[发明专利]一种基于小波的稳健光流计算方法

说明书

本发明属于无人机视频监测领域，更进一步涉及一种基于小波的稳健光流计算方法。针对系统误差导致光流计算稳健性较差及精度较低的问题，本发明提出一种基于小波多分辨理论的稳健光流计算方法。所提算法基于小波多尺度分辨率特性，将光照条件变化及传感器噪声引起的系统误差包含进光流计算中以改善光流计算的稳健性及估计精度，并通过总体最小二乘法求解超定小波光流方程组以获得光流矢量。仿真结果表明，与传统的Lucas‑Kanade算法、Horn‑Schunck算法、基于形态梯度恒常的复值小波光流求解方法及基于小波的全向图像光流估计方法相比，所提算法可显著改善光流估计精度及稳健性。

技术领域

本发明属于无人机视频监测领域，具体涉及一种基于小波的稳健光流计算方法。

背景技术

光流是图像亮度模式的表观运动，表达了图像变化。光流不仅包含被观察物体的运动信息，还包含有关物体三维结构的丰富信息。同时光流法无需预先获取图像背景，且计算结果仅利用连续帧的相对运动信息即可，不受复杂环境影响。因此，光流在计算机视觉中扮演着重要角色，在目标对象分割、识别、跟踪、机器人导航以及形状信息恢复等领域都有着非常重要的应用。

基于光流概念，Horn和Schunck率先提出HS全局光流算法(Horn-Schunck光流法)，该方法可得稠密光流，但所得光流边界容易模糊，稳健性较差。为求得稳健性较好，精度较高的光流，研究者相继提出LK(Lucas-Kanade算法)光流法，此算法较HS光流法可得稳健性较高的光流，但所得光流稀疏。为了将HS及LK二者优点结合起来，张建明等提出全局与局部结合的光流方法，所提算法可得较稠密且鲁棒性较好的光流场，但对于相邻两帧图像之间位移较大的情况，所得光流稳健性较差，精度较低。针对上述问题，研究者引入具有较高精度的多尺度分辨小波方法。由此，基于小波的多尺度光流计算方法成为光流领域重要研究方向之一。

基于小波的光流计算方法中，Magarey J等人提出一种基于复值小波变换的光流估计方法，该方法提提供了最大可计算范围，但平均误差较大。为提高光流计算精度，Wu等人提出一种基于小波运动模型的光流估计方法，可得较高精度光流，然而所用图像帧数较多，计算复杂度较高。为降低计算复杂度，项学智等人提出一种形态梯度恒常的复值小波光流求解方法(形态梯度法)，引入复值小波以降低相位震荡的影响，该方法复杂度较较低，但未考虑传感器误差，因而所得光流稳健性较差。为提高光流计算稳健性，Demonceaux C等人提出了一种基于小波的全向图像光流估计方法(DC光流法)。此方法将传感器误差显式包含进光流计算中，可得较高精度光流，且稳健性有所提高。

然而，上述研究均未考虑系统误差，光流场计算中，系统误差主要包括传感器噪声及光照条件变化等引起的误差。光流大多是在光照条件不变、不考虑传感器误差的假设情况下进行计算的，因而所得光流精度较低，稳健性较差，故系统误差对光流场计算的精度及稳健性有很大影响。

发明内容

针对系统误差导致光流计算稳健性较差及精度较低的问题，本发明提出一种基于小波多分辨理论的稳健光流计算方法。

本发明为解决上述技术问题所采用的技术方案为提供一种于小波多分辨理论的稳健光流计算方法。该方法包括如下步骤：

步骤1：光流约束方程

假设图像上一点(x,y)在t时刻的亮度为I(x,y,t)，(t+Δt)时刻该像素亮度为 I(x+Δx,y+Δy,t+Δt)，当Δt趋于无穷小时，该点亮度不变，得以下等式：

将改写为I_x,I_y,I_t，其分别表示图像灰度在x,y,z方向上的偏导数，令则上式变为：

I_xu+I_yv+I_t＝0 (2)