基于深度匹配的由稀疏到稠密大位移运动光流估计
针对非刚性大位移运动场景的光流计算准确性与鲁棒性问题,提出一种基于深度匹配的由稀疏到稠密大位移运动光流估计方法.首先利用深度匹配模型计算图像序列相邻帧的初始稀疏运动场;其次采用网格化邻域支持优化模型筛选具有较高置信度的图像网格和匹配像素点,获得鲁棒的稀疏运动场;然后对稀疏运动场进行边缘保护稠密插值,并设计全局能量泛函优化求解稠密光流场.最后分别利用MPI-Sintel和KITTI数据库提供的测试图像集对本文方法和Classic+NL,DeepFlow,EpicFlow以及FlowNetS等变分模型、匹配策略和深度学习光流计算方法进行综合对比与分析,实验结果表明本文方法相对于其他方法具有更高的光流计算精度,尤其在非刚性大位移和运动遮挡区域具有更好的鲁棒性与可靠性.
稠密光流、深度匹配、邻域支持、图像网格、全局优化
48
TP391.41;TP273.4;TN911.73
国家自然科学基金;国家自然科学基金;江西省优势科技创新团队;江西省杰出青年人才资助计划;航空科学基金
2022-10-09(万方平台首次上网日期,不代表论文的发表时间)
共11页
2316-2326