[发明专利]一种人工复眼相机的图像阵列光流估计方法

摘要

本发明公开了一种人工复眼相机的图像阵列光流估计方法，根据所用人工复眼的结构特点，对阵列图像中包含运动目标的图像进行检测，随后构建光流估计能量函数，并利用变分法对能量函数进行优化，完成人工复眼图像的光流估计。本发明与现有技术相比，其显著优点在于：能有效地对人工复眼图像序列进行光流估计，并且由于子眼图像间空间相关的约束项，能够对相邻子眼对应区域进行约束，获得一致的光流估计结果，解决人工复眼相机中子眼视场角小导致的图像边缘光流估计不准确的问题。

主权项

1.一种人工复眼相机的图像阵列光流估计方法，其特征在于，包括步骤S1、获取人工复眼图像：令人工复眼相机具有M×N个子眼，组成一个子眼阵列，i为二维向量表示表示阵列中的一个子眼，则在时间t和t+1分别捕捉获得M×N个图像Ii(x,y,t)和Ii(x,y,t+1)；S2、检测每个子眼图像是否包含运动目标：子眼i在时间t和t+1的图像Ii(x,y,t)和Ii(x,y,t+1)关于时间t的绝对差值dt(x,y)公式为：dt(x,y)＝|Ii(x,y,t)‑Ii(x,y,t+1)|如果dt(x,y)大于阈值τ，则像素(x,y)是运动目标的投影点；如果子眼图像中运动目标的投影点数量大于某一常数Mon，则该子眼捕捉图像中包含运动目标；S3、令x＝(x,y,t)T表示像素(x,y)在时间t的坐标，w＝(u,v,1)T表示时间t和t+1间的位移向量；其中u和v分别表示水平和垂直位移量，则光流估计能量函数E(u,v)计算方法为：S31、对任意子眼i，计算图像数据匹配项其中表示空间梯度，Ψ是惩罚函数，ε为一极小正常数以保证惩罚函数为凸函数，γ是权重，Ω表示图像域；S32、计算平滑项其中当只有两张图像，则变为S33、进一步利用相邻子眼图像的对应信息，计算空间对应项其中Ne(i)表示子眼i的4‑最近邻子眼，xj表示x在子眼j的对应像素，wj表示其位移向量，δ(xj)是狄拉克函数；如果xj存在则为1，否则为0；g(xj)表示权重函数；S34、构建光流估计能量函数E(u,v)：其中Ei(u,v)表示子眼图像Ii的能量函数，其中α和β分别表示平滑项和空间对应项的权重；S4、利用变分法对能量函数进行最小化：S41、首先定义如下的缩写：其中，z替换了t；S42、根据欧拉‑拉格朗日方程和S41的缩写，则Ei(u,v)的欧拉‑拉格朗日方程为：S43、对光流的估计，采用标准的由粗到精的图像金字塔原理，设每个子眼图像包含r层，其中原图像是第r层，其中每一层降采样因子为ρ，从第1层到第r层，利用固定点迭代方法计算对应的w；设wk＝(uk,vk,1)T,k＝0,1,...,表示在k次迭代的位移向量，其中在第1层的第0次迭代初始w0＝(0,0,1)T，第2‑r层的初始位移向量来自前一层的估计结果；因此第k+1次迭代时，wk+1由下式获得，另外，设uk+1＝uk+Δuk,vk+1＝vk+Δvk，以及利用I*k+1的近似表示，以及将式(1)中数据项、平滑项和空间对应项的导数缩写为以下形式，则将式(2)代入式(3)，可得将(2)和(4)代入(1)，可得，S44、再次采用内部固定点迭代方法，设内部迭代初始值为Δuk，0＝0,Δvk，0＝0，则在第l+1次迭代，在位移向量增量Δuk，l+1和Δvk，l+1的系统方程为，该线性系统方程通过逐次超松弛方法求解；S5、光流估计：对每个子眼的每一层图像，外部固定点迭代k次，每次迭代后使用5×5的加权中值滤波移除噪声和保持运动边界，随后传到下一层，直到第r层，最后获得每个子眼光流估计结果(u,v)。