基于特征匹配的非刚性大位移光流算法

王广龙，田杰，朱文杰，方丹

(陆军工程大学 石家庄校区 纳米技术与微系统实验室，河北，石家庄 050003)

光流估计问题是计算机视觉领域的基础性问题之一，光流场能够定量地描述帧间像素的对应关系并提供图像中物体的运动和结构信息，在图像配准、运动目标检测、目标识别与跟踪等领域扮演重要角色.

变分法是求解光流的主流方法[1]，Horn和Schunck最早将变分理论引入光流估计中，将光流估计问题转化为能量泛函在一定条件下的极值问题. 变分光流求解精度高且能够获得致密的光流场，其能量函数一般由数据项和平滑项构成，数据项决定了光流的精度，平滑项反映了光流计算时的平滑策略. 当前非刚性大位移光流估计问题是计算机视觉领域的一大难题[2]. 与刚性目标相比，非刚性目标一般局部变形严重、非线性特征明显、缺乏统一变换模型[3]. 一般而言，用于解决大位移的由粗到精的图像金字塔策略并不能够很好地解决非刚性大位移光流估计问题，当非刚性目标的相对运动(如：人体的4肢运动)大于其自身的尺寸时，受局部极值点的影响，求得的光流值往往是错误的. 对此，Brox等[2]将特征匹配融入到光流框架中，能够较好地捕捉到非刚性大位移运动，王婕妤等[4]将SIFT特征匹配项作为约束项增加到能量函数中，实现了大形变医学图像的非刚性配准.

本文受文献[2]启发，将特征匹配融入变分光流框架中，提出了一种基于特征匹配的非刚性大位移光流算法. 首先，提出了一种优化的数据项，该数据项不再笼统地假设整副图像满足颜色和梯度一致性条件，而是自适应地根据每个像素的特点进行一致性条件的选择；……