本發(fā)明涉及圖像序列光流計算技術(shù)，特別涉及到一種基于引導(dǎo)濾波的圖像序列金字塔分層光流計算方法。

背景技術(shù)：

21世紀以來，隨著計算機軟、硬件水平的不斷提升，圖像序列光流計算及其相關(guān)技術(shù)研究逐漸成為計算機視覺與模式識別等研究領(lǐng)域的熱點問題。其研究成果廣泛應(yīng)用于航空航天、軍事、社會生產(chǎn)、生活、文物保護與復(fù)原、醫(yī)學(xué)影像處理與分析等領(lǐng)域，例如應(yīng)用于工業(yè)機器人的視覺系統(tǒng)、無人駕駛車輛行進過程中的前景及障礙物檢測、智能交通檢測與控制、無人機導(dǎo)航與起降系統(tǒng)、衛(wèi)星云圖分析與三維顯示、醫(yī)學(xué)圖像中器官的重建與分析、診斷等等。

目前，基于中值濾波的圖像序列金字塔分層估計模型是圖像序列光流計算技術(shù)中最常采用的一類方法，該類方法能夠有效抑制光流計算結(jié)果中的噪聲和溢出點，并且對大位移和光照變化等困難場景具有較高的光流計算精度。但由于中值濾波的本質(zhì)是平滑濾波，因此其濾波結(jié)果常常使得圖像序列光流計算結(jié)果中圖像和運動的邊緣過于平滑，導(dǎo)致場景或物體的輪廓十分模糊，致使無法準確的分割圖像序列中的目標物體與場景。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種基于引導(dǎo)濾波的圖像序列金字塔分層光流計算方法，利用引導(dǎo)濾波對圖像序列金字塔分層光流計算模型進行線性化濾波，以解決圖像序列金字塔分層模型光流計算結(jié)果中圖像和運動邊緣模糊的問題。

為了解決上述技術(shù)問題，本發(fā)明采取以下技術(shù)方案?；谝龑?dǎo)濾波的圖像序列金字塔分層光流計算方法，其步驟如下：

1)選擇輸入圖像序列中的任意連續(xù)兩幀圖像；

2)對選擇的該兩幀圖像進行金字塔下采樣分層；

3)從圖像金字塔第k層圖像開始計算圖像序列光流，光流計算模型如下：

式中：u^k、v^k分別表示第k層圖像光流計算的初始值沿x、y軸的分量；du^k、dv^k分別表示第k層圖像光流計算的光流增量沿x、y軸的分量；ψ′^k表示非平方懲罰函數(shù)在第k層圖像的偏導(dǎo)，ε表示函數(shù)的自變量；ix^k、iy^k、it^k分別表示第k層圖像像素點亮度i沿x、y軸和時間t方向的偏導(dǎo)；div表示光流散度；

4)根據(jù)式(1)計算所得的第k層圖像光流增量du^k、dv^k和第k層圖像光流計算初始值u^k、v^k計算出第k層圖像光流計算的輸出值u^k+1、v^k+1，計算公式如下：

5)式(2)中計算出的第k層圖像光流需采用迭代計算，因此會導(dǎo)致光流計算結(jié)果在邊緣區(qū)域產(chǎn)生平滑現(xiàn)象；假設(shè)第k層光流在以像素點(i,j)^t為中心，大小為h*h的鄰域窗口wk中是連續(xù)的，則該鄰域窗口wk內(nèi)任意像素點(i',j')^t處的光流(ui',j',vi',j')^t與鄰域中心點(i,j)^t處的光流(ui,j,vi,j)^t滿足如下關(guān)系：

6)根據(jù)式(3)求取線性化系數(shù)ak1、bk1、ak2、bk2，然后采用式(4)對鄰域濾波窗口wk內(nèi)所有像素點的光流進行加權(quán)平均：

式中：n表示鄰域濾波窗口wk內(nèi)像素點的數(shù)量，表示鄰域濾波窗口wk內(nèi)像素點(i',j')^t的原始光流，表示像素點(i',j')^t經(jīng)過引導(dǎo)濾波后的光流，wi',j'表示像素點(i',j')^t引導(dǎo)濾波的權(quán)重；

7)將經(jīng)過引導(dǎo)濾波后的光流作為圖像序列金字塔第k+1層光流計算的初始值，重復(fù)步驟3)至步驟6)，直到當(dāng)前金字塔層數(shù)等于圖像金字塔分層層數(shù)時，停止循環(huán)，輸出最終的光流。

