一种高分辨率图像的实时光流计算方案

Horn-Schunck(HS)法是一种稠密光流法,其计算复杂对于高分辨图像难以达到实时处理的效果,限制了它在实际工程中的应用。为此,提出一种高分辨率图像的实时光流计算方案。该方案由三个部分组成:基于动态灰度阈值的图像序列处理策略,该策略通过剔除受光照变化影响的像素点减少计算量,提升算法效率;增量更新的数值求导,通过避免重复计算,提高梯度计算的速度;基于GPU(Graphics Processing Unit)的图像数据并行存储检索结构与共享内存(Shared memory)优化策略,减少数据传输耗时,提高数据访问速度。风洞实验表明:动态灰度阈值策略能有效剔除受光照变化影响的像素点,较原HS光流法平均效率提升122.81%;增量更新的数值求导实验表明:增量更新的数值求导较传统求导效率提升分别为16.41%、17.60%、17.82%以及18.57%,效率随着图像分辨率增加而提高;光流并行计算实验表明:对于分辨率为1728×2352的图像,该方案的实时处理速度达到80帧/秒(fps),应用前景广阔。

基于运动估计的图像标记点实时识别方法

针对高分辨率视频测量(VM)中标记点难以实时识别的问题,提出基于运动估计的图像标记点实时识别方法,通过标记点运动估计模型获得标记点在时序图像中的预估坐标,根据各预估坐标对图像并行分割获得对应搜索域,并采用增量更新的Freeman链码提取标记点轮廓信息,从而达到实时识别标记点的目的。运动估计实验表明:该模型能实现风洞环境中图像标记点运动估计,最大误差仅为5.597像素;标记点并行识别实验表明:利用现场可编程门阵列(FPGA)实时识别标记点,处理效率达到2GB/s,应用前景广阔。