动态场景中自适应去除外点的全局运动估计方法

被引：4

作者：

王兴梅 ^{[1
]}

印桂生 ^{[1
]}

门志国 ^{[2
]}

仇晨光 ^{[3
]}

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

[2] 哈尔滨工程大学自动化学院

[3] 中国兵器工业集团第二一四研究所苏州研发中心

来源：

南京理工大学学报 | 2011年 / 35卷 / 04期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

动态场景; 匹配; 特征点; 全局运动估计; 外点;

D O I：

10.14177/j.cnki.32-1397n.2011.04.010

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为在动态场景图像序列中准确地完成全局运动估计,提出一种自适应去除外点的全局运动估计方法。对尺度不变特征变换(Scale invariant feature transform,SIFT)算法提取出的特征点利用最近邻搜索算法中的BBF(Best Bin First)方法进行匹配。为提高全局运动估计的精度,提出改进的随机抽样一致(RANdom SAmple Consensus,RANSAC)算法。此算法能够自适应地去除外点,即利用特征点运动矢量的方差控制迭代次数来进行外点的去除,最终通过摄像机运动模型实现准确的运动参数估计和背景补偿。对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验表明,提出的方法能够快速地完成动态场景中的全局运动估计与补偿,具有较高的精度和适应性。

引用

页码：442 / 447

页数：6

共 5 条

[1] RANSAC算法的自适应T预检验
田文
王宏远
徐帆
方磊
[J]. 中国图象图形学报, 2009, (05) : 973 - 977
[2] 基于RANSAC+LS算法的红外成像全局运动估计
卓志敏
杨莘元
杨雷
[J]. 兵工学报, 2008, (03) : 308 - 312
[3] 基于预检验的快速随机抽样一致性算法
陈付幸
王润生
[J]. 软件学报, 2005, (08) : 1431 - 1437
[4] Incremental Learning for Robust Visual Tracking[J] . David A. Ross,Jongwoo Lim,Ruei-Sung Lin,Ming-Hsuan Yang.International Journal of Computer Vision . 2008 (1)
[5] Preemptive RANSAC for live structure and motion estimation
Nistér, D
[J]. MACHINE VISION AND APPLICATIONS, 2005, 16 (05) : 321 - 329

← 1 →