分析了Horn-Schunck全局光流算法和Lucas-Kanade局域光流算法在條紋位移測(cè)量中的分辨力和測(cè)量范圍,結(jié)果表明:當(dāng)Horn-Schunck算法的相對(duì)誤差和Lucas-Kanade算法的相對(duì)誤差小于2%時(shí),兩種算法的相位分辨力都能夠達(dá)到10^-13π,對(duì)應(yīng)像面上的位移分辨力為1.6×10^-12 pixel,兩種算法在理論上與四步相移法的分辨力相當(dāng);在有噪聲的情況下,兩種算法的分辨力都達(dá)到了0.01π,對(duì)應(yīng)像面上的位移分辨力為0.16 pixel;在相對(duì)誤差小于2%、方均根誤差小于3%時(shí),Horn-Schunck算法和Lucas-Kanade算法的測(cè)量范圍分別為0～17π/100和0～52π/100,分別約為0～π/6和0～π/2,并且測(cè)量范圍受噪聲的影響很小。 

【文章來(lái)源】：光學(xué)學(xué)報(bào). 2020,40(03)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

H-S算法的相對(duì)誤差分布。

圖1 H-S算法的相對(duì)誤差分布。從圖1中可以看出,相對(duì)誤差的趨勢(shì)總體上是增大的,但H-S算法在相移大于71π/100時(shí),出現(xiàn)了相對(duì)誤差陡降的情況,當(dāng)相移大于87π/100時(shí),相對(duì)誤差達(dá)到最小值,此后又陡增。從圖2中可以看出,方均根誤差的總體趨勢(shì)是增大的,但H-S算法在相移大于73π/100時(shí),出現(xiàn)了方均根誤差陡降的情況,當(dāng)相移大于87π/100時(shí),方均根誤差在達(dá)到最小后又陡增。

本文中的數(shù)據(jù)是在迭代次數(shù)為800時(shí)計(jì)算得到的(當(dāng)?shù)螖?shù)大于1000時(shí),所得結(jié)果基本上不發(fā)生變化)。對(duì)比迭代次數(shù)為700和800時(shí)的計(jì)算結(jié)果,再結(jié)合圖3和圖4可知,當(dāng)?shù)螖?shù)大于700時(shí),誤差曲線趨于平穩(wěn)。因此在H-S算法的整個(gè)誤差分析中,迭代次數(shù)取800是合理的。當(dāng)相移為17π/100時(shí),相對(duì)誤差為1.99%,小于2%,位移計(jì)算值與理論值的差距非常小,計(jì)算結(jié)果非常準(zhǔn)確,此時(shí)方均根誤差為1.07%,說(shuō)明計(jì)算得到的位移場(chǎng)的整體波動(dòng)非常小。由此可知,當(dāng)相對(duì)誤差小于2%時(shí),H-S算法的測(cè)量范圍為0～17π/100。若測(cè)量要求相對(duì)誤差小于5%,則H-S算法的測(cè)量范圍應(yīng)為0～π/4,此時(shí)方均根誤差小于4%,位移場(chǎng)的整體波動(dòng)也較小。圖4 H-S算法在迭代次數(shù)為300～1500時(shí)的誤差分布。

【參考文獻(xiàn)】：
期刊論文
[1]監(jiān)控視頻中的車(chē)輛異常行為檢測(cè)[J]. 黃鑫,肖世德,宋波.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(02)
[2]結(jié)合有序光流圖和雙流卷積網(wǎng)絡(luò)的行為識(shí)別[J]. 李慶輝,李艾華,王濤,崔智高.  光學(xué)學(xué)報(bào). 2018(06)
[3]基于全局光流特征的微表情識(shí)別[J]. 張軒閣,田彥濤,顏飛,王美茜.  模式識(shí)別與人工智能. 2016(08)
[4]光流法及其在氣象領(lǐng)域里的應(yīng)用[J]. 柳士俊,張蕾.  氣象科技進(jìn)展. 2015(04)
[5]全局光流場(chǎng)估計(jì)技術(shù)及展望[J]. 宋爽,楊健,王涌天.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(05)



本文編號(hào)：3493820