30、图像序列光流计算方法解析

图像序列光流计算方法解析

1. 引言

在图像序列的运动估计中，光流计算是一个关键问题。目前的光流技术在处理光流场时存在一些限制，例如广义孔径问题，以及在处理多运动、遮挡和透明运动时的不足。为了解决这些问题，人们提出了多种方法，包括参数化光流场模型和鲁棒技术。

2. 广义孔径问题

在所有光流技术中，对光流场 (f(x)) 都施加了严格限制。大多数技术假设在局部邻域 (U) 内光流 (f) 是恒定的。为了满足这一前提，局部邻域 (U) 通常会尽可能选小，以获得 (f) 的局部估计。然而，邻域越大，(f) 在 (U) 内变化的可能性就越大，或者 (U) 可能包含多个运动。同时，(U) 又必须足够大，以包含足够的信息来约束解，克服孔径问题。这种需求之间的竞争通常被称为广义孔径问题。

许多方法使用最小二乘估计（LS 或 TLS）来对局部邻域 (U) 内的方程（如式 (10.2)）或其他关系进行分组。通过使用二次目标函数，它们本质上假设残差误差是高斯分布的，在 (U) 内局部独立且具有相等的方差。这种假设的优点是有一个相当简单的封闭解。但当 (U) 内存在多个运动（如遮挡边界或透明运动）时，残差就不能再被视为高斯分布了。如果这些运动是独立的，误差分布甚至可能变成双峰分布。

3. 参数化光流场模型

参数化光流场模型假设光流 (f(x)) 可以根据图像坐标中的某个参数函数进行建模。合适的光流技术需要估计模型参数 (a)，其中包括平均光流以及 (f) 的空间导数。如果模型能恰当地描述 (f) 在某一区域内的空间变化，那么局部邻域可以增大到该区域大小而不违反模型假设。实际上，为了可靠地计算模型参数，与假设 (U) 内 (f) 恒定的