毕业论文--大位移图像的快速精确匹配.docVIP

本科毕业论文 PAGE PAGE 3 毕 业 论 文(设 计) 论文（设计）题目: 大位移图像的快速精确匹配 姓 名 学 号 学 院 软件学院 专 业 数字媒体技术 年 级 指导教师 2016年 6月 5日  目 录 TOC \o 1-3 \h \z \u 摘 要 3 ABSTRACT 4 第1章 绪论 5 1.1 相关工作 5 1.2 解决的主要问题 6 1.3 本文的主要工作 6 1.4 论文的组织结构 6 第2章 传统光流简介 7 2.1 Horn and Schunck光流 7 2.2 T.Brox 光流 7 2.2.1 变分模型 7 2.2.2 最小化方法 8 第3章 大位移匹配方法 10 3.1 EpicFlow光流法 10 3.2 FlowFields方法 11 第4章 基于平面假设的改进 14 4.1 平面估计 14 4.1.1 超像素分割划分图像区域 14 4.2 平面区域提取 16 4.2.1 平面区域初始化 16 4.2.2 GMM颜色模型约束 16 4.3 改进FlowFields部分区域匹配 19 4.3.1 SIFT特征匹配 19 4.3.2 RANSAC计算Homography 21 4.3.3 替换Flowfileds匹配 22 4.4 Random Walk插值 24 4.5 EpicFlow光流优化 25 第5章 实验结果与评价 26 5.1 实验结果举例 26 5.2 量化分析 28 第6章 结论 29 致谢 30 参考文献 31 附录1 英文原文 33 附录2 译文 37 大位移图像的快速精确匹配 摘 要 光流问题是计算机视觉领域的基础问题。通过视频相邻两帧的匹配，得到图像中每个点的运动估计，即为光流。 传统光流法通过建立能量函数以及采用由粗糙到精细等方法，能够处理小范围的位移。但由于其数值方法的局限性，经常陷入局部最优解，不能够处理大的位移。而由粗糙到精细的模型，存在错误扩散以及细节丢失等问题。 目前比较好的方法，采用的框架是先对图像进行稀疏点的匹配，再对稠密点插值，最后通过最小化能量函数，得到光流匹配。稀疏点插值稠密点要比由粗糙到精细的模型结果好，但对于遮挡、无纹理、大位移等区域，仍然不能得到很好的匹配。 本文针对大位移的部分区域，提出了改进方法。首先对图像进行超像素分割，对一些区域进行平面假设。然后通过颜色模型约束，合并超像素区域。然后通过对提取的平面区域进行特征点匹配，计算平面映射矩阵，根据映射矩阵，加入更多特征点。然后对稀疏特征点进行插值，得到该区域光流的初始值，最后再用变分模型进行更精细化光流的计算。通过对数据集进行测试，结果显示，本文算法对大位移区域的一些匹配取得了显著的改进。 光流问题即具有理论价值，也具有应用价值。光流在目标对象分割、识别、跟踪、机器人导航以及形状信息恢复等都有着非常重要的应用。 关键字：光流；平面假设；超像素；特征匹配；  ABSTRACT The optical flow problem is one of the key problems in computer vision. The optical flow methods try to calculate the motion between two image frames by getting the two frames’ matches. Traditional optical flow method using energy minimization and coase-to-fine scheme, can handle small range displacements. But because of the limitation of its numerical approach, such methods get stuck in local minima, and can’t solve large displacements. Moreover, the coarse-to-fine scheme exists error propagation and detail lost problems. In this article, we aim at the