基于双分数阶变分光流模型的运动目标检测方法

变分光流法是常用的运动目标检测方法,应用场景中的光照变化会极大影响现存变分光流法的稳定性及准确率,提出基于分数阶的变分光流模型来提高光照变化鲁棒性.该模型将分数阶导数同时应用于经典变分光流模型的数据项及平滑项中;根据图像的数据特征,采用图像函数及光流向量函数的有限离散二重分数阶导数近似拟合求导结果计算光流向量,进而将光照变化的影响按比例分摊到了各周边像素点中,弱化了光流向量计算过程中光照变化对光流模型的影响.为避免同一像素点的二重分数阶导数覆盖了不同光流向量区域的问题,采用超像素分割来舍弃不在同一光流向量区域的像素点,从而保证了同一光流向量区域的整体性,从而进一步提高模型的光流估计准确率.在三大常用数据库及户外视频序列中进行实验,实验证明,在应用场景存在光照变化的前提下,基于双分数阶的变分光流模型优于其他算法;对比其他算法,文中算法的运算速度适中.

基于自适应双分数阶光流模型的运动目标分割

针对当前光流算法在光照不足的环境下不能进行弱纹理区域的运动目标分割问题,提出了一种自适应双分数阶光流(ADFOVOF)模型.该模型在双分数阶光流(DFOVOF)模型的基础上,通过图像信噪比计算DFOVOF模型中数据项的分数阶微分掩模的阶次及尺寸;应用以光流向量为特征的超像素调整DFOVOF模型中平滑项的分数阶微分掩模的形状.实验结果表明,在光照不足或者光照变化剧烈的场景下,文中算法能够精确估计光流场,获得清晰的运动目标轮廓.