光流是三維運(yùn)動向量在成像平面的投影,是序列圖像上亮度圖案的表觀運(yùn)動。光流場不僅包含圖像內(nèi)物體與背景的運(yùn)動信息,而且含有豐富的三維結(jié)構(gòu)和表面信息。因此,在計算機(jī)視覺、模式識別等領(lǐng)域,序列圖像的光流估計是一個重要的研究問題,可廣泛應(yīng)用于醫(yī)學(xué)圖像分析、動作識別、目標(biāo)檢測與跟蹤、氣象分析、自動駕駛等眾多任務(wù)。隨著深度學(xué)習(xí)的興起,基于深度學(xué)習(xí)的光流估計無論在精度還是魯棒性方面均有良好的表現(xiàn)。然而當(dāng)序列圖像存在大位移運(yùn)動、運(yùn)動模糊或遮擋以及非剛性運(yùn)動等復(fù)雜情形時,現(xiàn)有的光流估計模型或優(yōu)化算法的結(jié)果性能明顯降低。本論文主要研究大位移運(yùn)動下序列圖像的光流估計,以現(xiàn)有的基于深度學(xué)習(xí)的光流估計算法為基礎(chǔ),提出了兩種改進(jìn)的模型:1)基于FlowNet的光流優(yōu)化模型。針對基于卷積神經(jīng)網(wǎng)絡(luò)的光流估計算法性能較差的問題,借鑒多尺度殘差學(xué)習(xí)思想提出一個兩級結(jié)構(gòu)的光流優(yōu)化模型。該優(yōu)化模型內(nèi)第一階段網(wǎng)絡(luò)主要學(xué)習(xí)圖像內(nèi)運(yùn)動特征生成光流結(jié)果,第二階段的精細(xì)化網(wǎng)絡(luò)利用殘差信息改善第一階段網(wǎng)絡(luò)生成初始的光流。2)基于膨脹卷積深度網(wǎng)絡(luò)的光流估計模型。針對光流結(jié)果邊緣不平滑和平均端點誤差（AEE）偏大的問題,提出基于膨脹卷積深度網(wǎng)... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

光流場的示意圖

物體運(yùn)動過程的示意圖

基于邊緣感知距離的匹配算法示意圖


本文編號：3417237