[发明专利]一种基于分层最近邻域的变分光流确定方法及系统

说明书

本发明公开一种基于分层最近邻域的变分光流的确定方法及系统，所述方法包括：获取原始图像序列中的任意连续两帧图像，对两帧图像进行金字塔分层；采用决策树一致性近似邻域算法获取两帧图像中对应每层图像序列的最近邻域；识别每层图像序列的最近邻域的主要运动模式，依据主要运动模式和每层图像序列执行运动分割，得到每层运动分割光流；建立变分光流估计模型；将变分光流估计模型转换为结合渐进非凸优化方案的基于图像金字塔分层细化优化策略的光流计算模型，在优化中采用伪布尔函数多项式优化算法将每层运动分割光流与变分光流进行融合优化，得到计算光流结果。本发明中的上述方法克服了针对大位移场景图像序列光流计算结果精度低的问题。

技术领域

本发明涉及图像序列光流计算领域，特别是涉及一种基于分层最近邻域的变分光流确定方法及系统。

背景技术

光流估计旨在计算两幅图像之间的像素位移场，是分析序列图像中运动目标的重要方法，图像中所有像素点光流矢量的集合则称为光流场。因其不仅包含了被观察物体的运动信息,而且携带有光景物三维结构的信息，因此，对于变分光流的计算，是计算机视觉中最基础和深入研究的问题。变分光流，可用于各种视觉任务，如图像插值，超分辨率重建，目标分割与跟踪，动作识别和自主导航。

近年来，随着光流估计方法的发展，针对简单场景图像序列光流估计技术已经取得较大进步，但是在针对图像序列包含诸如大位移运动，运动遮挡与间断，光照突变等具有挑战性的困难场景光流估计仍然具有较大误差。

发明内容

本发明的目的是提供一种基于分层最近邻域的变分光流确定方法及系统，来克服大位移场景图像序列光流计算结果精度较低的问题。

为实现上述目的，本发明提供了如下方案：

一种基于分层最近邻域的变分光流估计的确定方法，所述方法包括：

获取原始图像序列中的任意连续两帧图像；

对所述两帧图像进行金字塔分层；

采用决策树一致性近似邻域算法获取经所述金字塔分层后的两帧图像中对应每层图像序列的最近邻域；

识别并获取每层图像序列的最近邻域中的主要运动模式，并根据获取的主要运动模式和每层图像序列进行运动分割，得到每层运动分割结果；

采用两阶段的伪布函数多项式优化算法优化所述运动分割结果，得到每层运动分割光流；

根据原始图像序列中的任意连续两帧图像和所述每层运动分割光流建立变分光流估计模型；

将所述变分光流估计模型转换为结合渐进非凸优化方案的基于图像金字塔分层细化优化策略的光流计算模型，在优化中采用伪布尔函数多项式优化算法将每层运动分割光流与变分光流进行融合优化，得到计算光流结果。

可选的，所述运动分割过程具体包括：

其中E(m)为运动分割结果，I₁,I₂为连续两帧图像，X＝(x,y)^T为图像像素点坐标，X′＝(x′,y′)^T为像素点X的邻域像素点坐标；m为运动模式，m∈{m₁,m₂,…m_k}或P为从最近邻域中获得的主要运动模式的投影矩阵，为运动模式m周围的扰动偏差，为常数，m′∈Ω(mi)为实现I₂(X+m′)-I₁(X)|的最小匹配误差，m(X′)为以像素X′＝(x′,y′)^T为中心的任意局部区域，和为非平方惩罚函数，ε为趋近于零的常数，β为常数。

可选的，所述变分光流估计模型具体包括：