本文關(guān)鍵詞：一種Lucas-Kanade光流金字塔算法的偽特征點移除方法

  更多相關(guān)文章： 一種 Lucas-Kanade 光流 金字塔 算法 特征 點移 方法

【摘要】：計算機視覺是計算機認識世界的眼睛,隨著自動化的普及,計算機視覺成為當(dāng)今最熱門的研究領(lǐng)域之一。運動跟蹤是計算機視覺中一個重要的研究課題,它在無人機、自動駕駛汽車、交通監(jiān)控等應(yīng)用方面有著舉足輕重的地位。應(yīng)用最廣泛的計算機視覺跟蹤算法是基于對角點的跟蹤,經(jīng)過金字塔算法多次迭代估算光流。但是光流估算法基于的三點假設(shè),亮度恒定、時間規(guī)律和空間一致性在現(xiàn)實中很難全部滿足,使得光流估算法很難得到廣泛應(yīng)用。同時光流估計會消耗大量計算資源,使得跟蹤算法在小型嵌入式計算單元上實現(xiàn)受到進一步限制。本文提出了一種自適應(yīng)的動態(tài)偽特征點移除算法,可以在跟蹤過程中自動濾除對計算結(jié)果準確性和跟蹤效率造成影響的偽特征點。論文主要內(nèi)容如下:第一章介紹了計算機視覺的定義、應(yīng)用范圍以及計算機視覺中運動跟蹤算法所面臨的主要問題。第二章介紹了計算機視覺中所涉及到的基本概念和常見算法,重點介紹了角點的概念、Harris特征點檢測算法的思路、光流估計算法的思路和推導(dǎo)過程,以及金字塔算法提出的背景以及推導(dǎo)過程。第三章提出了偽特征點移除算法。首先對光流估計中的修正項進行分析,根據(jù)光流估計中三點假設(shè)可能引入的誤差推導(dǎo)出金字塔迭代過程中修正項合理的范圍。為減少亮度恒定假設(shè)引入的誤差影響,提出了局部亮度恒定補償算法。由光流估算中的最小二乘法解逆向推導(dǎo)出符合光流估算結(jié)果的條件不等式,再由該不等式推導(dǎo)出金字塔迭代中修正項的合理取值范圍,在金字塔迭代的過程中對各角點各級各階計算結(jié)果與該范圍進行對比,如果不在合理范圍內(nèi),則可認為是偽特征點進行移除。對于首次估算結(jié)果采用時間規(guī)律假設(shè)進行限定,如果估算結(jié)果超出鄰域窗口尺寸則丟棄估算結(jié)果,并將目標(biāo)定為偽特征點。第四章對偽特征點移除算法進行了實驗驗證。實驗利用作者在研究計算機視覺工作時編寫的GridJS和pilkft.js視覺庫,實驗中使用了不同場景不同幀數(shù)的14個圖像序列,記錄了對14個圖像序列的整個跟蹤中跟蹤目標(biāo)角點數(shù)的變化、結(jié)果準確性以及偽特征點所占比例。對14個實驗圖像序列的實驗結(jié)果表明,偽特征點移除算法可以在短時間內(nèi)排除絕大部分偽特征點,并且保留了大部分有效特征點。在整個跟蹤過程中,跟蹤偽特征點所占比例基本保持在0.3以下,大部分情況下可以保持在0.15左右,跟蹤特征點數(shù)量穩(wěn)定后基本可以排除全部偽特征點。第五章對論文工作進行了總結(jié)。本文所提出的偽特征點移除算法對于不同場景,可以自適應(yīng)地快速有效移除偽特征點并保留大部分有效特征點,在有效提高跟蹤準確性的同時降低了計算強度,使計算機視覺跟蹤算法應(yīng)用到小型化嵌入式平臺成為了可能,有很好的實際意義。
【關(guān)鍵詞】：
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要6-8
• Abstract8-10
• 第一章 緒論10-13
• 1.1 計算機視覺簡介10
• 1.2 計算機視覺的應(yīng)用10-11
• 1.3 計算機視覺運動跟蹤面臨的問題11-12
• 1.4 本文的主要內(nèi)容12-13
• 第二章 計算機視覺的部分概念和基本算法13-24
• 2.1 圖像在頻域上的表現(xiàn)13-14
• 2.2 高斯模糊14-15
• 2.3 特征檢測及特征分類15-17
• 2.4 角點檢測17-18
• 2.5 Harris角點檢測18-20
• 2.6 光流20-21
• 2.7 金字塔算法21-24
• 第三章 偽特征點移除算法的提出24-33
• 3.1 偽特征點對光流的影響24-26
• 3.2 降低亮度變化引入的誤差26-27
• 3.3 考慮實際應(yīng)用中引入的誤差27
• 3.4 修正項合理范圍的討論27-30
• 3.5 因子p的取值討論30-31
• 3.6 將偽特征點移除算法應(yīng)用于金字塔算法中31-33
• 第四章 GridJS視覺庫及實驗結(jié)果33-66
• 4.1 GridJS視覺庫33
• 4.2 GridJS中的ImageObject33-34
• 4.3 利用GridJS檢測角點34-38
• 4.4 利用pilkft.js計算光流38-46
• 4.5 對為特征移除算法進行驗證46-48
• 4.6 實驗結(jié)果與分析48-66
• 第五章 結(jié)論66-67
• 參考文獻67-69
• 致謝69-70
• 研究成果70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 賈熹濱;石勤;尹寶才;;由粗到細的漸進式特征點定位算法[J];北京工業(yè)大學(xué)學(xué)報;2006年05期