進一步，所述采樣系數(shù)為β，0＜β＜1。

進一步，所述步驟3)中第k層的層數(shù)1≤k。

本發(fā)明方法采用引導(dǎo)濾波對圖像序列金字塔分層光流計算邊緣起到增強作用，克服了圖像序列光流計算結(jié)果中圖像和運動邊緣過于平滑的問題，對于復(fù)雜場景和復(fù)雜邊緣圖像序列具有更高的計算精度和更好的適用性。

附圖說明

圖1a和圖1b是grove2圖像序列連續(xù)兩幀圖像(其中：圖1a是第一幀圖像，圖1b是第二幀圖像)；

圖2是本發(fā)明中圖像序列金字塔分層與引導(dǎo)濾波優(yōu)化模型圖；

圖3是本發(fā)明中引導(dǎo)濾波的線性化模型圖；

圖4是本發(fā)明計算所得的grove2圖像序列光流圖。

具體實施方式

以下結(jié)合附圖和實施例對本發(fā)明作進一步說明。參見圖1a至圖4，基于引導(dǎo)濾波的圖像序列金字塔分層光流計算方法，使用grove2圖像序列光流計算實驗進行說明：

1)輸入圖1a和圖1b是grove2圖像序列連續(xù)兩幀圖像；其中：圖1a是第一幀圖像，圖1b是第二幀圖像；

2)如圖2所示，對輸入的grove2圖像序列進行金字塔下采樣分層，采樣系數(shù)為0.5，分層數(shù)為4層；

3)從圖像金字塔第k層(k＝1)圖像開始計算圖像序列光流，光流計算模型如下：

式(1)中，u^k、v^k分別表示第k層圖像光流計算的初始值沿x、y軸的分量；du^k、dv^k分別表示第k層圖像光流計算的光流增量沿x、y軸的分量；ψ′^k表示非平方懲罰函數(shù)在第k層圖像的偏導(dǎo)，ε表示函數(shù)的自變量；ix^k、iy^k、it^k分別表示第k層圖像像素點亮度i沿x、y軸和時間t方向的偏導(dǎo)；div表示光流散度；

4)根據(jù)式(1)計算所得的第k層圖像光流增量du^k、dv^k和第k層圖像光流計算初始值u^k、v^k計算出第k層圖像光流計算的輸出值u^k+1、v^k+1，計算公式如下：

5)式(2)中計算出的第k層圖像光流需采用迭代計算，因此會導(dǎo)致光流計算結(jié)果在邊緣區(qū)域產(chǎn)生平滑現(xiàn)象；如圖3所示，假設(shè)第k層光流在以像素點(i,j)^t為中心，大小為h*h的鄰域窗口wk中是連續(xù)的，則該鄰域窗口wk內(nèi)任意像素點(i',j')^t處的光流(ui',j',vi',j')^t與鄰域中心點(i,j)^t處的光流(ui,j,vi,j)^t滿足如下關(guān)系：

6)根據(jù)式(3)求取線性化系數(shù)ak1、bk1、ak2、bk2，然后采用式(4)對鄰域濾波窗口wk內(nèi)所有像素點的光流進行加權(quán)平均：

式(4)中，n表示鄰域濾波窗口wk內(nèi)像素點的數(shù)量，表示鄰域濾波窗口wk內(nèi)像素點(i',j')^t的原始光流，表示像素點(i',j')^t經(jīng)過引導(dǎo)濾波后的光流，wi',j'表示像素點(i',j')^t引導(dǎo)濾波的權(quán)重；

7)將經(jīng)過引導(dǎo)濾波后的光流作為圖像序列金字塔第k+1層光流計算的初始值重復(fù)步驟3)～6)，當(dāng)金字塔層數(shù)k＝4時，停止循環(huán)，輸出最終的光流計算結(jié)果如圖4所示。

根據(jù)圖4中光流計算結(jié)果可以看出，本發(fā)明方法克服了圖像序列光流計算結(jié)果中圖像和運動邊緣過于平滑的問題，對于復(fù)雜場景和復(fù)雜邊緣圖像序列具有更高的計算精度和更好的適用性，在安全監(jiān)控、交通檢測以及目標分割與跟蹤等領(lǐng)域具有廣泛的應(yīng)用前景。