火灾烟雾的轮廓光流矢量分析

由于烟雾运动具有特殊的湍流特性,使得其运动方向具有特定一致性.利用这一特性,采用光流矢量分析方法,对可疑区域运动方向进行判定.为了提高算法实时性,首先提取可疑区域轮廓,然后对轮廓光流矢量进行分析.通过对比烟雾与非烟雾干扰（包括运动的光照、行进中的汽车车灯、水蒸气等）,分析其轮廓的光流矢量特性,发现烟雾轮廓与非烟雾轮廓的光流矢量具有明显差异性,即其运动矢量基本呈现向上、向外扩散的趋势,因此角度基本位于一、二象限,即在0°~180°之间（除个别干扰点）,这也与烟雾湍流运动特征相匹配,而分析非烟干扰发现,运动矢量并不具备这一特征.通过对比实验证明了该算法在保证准确度的基础上,将传统光流算法的计算速度提高了3倍.

基于光流矢量行波分离的相关加权逆时偏移成像

逆时偏移由于基于双程波方程进行波场延拓,应用互相关成像条件所得到的成像结果中包含了大量的低波数噪声.基于Poynting矢量行波分离的逆时偏移方法虽可有效压制这些噪声干扰,但其也存在Poynting矢量计算不稳定、行波分离精度不高以及各行波分离成像剖面叠加权重难以确定等问题.本文基于光流矢量实现了震源正时波场和检波点逆时波场的高精度分离,分别得到了左上、左下、右上、右下四个方向的行波,进而由正时和逆时波场的每两个行波互相关得到16个成像剖面;在此基础上,将这16个成像剖面分别与参考剖面做相关计算,并将相关值作为权重分别赋予各成像剖面,最终实现了基于光流矢量行波分离的相关加权逆时偏移成像.理论模型数据与实际资料试算表明:相比于常规基于Poynting矢量行波分离的逆时偏移方法,本文方法可更精确、稳定地实现震源波场和检波点波场的行波分离,同时该方法采取的相关加权成像方式,避免了人为取舍或仅赋予各波场成像剖面经验权重的缺陷,有效提高了逆时偏移的成像精度.

基于运动显著图和光流矢量分析的目标分割算法

为提高运动目标分割算法对多种复杂场景的自适应能力和分割精度,提出一种基于运动显著图和光流矢量分析的目标分割算法。该算法首先基于运动显著图提取运动目标的大致区域,然后利用光流矢量获得运动目标和背景区域的运动边界,并结合点在多边形内部原理得到运动目标内部精确的像素点,最后以超像素为基本分割单元,通过引入置信度的概念实现最终像素一级的目标分割。通过与典型算法进行多场景实验对比,表明该算法能够有效实现多种复杂场景下的运动目标分割,并且较现有算法具有更高的分割精度。

基于Horn-Schunck光流运动矢量法的印章图像匹配

HS光流法是基于机器视觉的运动目标方法中的主流方法之一,1981年由Horn和Schunck等人提出光流约束方程,对光流计算奠定了深厚的基础。本文通过引入HS光流计算方法,生成待识别印章与存档印章的光流速度矢量场,再计算矢量误差的局域方差从而计算综合判定待识别印章的真伪。实验结果证明,HS光流法一定程度上可以鉴别真伪印章。

改进的光流法用于车辆识别与跟踪

利用帧间差分获取运动区域,采用梯度阈值获取二值图像,再提取运动区域目标特征点的光流,对光流矢量采取分段标注,设置感兴趣区域。利用光流特性实现目标的识别,定位与跟踪,对于运动目标的跟踪具有实时性和鲁棒性,能够用于车流量统计,对车辆辅助行驶研究起到一定的铺垫作用,实验结果证明该算法的有效性和实用性。

基于光流法的气流场测量研究

气流场的测量是许多研究领域的难点问题,其中的核心问题是示踪粒子的选取。该文从适应业务工程需求的角度出发,着眼于气流场测量的难点问题,基于光流法原理,采用蒲公英种子为示踪粒子,开展气流场测量的实验研究。实验研究中以小型风洞的气流场作为研究对象,利用高速摄像机连续拍摄粒子运动,再采用光流法计算粒子的轨迹、方向和速度,以此反映气流场的情况。结果表明:基于光流法并结合蒲公英种子作为示踪粒子的气流场测量方法是一种有效的新型测量方法,蒲公英种子的随流性较好,能够真实反映出气流场的特征,可进一步开发推广应用于各研究领域的气流场的测量。

旋转复杂背景中红外运动小目标实时检测

针对旋转复杂背景中红外运动小目标检测误检率高、实时性差等问题,提出了目标检测新算法。首先对图像进行中值滤波预处理,计算图像光流场,提取特征点,估算背景光流;然后设置阈值,判断提取备选目标特征点集合;最后通过特征点光流矢量角度、目标灰度值区间、目标特征点区域边缘检测的方法,排除备选目标特征点集合中的背景特征点,实时准确检测旋转复杂背景中红外运动小目标。实验结果表明,该算法能够准确地检测出红外多个运动小目标,检测率93.8%,平均虚警率0.126次/帧,平均每帧耗时15.53 ms,每帧图像处理的最大时间为20.45 ms,能够满足运动目标检测对实时性的要求。

基于背景配准的矿井危险区域视频目标检测算法

针对矿井危险区域视频监控视场背景复杂,难以实现视频目标精确提取的问题,提出了一种基于背景配准的视频目标检测算法。该算法实现步骤:提取SIFT特征点,计算特征点区域H-S光流矢量;通过区域运动特性分析提取出背景运动区域,对背景运动区域特征点做帧间匹配;计算仿射参数,配准差分后提取出精确的目标区域。实验结果表明,该算法能够去除前景目标特征点对背景配准的影响,可获得较为精确的目标区域。