计算机视觉贾云德chapter14幻灯片.pdf

第十四章 二维运动估计 早期设计的机器视觉系统主要是针对静态场景的，为了满足更高级的应用需求，必 须研究用于动态场景分析的机器视觉系统．动态场景分析视觉系统一般需要较大的存储 空间和较快的计算速度，因为系统的输入是反应场景动态变化的图像序列，其包含的数 据十分巨大．图像动态变化可能由摄象机运动、物体运动或光照改变引起，也可能由物 体结构、大小或形状变化引起．为了简化分析，通常我们假设场景变化是由摄象机运动 和物体运动引起的，并假设物体是刚性的． 根据摄象机和场景是否运动将运动分析划分为四种模式：摄象机静止－物体静止， 摄象机静止－物体运动，摄象机运动－物体静止，摄象机运动－物体运动，每一种模式 需要不同的分析方法和算法。摄象机静止－物体静止模式属于简单的静态场景分析．摄 像机静止－场景运动是一类非常重要的动态场景分析，包括运动目标检测、目标运动特 性估计等，主要用于预警、监视、目标跟踪等场合。摄象机运动—物体静止是另一类非 常重要的动态场景分析，包括基于运动的场景分析、理解，三维运动分析等，主要用于 移动机器人视觉导航、目标自动锁定与识别等．在动态场景分析中，摄象机运动—物体 运动是最一般的情况，也是最难的问题，目前对该问题研究的还很少． 图像运动估计是动态场景分析的基础，现在已经成为计算机视觉新的研究热点。根 据所涉及的空间，将图像运动估计分为二维运动估计和三维运动估计，显然，这种划分 不是十分严格，因为二维运动参数的求解有时需要三维空间的有关参数引导，而许多三 维参数的求解需要以二维参数为基础。本章主要讨论二维运动估计，三维运动估计和分 析将在第十五章讨论。 14.1 图像运动特征检测 对许多应用来说，检测图像序列中相邻两帧图像的差异是非常重要的步骤．场景中 任何可察觉的运动都会体现在场景图像序列的变化上，如能检测这种变化，就可以分析 其运动特性．如果物体的运动限制在平行于图像平面的一个平面上，则可以得到物体运 动特性定量参数的很好估计．对于三维运动，则只能得到物体空间运动的定性参数估 计．场景中光照的变化也会引图像强度值的变化，有时会引起较大的变化．动态场景分 析的许多技术都是基于对图像序列变化的检测．检测图像变化可以在不同的层次上进行， 如像素、边缘或区域．在像素层次上要对所有可能的变化进行检测，以便在后处理阶段 或更高层次上使用． 14.1.1 差分图像 检测图像序列相邻两帧之间变化的最简单方法是直接比较两帧图像对应像素点的灰 度值．在这种最简单的形式下，帧f (x , y , j ) 与帧f (x , y , k ) 之间的变化可用一个二值差分 图像DPjk f (x,y ) 表示：  1 如果f (x , y , j ) f (x , y , k ) T DP f (x , y )  (14.1) jk 0 其它  式中 是阈值． T 在差分图像中，取值为 1 的像素点被认为是物体运动或光照变化的结果．这里假设 帧与帧之间配准或套准得很好．图14.1 和14.2 示意了两种图像变化情况，一种是由于光 照变化造成的图像变化，另一种是由于物体的运动产生的图像变化．需要指出，阈值在 189 这里起着非常重要的作用．对于缓慢运动的物体和缓慢光强变化引起的图像变化，在一 个给定的阈值下可能检测不到． (a) (b) (c) 图14.1 (a)和(b)是取自一个运动摄象机获取的静态场景图像序列的两帧图像， (c)是它们的差分图像(T=40) (a) (b) (c) 图14.2 (a)和(b)是取自光照变化的图像序列的两帧图像，