模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (7): 631-645    DOI: 10.16451/j.cnki.issn1003-6059.202107005
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于运动优化语义分割的变分光流计算方法
葛利跃1,2, 邓士心2, 龚洁2, 张聪炫2,3, 陈震2
1.南昌航空大学 信息工程学院 南昌 330063;
2.南昌航空大学 无损检测技术教育部重点实验室 南昌 330063;
3.中国科学院自动化研究所 模式识别国家重点实验室 北京 100190
Variational Optical Flow Computation Method Based on Motion Optimization Semantic Segmentation
GE Liyue1,2, DENG Shixin2, GONG Jie2, ZHANG Congxuan2,3, CHEN Zhen2
1. School of Information Engineering, Nanchang Hangkong University, Nanchang 330063;
2. Key Laboratory of Nondestructive Testing, Ministry of Education, Nanchang Hangkong University, Nanchang 330063;
3. National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing 100190

全文: PDF (4912 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对光照变化和大位移运动等复杂场景下图像序列变分光流计算的边缘模糊与过度分割问题,文中提出基于运动优化语义分割的变分光流计算方法.首先,根据图像局部区域的去均值归一化匹配模型,构建变分光流计算能量泛函.然后,利用去均值归一化互相关光流估计结果,获取图像运动边界信息,优化语义分割,设计运动约束语义分割的变分光流计算模型.最后,融合图像不同标签区域光流,获得光流计算结果.在Middlebury、UCF101数据库上的实验表明,文中方法的光流估计精度与鲁棒性较高,尤其对光照变化、弱纹理和大位移运动等复杂场景的边缘保护效果较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
葛利跃
邓士心
龚洁
张聪炫
陈震
关键词 变分光流运动优化语义分割去均值归一化互相关边缘保护    
Abstract:To address the issues of edge-blurring and over-segmentation of image sequence optical flow computation under complex scenes,such as illumination change and large displacement motions, a variational optical flow computation method based on motion optimization semantic segmentation is proposed. Firstly, an energy function of variational optical flow computation is constructed via a image local region based zero-mean normalized cross correlation matching model. Then, the motion boundary information obtained from the computed optical flows is utilized to optimize the initial image semantic segmentation result, and a variational optical flow computation model based on the motion constraint semantic segmentation is constructed. Next, the optical flows of various label areas are fused to acquirethe refined flow field. Finally, experimental results on Middlebury and UCF101 databases demonstrate that the proposed method performs well in computation accuracy and robustness, especially for the edge preserving with illumination change, textureless regions and large displacement motions.
Key wordsVariational Optical Flow    Motion Optimization    Semantic Segmentation    Zero-Mean Normalized Cross Correlation    Edge-Preserving   
收稿日期: 2021-04-09     
ZTFLH: TP391  
基金资助:国家重点研发计划项目(No.2020YFC2003800)、国家自然科学基金项目(No.61866026,61772255,61866025)、中国博士后科学基金项目(No.2019M650894)、江西省自然科学基金重点项目(No.20202ACB214007)、江西省优势科技创新团队计划项目(No.20165BCB19007)、江西省科技创新杰出青年人才计划项目(No.20192BCB23011)、航空科学基金项目(No.2018ZC56008)资助
通讯作者: 张聪炫,博士,副教授,主要研究方向图像处理、计算机视觉.E-mail:zcxdsg@163.com.   
作者简介: 葛利跃,硕士,助教,主要研究方向为图像处理、计算机视觉.E-mail:lygeah@163.com.邓士心,硕士研究生,主要研究方向为图像处理、计算机视觉.E-mail:deng969327@163.com.龚 洁,硕士研究生,主要研究方向为图像检测、智能识别.E-mail:1014800063@qq.com.陈 震,博士,教授,主要研究方向为图像理解与测量.E-mail:dr_chenzhen@sina.com.
引用本文:   
葛利跃, 邓士心, 龚洁, 张聪炫, 陈震. 基于运动优化语义分割的变分光流计算方法[J]. 模式识别与人工智能, 2021, 34(7): 631-645. GE Liyue, DENG Shixin, GONG Jie, ZHANG Congxuan, CHEN Zhen. Variational Optical Flow Computation Method Based on Motion Optimization Semantic Segmentation. , 2021, 34(7): 631-645.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202107005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I7/631
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn