[发明专利]一种高效大位移光流估计方法

摘要

本发明公开了一种高效大位移光流估计方法，包括：从视频里获取两张连续图像，将两帧图像按时间顺序分别标记为I1和I2；以I1和I2为最底层分别构造图像金字塔和在图像金字塔的每层上生成相同数目的种子点，并将最顶层上的种子点的匹配初始化为随机值；将获得的种子点在由图像金字塔依次从顶层到底层逐层进行匹配，每层种子点的匹配结果作为下一层相应种子点的初始值；将最底层种子点的匹配结果利用对边缘敏感的插值算法进行插值，将插值结果作为光流估计的初始值，然后利用变分能量优化模型进行优化，最终得到大位移光流估计结果。本发明具有更高效、更灵活的效果，可以随时根据应用场景的不同控制种子点的数目，产生不同效率、不同精度的光流结果。

主权项

1.一种高效大位移光流估计方法，其特征在于，该高效大位移光流估计方法包括以下步骤：步骤一、从视频里获取两张连续图像，将两帧图像按时间顺序分别标记为I1和I2；步骤二、以I₁和I₂为最底层分别构造图像金字塔和步骤三、在图像金字塔的每层上生成相同数目的种子点，并将最顶层上的种子点的匹配初始化为随机值；步骤四、将步骤三获得的种子点在由步骤二的图像金字塔依次从顶层到底层逐层进行匹配，每层种子点的匹配结果作为下一层相应种子点的初始值；步骤五、将最底层种子点的匹配结果利用对边缘敏感的插值算法进行插值，将插值结果作为光流估计的初始值，然后利用变分能量优化模型进行优化，最终得到大位移光流估计结果；所述步骤二将每一级图像的长宽缩小为原来的1/2，分别得到k幅图像，其中和即是最底层的原图，和是最顶层；所述步骤三在图像金字塔的每层上生成相同数目的种子点中将最底层的种子点设计为间隔为d的图像网格交点；上层的种子点均是最底层种子点的对应缩放版本，也就是每层种子点在当前层的坐标位置均是下层种子点坐标位置的η倍，即：{p(sl)}＝η·{p(sl‑1)}，l≥1；其中l代表金字塔层数，{p(sl)}表示第l层种子点的在其上的位置，η表示金字塔缩放系数；所述步骤三中将最顶层上的种子点的匹配初始化为随机值，然后与进行匹配，所述与进行匹配包括以下步骤：第一步：邻域传播，即：其中sm表示当前种子点，Nm表示对网格种子点之间使用自然邻域系统时当前种子点的相邻种子点集合，f(sm)表示当前种子点的运动矢量，C(f(·))表示对当前种子点使用f(·)为运动矢量时的匹配代价；第二步：随机搜索，以当前最佳运动矢量f(sm)为中心，以指数递减半径为搜索域，进行随机试探；迭代进行以上两步，直至收敛；所述步骤四中，每层种子点的匹配结果作为下一层相应种子点的初始值，即：其中{f(sl)}为第l层种子点的运动矢量，η为金字塔的缩放系数。