Lucas_Kanade统一算法框架.docx

LucasKanade算法总结

TheForwardAdditiveApproach(前向加性方法)

最小化式子εp

对最小化式子进行泰勒展开可得：

ε

假设Wx;p

更新式子p←p+?p，对应的变形公式

TheForwardCompositionalApproach(前向组合方法)

最小化式子ε?

W

W

=

Wx;

=

对ε?p=x∈RI

则：U≈

V≈

因此：ε?

假设W(x;0)=x为单位变形矩阵，且

ε

更新公式：

Wx

?

所以Wx

对比加性方法Wx;p+?p≈Wx;p+?W?p?

W

所以只要Wx

TheInverseCompositionalApproach(逆向组合方法)

最小化式子ε?

W

W

ε?p=

由?ε(?p

TheInverseAdditiveApproach(逆向加性方法)

前向加性方法算子：

ε

通过推导图像梯度?I与模板梯度?

要达到目的：IWx;

?I

可得到逆向加性算子：

εp=x

?W?x?1?W?p≡

?W

?

Γ

最小化：εp

?

p

∑p