一种基于非线性多重网格法的光流场快速估计方法

摘要

本发明涉及一种基于非线性多重网格法的光流场快速估计方法，包括：输入图像序列；将图像灰度化，并对图像进行降采样；运用变分法求与光流估计模型等价的离散化Euler‑Lagrange方程组；采用非线性多重网格法求解光流；利用OpenMP并行编程模型对能量泛函的求解过程进行加速。本发明利用非线性多重网格法求解非线性光流模型，在每一个多网格循环中消去一个非线性残差，消除了线性多重网格法的求解误差，从而保证了光流的求解精度；本发明的数值求解方法只需迭代20～30次，与现有方法相比，大大提高了光流计算的实时性。同时，本发明利用OpenMP并行编程模型对能量泛函的求解过程进行加速，提高了程序的运行速度。

主权项

一种基于非线性多重网格法的光流场快速估计方法，其特征在于，引入非线性多重网格法和OpenMP编程模型提高光流的求解速度；所述方法包括以下步骤：步骤一，输入图像序列；步骤二，将图像灰度化，并对图像进行降采样；步骤三，运用变分法求与光流估计模型等价的离散化Euler‑Lagrange方程组；运用变分法，对非线性光流能量泛函求偏导，得到与光流估计模型等价的Euler‑Lagrange方程组：$\left\{\begin{array}{c}{I}_x·(I_1-I_0)+\lambda g\left(\right|▿I\left|\right)|▿u|-\frac{\lambda }{2}div\left(g\right(|▿I|)▿u)=0\\ I_y·(I_1-I_0)+\lambda g\left(\right|▿I\left|\right)|▿v|-\frac{\lambda }{2}div\left(g\right(|▿I|)▿v)=0\end{array}\right.$式中，I为图像的灰度值，I₀与I₁分别表示前后两帧图像的灰度，u,v分别代表该点在x，y方向上的光流分量，λ为平滑项系数，g(·)为边缘函数；对方程组进行离散化，设定需要满足的精度要求并用数值方法进行逼近求解；Euler‑Lagrange方程组的离散形式如下：$\left\{\begin{array}{c}{I}_{xi,j}{u}_{i,j}·(I_{1i,j}-I_{0i,j})+{\mathrm{\lambda g}}_{i,j}{m}_1-\frac{\lambda }{2}·(g_{i+1,j}{u}_{i+1,j}+g_{i-1,j}{u}_{i-1,j}+g_{i,j+1}{u}_{i,j+1}+g_{i,j-1}{u}_{i,j-1}-4g_{i,j}{u}_{i,j})=0\\ I_{yi,j}{v}_{i,j}·(I_{1i,j}-I_{0i,j})+{\mathrm{\lambda g}}_{i,j}{m}_2-\frac{\lambda }{2}·(g_{i+1,j}{v}_{i+1,j}+g_{i-1,j}{v}_{i-1,j}+g_{i,j+1}{v}_{i,j+1}+g_{i,j-1}{v}_{i,j-1}-4g_{i,j}{v}_{i,j})=0\end{array}\right.$式中，i，j表示像素点在图像中的位置；步骤四，运用非线性多重网格法求解所述步骤3得到的Euler‑Lagrange方程组；采用非线性多重网格方法计算非线性变分光流模型，在保持非线性模型所求解光流精度的情况下，提高算法迭代收敛的效率；步骤五，利用OpenMP并行编程模型对能量泛函的求解过程进行加速。