发明名称 | 二视图像场景的运动分割方法 | ||
摘要 | 一种图像处理技术领域的二视图像场景的运动分割方法,包括步骤为:进行局部特征提取和特征抽象描述;对提取的局部特征进行初步匹配,形成特征点对匹配集合;为每一特征点对生成一个初始运动模型,得到初始运动模型集合;将每一个初始运动模型映射成一个高维概率向量;为每个高维概率向量指定权重;通过指导抽样和分治处理,得到若干主要运动,使概率向量集合中剩余的概率向量都小于概率阈值;进行特征点对匹配附属指派,并剔除异常。本发明不需要任何关于运动模型数量的先验知识;可以在无需大量特征点的情况下,处理大数量的运动模型;能够较好地处理噪声数据;解决了均值平移的局限性,扩大了应用面;在时间消耗方面取得了一定的改善。 | ||
申请公布号 | CN101877133B | 申请公布日期 | 2012.05.23 |
申请号 | CN200910311674.2 | 申请日期 | 2009.12.17 |
申请人 | 上海交通大学 | 发明人 | 陈凯;周异;张艳;王会靖;郑琪 |
分类号 | G06T7/20(2006.01)I | 主分类号 | G06T7/20(2006.01)I |
代理机构 | 上海汉声知识产权代理有限公司 31236 | 代理人 | 郭国中 |
主权项 | 一种二视图像场景的运动分割方法,其特征在于,包括以下步骤:第一步,分别对两幅相似的刚性运动场景图像进行局部特征提取和特征抽象描述;第二步,采用近邻查找和基于相对距离比值筛选的方法对提取的局部特征进行初步匹配,形成特征点对匹配集合;第三步,在特征点对匹配的基础上,通过局部近邻抽样为每一特征点对生成一个初始运动模型,所有初始运动模型构建成初始运动模型集合;第四步,通过适应性度量,将每一个初始运动模型映射成一个高维概率向量,所有的高维概率向量形成一个概率向量集合;第五步,根据每个高维概率向量代表的运动模型所适应的特征点对匹配数目,为每个高维概率向量指定权重;第六步,通过指导抽样选取置信概率最大的运动模型作为第一主要运动,并将与第一主要运动行为一致的运动模型所对应的概率向量从概率向量集合中删除;第七步,采用分治处理,不断重复第六步,直至得到第N主要运动,且此时概率向量集合中剩余的概率向量小于概率阈值;第八步,根据得到的N个主要运动进行特征点对匹配附属指派,同时剔除异常,得到该动态场景中的运动模型个数、模型参数和图像局部特征点根据运动附属关系的分类信息。 | ||
地址 | 200240 上海市闵行区东川路800号 |