2 鄭林;劉泉;王林濤;;一種基于特征點的跟蹤算法[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2006年03期

3 江詩鋒;何振峰;;基于特征點的行車數(shù)據(jù)序列對齊[J];福州大學(xué)學(xué)報(自然科學(xué)版);2010年02期

4 周全峗;史澤林;;輻射模糊圖像的特征點穩(wěn)定性分析[J];光電工程;2013年06期

5 魏立梅,張永瑞,謝維信,程相君;人臉識別中基準點的選取與特征點定位[J];西安電子科技大學(xué)學(xué)報;1998年01期

6 許承慧;劉桂華;梁峰;;非特征點雙目測距技術(shù)研究[J];微型機與應(yīng)用;2013年22期

7 潘翔;章國棟;陳啟華;;三維可變形物體的特征點層次提取[J];計算機科學(xué);2014年04期

8 陶剛,盧昀,李吉桂;細化指紋圖中偽特征點的一體化去除算法[J];現(xiàn)代計算機(專業(yè)版);2002年10期

9 仲啟媛,譚立龍;一種確定運動目標(biāo)特征點的算法[J];計算機工程;2003年10期

10 胡迎春,張增芳,梁數(shù);人臉圖像嘴巴特征點自動提取系統(tǒng)[J];廣西工學(xué)院學(xué)報;2003年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實用的特征點匹配算法[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

5 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

7 杜鵬飛;彭代強;林幼權(quán);;基于二乘向量機的特征點配準算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點跟蹤的圖象拼接[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

9 楊向林;嚴洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點綜合檢測算法[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點搜索實現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 王宇;芯技術(shù)點亮未來[N];電腦報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉洪濤;基于視覺的微夾持構(gòu)件受力與應(yīng)變測量方法[D];上海交通大學(xué);2014年

2 劉通;面向心拍識別的心電信號的高層特征研究[D];吉林大學(xué);2016年

3 廖斌;基于特征點的圖像配準技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

4 楊占龍;基于特征點的圖像配準與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

5 楊利敏;圖像特征點定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

6 李旭東;基于特征點的增強現(xiàn)實三維注冊算法研究[D];天津大學(xué);2009年

7 魯統(tǒng)偉;前視目標(biāo)圖像匹配定位技術(shù)研究[D];華中科技大學(xué);2008年

8 戴激光;漸進式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學(xué);2013年

9 宋琳;無人機飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 曾寶瑩;基于圖像識別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

2 周兆鎮(zhèn);基于雙目視覺的特征點匹配算法研究[D];西安建筑科技大學(xué);2015年

3 馮翔;基于人臉對齊和多特征融合的人臉識別方法研究[D];南京理工大學(xué);2015年

4 姜小會;基于特征點的圖像拼接技術(shù)研究[D];山東建筑大學(xué);2015年

5 吳昊;基礎(chǔ)矩陣估計方法研究[D];蘭州大學(xué);2015年

6 陳偉;基于唇形特征的身份識別算法的設(shè)計[D];蘭州大學(xué);2015年

7 秦清欣;GPS輔助攝影測量的邊坡監(jiān)測技術(shù)研究[D];南京理工大學(xué);2015年

8 宋偉;遠程火光瞄準與探測系統(tǒng)設(shè)計[D];西安工業(yè)大學(xué);2015年

9 劉智;塑料面膜印刷質(zhì)量的視覺檢測方法研究[D];沈陽理工大學(xué);2015年

10 任筱強;行星及行星衛(wèi)星著陸探測自主導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：964642