡判断 有效的提高了遮挡检测的可靠性 虽然基  
Ω
2
2
+ (  
+
) } dX  
( 2)  
表示空间梯度 由于亮度守恒  
I( X  
u
v
于双目立体视觉的遮挡检测方法能够较完整的检测图  
T
( 2) ， = ( ， )  
中     
x y  
．
式
，
像中的遮挡区域 但由于该类方法通常采用特征点对  
，
假设在光照变化时并不可靠 图像梯度守恒假设  
，
应的手段 导致其运动遮挡检测结果中常常包含较多  
［10］  
+ w，t + 1) － I( X，t) = 0  
通常被作为数据项的补充约  
．
的误检信息  
． ，  
束条件 当图像中包含较大噪声或亮度突变时 基于图  
基于单目图像序列的方法主要是依靠图像亮度或  
，
像数据的守恒假设通常包含较大误差 本文在数据项  
，
几何特征变化检测运动遮挡区域 因此该类方法检测  
［11］  
中引入非平方惩罚函数以增强数据项的可靠性与鲁棒  
．
结果更加贴合图像运动边缘  
针对动态场景下的运  
［12］  
． ，  
性 同时 为了使光流在不同运动区域以不同的扩散尺  
，
动遮挡检测问题 朱 利用最小二乘椭圆拟合法对图  
， ，  
度进行扩散 以保存图像中运动边缘细节信息 本文在  
，
像序列中运动物体的局部轮廓进行拟合 并根据拟合  
( 2)  
，
中平滑项引入非平方惩罚函数 以改进光流的扩  
式
．
轮廓结果判断图像运动遮挡区域 针对图像序列中运  
［13］  
．
散尺度 本文光流计算能量函数可表示为  
:
，Kenndy  
动物体或场景的边缘强遮挡检测问题  
提出  
2
，
基于图像局部几何划分的遮挡检测方法 该方法通过  
E( u，v) = { ( ( I( X + w，t + 1) － I( X，t) )  
φ
，
对图像进行局部几何网格划分 利用像素点帧间亮度  
Ω
2
+ ( I( X + w，t + 1) － I( X，t) ) )  
   
．
变化进行遮挡区域检测 实验证明该方法针对强遮挡  
2
2
) } dX  
v
+
(
+
( 3)  
φ
u
．
具有较好的检测效果 针对图像序列弱遮挡检测问题  
，
［14］  
2
2
2
Ayvaci  
提出基于光流与朗伯反射假设的运动遮挡检  
( 3)  
，
中 φ  
(
x
)
=
x +  
槡
(
= 0． 001)  
ε 表示非平方惩  
式
ε
1
，
测方法 虽然该方法对运动边缘细节弱遮挡具有较好  
．
( 3)  
TV-L  
模型  
罚函数 式  
( Total Variation-L ) ．  
2． 2  
中能量函数模型通常被称为  
1
， ．  
的检测效果 但检测结果是稀疏的 针对以上问题  
，Le-  
［15］  
1
ordeanu  
提出基于特征匹配的由稀疏到稠密运动遮挡  
TV-L  
基于非局部约束的  
光流估计模型  
，
检测方法 该方法利用图像特征点的局部特性在稀疏  
，
针对传统光流估计模型的限制 非局部模型逐渐  
．
检测的基础上对图像局部区域进行稠密化插值 由于  
，
成为光流估计的一个重要手段 其核心思想是通过对  
，
该方法须确立大量图像序列稀疏特征点的对应关系  
光流能量函数添加非局部约束项使其构成非局部光流  
、
导致其不适用于非刚性运动 大位移以及弱纹理等类  
:
估计模型如下所示  
．
型图像序列  
针对非刚性运动弱遮挡 复杂场景强遮挡以及复  
杂纹理和大位移等情况下图像序列运动遮挡检测的准  
Delaunay  
2
E( u，v) = { ( ( I( X + w，t + 1) － I( X，t) )  
φ
、
Ω
2
+ ( I( X + w，t + 1) － I( X，t) ) )  
   
，
确性与鲁棒性问题 本文提出一种基于光流与  
2
2
) } dX  
v
+
+
(
+
φ
λ
u
．
三角网格的图像序列运动遮挡检测方法 首先构造基  
( | u － u  
i，j  
|
1
∑ ∑  
NL  
i'，j'  
TV-L  
，
光流估计模型 然后根据图像  
于非局部约束的  
i，j ( i'，j')  
N
i，j  
∈
+| v － v | )  
i'，j'  
( 4)  
Delaunay  
三角网格划分与光流对图像帧间像素点与局  
i，j  
( 4)  
， ，N  
中 λ 表示非局部约束项权重系数 表示以像  
i，j  
式
，
部三角形区域进行遮挡判断 从而检测图像序列运动  
NL  
T
T
( i，j)  
， ( i'，j')  
为中心的窗口内像素点总数 点  
， 、  
遮挡区域 具有检测精度高 鲁棒性好等显著优点  
．
素点  
表

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号