27、图像运动分析与光流估计技术解析

图像运动分析与光流估计技术解析

1. 颜色表示与归一化

在图像表示中，可以使用亮度、色调和饱和度来表示颜色。首先，将梯度的平方幅值映射到强度上；其次，使用相干性度量方程作为饱和度；方向向量的角度表示为色调。

然而，由于梯度的平方幅值变化过大，而显示屏的动态范围较窄（只有256个亮度级别），因此需要进行合适的归一化处理。归一化的基本思想是将梯度的平方幅值与噪声水平进行比较，当梯度远高于噪声水平时，将其视为重要信息。强度I的归一化公式如下：
[I = \frac{J_{11} + J_{22}}{(J_{11} + J_{22}) + \gamma\sigma_n^2}]
其中，(\sigma_n)是噪声水平标准差的估计值。该归一化方法使得当梯度幅值大于(\sigma_n)时，亮度迅速过渡到1；当梯度幅值小于(\sigma_n)时，亮度过渡到0。因子(\gamma)用于优化显示效果。

2. 运动分析概述

运动是图像序列的一个重要特征，它通过将空间图像特征与时间变化联系起来，揭示场景的动态信息。在计算机视觉中，运动分析是一个具有挑战性的基本问题。从二维图像序列中可获取的唯一运动参数是光流f，它是二维运动场u在图像传感器上的近似。运动场是场景中三维点的运动在图像传感器上的投影。

估计得到的光流场可用于多种后续处理步骤，包括运动检测、运动补偿、基于运动的数据压缩、三维场景重建、自主导航以及科学应用中动态过程的分析等。

然而，运动估计存在诸多困难，主要源于光流与真实运动场之间的固有差异。由于只能提取序列中的表观运动，因此在进行定量场景分析时，需要对亮度变化、物体属性以及相对三维场景运动与二维图像传感器投影之间