【正文】 al flow motion estimation and matching at home and abroad since 1980s. In the next place, as a theoretical basis, the HS’s basic equation of optical flow method and the numerical solution is not only derived in detail, but the performance of Loggabor function is fully demonstrated as well. Finally, we objectively analyze shortings of the recent optical flow motion estimation and matching algorithms, leading to the focus of the contents of this paper: multiscale optical flow estimation of the video based on gradient optimization and a Image matching algorithm based on twostep motion estimation.Firstly, a new algorithm based on gradient optimization is presented for optical flow estimation of video images with different motion range. Original video images are first transformed by using Loggabor filtering in phase and measure, and then the spatiotemporal gradient is calculated by using the images of the feature obtained, last optical flow is calculated in the light of the spatiotemporal gradient. In the meanwhile, the video images are layered and processed by the algorithm model using coarsetofine image pyramid method. Both theory and experiment show that the algorithm is applied to the video optical flow motion estimation of the significant range. The video images which are suitable for human visual characteristics of the resolution can not only be gained, but also the spatiotemporal gradient is more optimized and optical flow calculation is more accurate. Besides, The time plexity of this algorithm is equivalent to that of the traditional optical flow method, and in the accuracy of the algorithm is superior to the methods suggested by HS, Duan etc. Secondly, a twostep motion estimation algorithm is proposed to match a series of images, which is based on Optical Flow method, and bines with Simplified Affine Transform model. The algorithm pensates the disadvantage of classical image matching methods, and obviously reduces image matching error. Besides, with the use of simple and direct solution, The method can not only assures the accuracy of Simplified Affine Transform parameters but also greatly reduces putational plexity. Experiment results show that the algorithm is more effective for images with largescale motion and plex deformation.Key words: Optical flow。第二，以光流法(Optical Flow)為基礎(chǔ)，結(jié)合簡化的仿射變換(Simplified Affine Transform)模型，提出了一種基于兩步運(yùn)動估計(jì)的系列圖像匹配算法——SAT_OF算法。先用Loggabor濾波器對原視頻圖像進(jìn)行相位、尺度濾波，再用所得的特征圖像來計(jì)算時空梯度，最后根據(jù)時空梯度計(jì)算光流。本文首先介紹了二十世紀(jì)八十年代以來國內(nèi)外對光流運(yùn)動估計(jì)和匹配問題研究的各類算法，分析了光流運(yùn)動估計(jì)及匹配方法的研究現(xiàn)狀。學(xué)位論文作者簽名： 簽字日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解 重慶郵電大學(xué) 有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。分類號 TP391 密級 公開重慶郵電大學(xué)碩士學(xué)位論文論文題目 基于光流的運(yùn)動估計(jì)與匹配方法研究(題名和副題名)英文題目 Research on the Methods of Motion Estimationand Matching Based on Optical Flow碩士研究生 李文羽 指導(dǎo)教師 胡學(xué)剛 教授 學(xué)科專業(yè) 計(jì)算機(jī)應(yīng)用技術(shù) 論文提交日期 2010年5月 論文答辯日期 論文評閱人 答辯委員會主席 2010年5月16日獨(dú) 創(chuàng) 性 聲 明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。