[发明专利]噪声环境下光流场快速稳健估计方法

说明书

本发明涉及一种噪声环境下光流场快速稳健估计方法。所提算法基于噪声环境下光流场估计方法（ML法），引入惩罚因子以增强光流计算稳健性，并在光流计算迭代公式中加入动量因子缩短光流计算收敛时间以加快光流场计算，而后基于变分方法极小化光流能量函数求解欧拉‑拉格朗日方程，最后通过迭代方法求得速度场。仿真结果表明，对视频中连续两帧图片加入不同高斯噪声后，与M算法及ML方法相比，所提算法可显著增强光流场计算稳健性，缩短光流计算收敛时间，加快光流场计算。

技术领域

本发明属于无人机视频监测领域，具体涉及一种噪声环境下光流场快速稳健估计方法。

背景技术

光流的概念是Gibson于1950年提出的。光流是图像亮度模式的表观运动，表达了图像变化，由于它包含目标运动信息，因此可被观察者用来确定目标运动情况。

光流技术在目标对象分割、识别、跟踪、机器人导航以及形状信息恢复、模式识别等计算机视觉领域有着广泛应用。1981年，Horn和Schunck创造性地将二维速度场与灰度场结合，在光流基本约束方程基础上引入全局平滑约束，得到光流计算的基本方法(HS法)。HS法是在两组基本假设基础上建立起来的，其中，基本约束方程基于灰度恒定假设即在连续相邻图像上，对应物体上同一点的像素灰度值相同；全局平滑约束方程则基于光流平滑假设即光流场处处平滑。

近些年，随着光流技术的广泛应用，众多学者致力于稳健性更好，速度更快的光流计算方法研究。继Horn和Schunck的HS光流算法之后，其他学者相继提出许多新的光流计算方法，如：Lucas-Kanade的局部平滑法(LK法)、金字塔LK光流法、局部与全局结合光流法、小波光流法等，使得光流计算得到进一步发展。然而，对于实际场景而言，上述方法所得光流场都存在较大误差，主要缘由在于灰度守恒假设的不合理性。实际上，多数应用场景中，即使光照条件不变，连续相邻图像上物体同一元面对应像素灰度仍有可能是变化的。

基于以上原因，日本学者MUKAWA对光流基本约束方程进行修正，并根据物体运动、投影及光流模型对修正项表达式进行推导得到新的光流场计算方法(M法)。此方法通过对图像序列进行光流场估计，取得了优于传统方法的效果。然而，此修正依然是在理想图像环境中进行的，即没有考虑实际视频图像中噪声对光流计算的影响，因此该算法对噪声的鲁棒性较差。针对此问题，马龙等提出噪声环境下光流场估计方法(ML法)，即在M法基础上对基本方程做了进一步修正并加入噪声约束。仿真实验表明，ML方法所得光流较M法而言，对噪声有较好的鲁棒性，但所得光流稳健性较差且计算复杂度较高。

发明内容

本发明提出一种噪声环境下光流场快速稳健估计方法，以解决噪声影响下光流计算稳健性较差及收敛速度慢的问题。

本发明为解决其技术问题所采用的技术方案为提供一种噪声环境下光流场快速稳健估计方法，该方法包括以下步骤：

步骤1：光流约束方程

假设图像上一像素点(x,y)在t时刻的亮度为I(x,y,t)，在Δt时间后所述像素点亮度变为I(x+Δx,y+Δy,t+Δt)，当Δt趋于无穷小时可认为该点亮度不变，得到等式：

将改写为I_x,I_y,I_t，并令则重写上式，得到光流计算的基本等式：

I_xu+I_yv+I_t＝0 (2)

u,v表示速度场矢量的两个分量；

步骤2：构建能量函数方程

①光流约束方程修正

设物体面元由位置P运动到位置P'，对应成像投影在像平面上由p移动到p'，假设物体表面为朗伯面，则p和p'的灰度分别为：