光流场算法中优化图像梯度数据可信度方法

摘要：

基于梯度方法的光流场算法中,迭代次数需要足够大才能使运动物体边界数据扩散到灰度平坦的区域,计算量大,精度不高.在光流迭代方程中,梯度数据的精确度与可信度对光流计算的结果有直接的影响.对这一问题,应用Hessian矩阵判别、高斯滤波标准差修正、均值模板修正和多帧图像对比等四种方法可以有效地处理图像梯度数据,并不断修正,以提高梯度数据的可信度.这些方法通过防止运动物体边界梯度数据向邻域内盲目扩散,增加扩散的方向性,从而提高光流场计算精度和收敛速度.

关键词：机器视觉、图像梯度、Hessian矩阵、高斯滤波、均值模板、光流场

所属期刊栏目：46

分类号：TP242.6+2(自动化技术及设备)

在线出版日期：2010-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：163-165,169