本人授權(quán) 重慶郵電大學(xué) 可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。其次，作為理論基礎(chǔ)，不但詳細(xì)推導(dǎo)了HS光流法的基本方程和數(shù)值解法，而且全面論證了Loggabor函數(shù)的性能。該算法模型同時運(yùn)用由粗到精的圖像金字塔方法對視頻圖像分層處理。該算法彌補(bǔ)了傳統(tǒng)的圖像匹配方法的不足，而且使圖像匹配殘差明顯減小。 Motion estimation。 Simplified affine transform目 錄摘 要…………………………………………………………………IAbstract……………………………………………………………II第一章 緒論………………………………………………………1 論文選題背景…………………………………………………………………1 光流運(yùn)動估計(jì)研究現(xiàn)狀………………………………………………………2 基于微分技術(shù)的方法…………………………………………………2 基于頻域的方法………………………………………………………3 其它光流估計(jì)方法……………………………………………………5 小結(jié)……………………………………………………………………5 圖像系列中匹配技術(shù)研究現(xiàn)狀………………………………………………5 圖像匹配中基本的空間變換…………………………………………6 剛性匹配方法…………………………………………………………7 非剛性匹配方法………………………………………………………8 小結(jié)……………………………………………………………………9 論文主要工作………………………………………………………………10 論文結(jié)組結(jié)構(gòu)………………………………………………………………11第二章 光流運(yùn)動估計(jì)和匹配技術(shù)基礎(chǔ)…………………………12 HS光流向量計(jì)算……………………………………………………………12 亮度恒定假設(shè)…………………………………………………………12 光流基本方程…………………………………………………………12 孔徑問題………………………………………………………………13 平滑性準(zhǔn)則……………………………………………………………13 總誤差目標(biāo)函數(shù)………………………………………………………14 時空圖像差分方法……………………………………………………15 總誤差目標(biāo)函數(shù)的最優(yōu)化方法………………………………………15 求解過程的數(shù)值計(jì)算方法……………………………………………16 loggabor濾波器……………………………………………………………17 一維loggabor函數(shù)及其特性………………………………………17 二維loggabor濾波器的構(gòu)造………………………………………19 仿射變換……………………………………………………………………20 本章小結(jié)……………………………………………………………………22第三章 基于梯度優(yōu)化的多尺度視頻光流估計(jì)…………………24 引言…………………………………………………………………………24 計(jì)算優(yōu)化的時空微分梯度…………………………………………………24 loggabor濾波器的設(shè)計(jì)……………………………………………24 時空微分梯度的計(jì)算…………………………………………………25 金字塔光流運(yùn)動估計(jì)………………………………………………………26 實(shí)驗(yàn)結(jié)果及分析……………………………………………………………28 本章小結(jié)……………………………………………………………………31第四章 一種基于兩步運(yùn)動估計(jì)的系列圖像匹配算法…………33 引言…………………………………………………………………………33 基于兩步運(yùn)動估計(jì)的匹配算法……………………………………………34 仿射運(yùn)動估計(jì)…………………………………………………………34 光流運(yùn)動估計(jì)…………………………………………………………35 SAT_OF算法模型………………………………………………………36 實(shí)驗(yàn)結(jié)果分析………………………………………………………………37 本章小結(jié)……………………………………………………………………40第五章 總結(jié)及未來的工作………………………………………41 總結(jié)…………………………………………………………………………41 未來的工作…………………………………………………………………41致 射………………………………………………………………43攻讀碩士期間從事的科研工作及取得的研究成果………………44參考文獻(xiàn)……………………………………………………………45第一章 緒論隨著多媒體和網(wǎng)絡(luò)通信技術(shù)的飛速發(fā)展，計(jì)算機(jī)系統(tǒng)越來越注重動態(tài)圖像的處理和分析，心理學(xué)已經(jīng)證明，人類對運(yùn)動物體比對靜止物體更敏感，但計(jì)算機(jī)系統(tǒng)對動態(tài)圖像系列的處理能力仍然低下。本文主要研究運(yùn)動估計(jì)的軟件實(shí)現(xiàn)方法。塊匹配法簡單、有效，目前發(fā)展相對成熟[39]。與相位有關(guān)的運(yùn)動估計(jì)方法有相位相關(guān)法[17]和小波濾波器法[18]，這類方法能方便的檢測出圖像的尺度變換和旋轉(zhuǎn)變換，具有良好的時頻局部化能力，但使用變換帶來了額外的計(jì)算量。從研究圖像像素強(qiáng)度出發(fā)，進(jìn)行運(yùn)動圖像的定量分析，計(jì)算圖像的運(yùn)動參數(shù)既是必要的也是可能的。前者稱之為全局運(yùn)動，后者則稱為局部運(yùn)動[21]。動態(tài)圖像序列的運(yùn)動估計(jì)實(shí)際上就是這種“運(yùn)動場”的估計(jì)，這種運(yùn)動場被稱之為“光流場”。 基于微分技術(shù)的方法 同Horn和Schunck運(yùn)用速度矢量場光滑的全局約束相比，以Lucas和Kanade為代表的一階差分局部平滑運(yùn)動參數(shù)估計(jì)方法將其局部化，在一個小的鄰域運(yùn)用了帶權(quán)值的窗函數(shù)來約束光流方程[22,23]:或. （）Lucas和Kanade假設(shè)速度矢量在一個小的空間鄰域內(nèi)為常數(shù)，