Image Flow Field Detection

Abstract

• 在图像上的流场应该是被平滑的，而且主要是在方向进行平滑而不是其大小方面。
• 本文提出了一种采用多尺度修正策略的算法，该算法利用所提出的平滑约束作为优化过程中的规范化术语，并用于估计图像流场
• 实验结果表明该算法在处理图像扩展和不连续可见表面方面都是有效的。

Introduction

• 图像流场（IFF），通常定义为由于观察者和环境的相对运动引起的图像变化中表面速度的分布，可以用于确定观察者运动，恢复环境的三维结构或用于组合结构和运动估计。
• 如果要从真实图像序列获得对IFF的良好估计，则必须要克服两个障碍：

1. 观察表面中较大的不连续性，这将导致常用的IFF平滑度约束变得不现实。
2. 由于不稳定的相机行为导致的不一致，通常是大的运动 - 这通常发生在实际应用中并且可能使帧间滤波器。

• 本文提出了一种平滑度约束，其通过将局部图像流方向视为通过相应图像位置的对极曲线的切线而获得。
• 作为流场估计的约束，可以从不连续表面的图像中获得良好的结果。
• 事实证明，多尺度策略在解决连续图像之间的大变化问题和减少流场估计中涉及的计算量方面都很有用。
• 注意到局部图像变化可能大于可以对图像流进行近似估计的区域，我们建议将流场估计过程分为两部分：

1. 计算将估计带入可预测区域的初始流程
2. 计算可用于改善初始值的分数估计。

• 在该方法中，图像序列以一系列比例表示。 在一个尺度上获得的流场用作下一个（更高）尺度的初始估计，其中仅需要估计分数校正。

The Image Flow Field Of A Stationary Environment

• 这是最简单的运动形式，尽管可以对来自更复杂环境的流场进行分段，使得每个区域仅包含相对于观察者的单个运动。
• 令x，y是现实世界点P的图像坐标（ X：Y，Z），Cx，Cy，Cz，是原始摄像机位置和原始摄像机方向的
• 定义了原始相机位置，而不失一般性࿰