第1章 绪论
1.1 引言
1.2 光流计算及其研究现状
1.2.1 光流的基本概念
1.2.2 光流与真实运动
1.2.3 光流基本方程
1.2.4 光流计算中存在的问题
1.2.5 光流计算技术国内外研究现状
1.3 从光流到场景流
1.3.1 场景流的基本概念
1.3.2 场景流计算技术国内外研究现状
本章小结
第2章 变分光流基本约束与误差评估
2.1 引言
2.2 光流计算数据项
2.2.1 亮度恒常约束
2.2.2 高阶恒常约束
2.2.3 局部恒常约束
2.3 光流计算平滑项
2.3.1 全局平滑约束
2.3.2 有向平滑约束
2.4 光流计算误差分析
本章小结
第3章 彩色图像序列光流计算方法
3.1 引言
3.2 彩色图像序列光流计算基本原理
3.2.1 Lambertian表面
3.2.2 颜色模犁
3.2.3 灰度一致性约束
3.2.4 色彩一致性约束
3.3 基于色彩梯度恒常的光流计算方法
3.3.1 色彩梯度
3.3.2 算法实现
3.3.3 实验与误差分析
3.4 基于可靠性判定的彩色图像序列光流计算方法
3.4.1 彩色光流估计可靠性判定
3.4.2 算法实现
3.4.3 实验与误差分析
3.5 局部与全局相结合的彩色图像序列光流计算方法
3.5.1 彩色Lucas.Kanade光流算法
3.5.2 彩色Horn-Schunck光流算法
3.5.3 算法实现
3.5.4 实验与误差分析
本章小结
第4章 变分多约束稠密光流计算方法
4.1 引言
4.2 变分偏微分光流基本形式
4.3 能量函数的设计
4.3.1 复合数据项的构建
4.3.2 平滑项的设计
4.4 鲁棒惩罚函数
4.4.1 变分有界函数空间与全变分范数
4.4.2 基于鲁棒函数的光流能量函数
4.5 能量泛函极小化及其数值计算
4.5.1 能量泛函极小化
4.5.2 数值计算
4.6 基于图像金字塔的多分辨率光流计算
4.6.1 图像金字塔及其构建
4.6.2 多分辨率光流计算框架
4.7 实验与误差分析
4.7.1 合成图像序列实验
4.7.2 真实图像序列实验
本章小结
第5章 基于卷积神经网络的有监督光流学习方法
5.1 引言
5.2 有监督光流学习网络基本原理
5.3 有监督光流学习网络设计
5.3.1 网络架构
5.3.2 多假设约束学习
5.4 实验与误差分析
5.4.1 训练与评估数据集
5.4.2 训练策略
5.4.3 实验结果与分析
5.4.4 消融分析
5.4.5 光流计算时间分析
本章小结
第6章 基于光流的立体视差计算
6.1 引言
6.2 极线几何与极线校正
6.3 立体视觉匹配中视差与深度的关系
6.4 融合光流与分割的立体视差计算
6.4.1 算法框架
6.4.2 基于彩色分割的一致性区域提取
6.4.3 视差平面提取
6.4.4 置信传播
6.4.5 实验分析
6.5 基于光流的2D到3D视频转换
6.5.1 面向压缩视频的光流计算
6.5.2 基于光流与分割的2D到3D视频转换
本章小结
第7章 基于立体视觉的变分场景流计算方法
7.1 引言
7.2 双目立体视觉系统
7.3 自适应各向异性全变分流驱动场景流计算框架
7.3.1 亮度和梯度恒常约束相结合的数据项设计
7.3.2 自适应各向异性全变分流驱动平滑项设计
7.4 基于立体视觉的变分场景流求解
7.4.1 场景流能量泛函的变分极小化
7.4.2 场景流多分辨率求解策略
7.5 实验与误差分析
7.5.1 误差指标
7.5.2 Middlebury数据集测试
7.5.3 hemi-spheres数据集测试
7.5.4 真实场景数据集测试 本章小结
第8章 基于RGB-D图像序列的变分场景流计算方法
8.1 引言
8.2 深度图驱动各向异性全变分场景流计算框架
8.2.1 基于三维局部刚性假设的数据项设计
8.2.2 深度图驱动各向异性平滑项设计
8.3 场景流能量泛函求解
8.3.1 基于辅助变量的场景流求解
8.3.2 场景流多分辨率求解策略
8.4 实验与误差分析
8.4.1 基于Middlebury立体数据集的场景流评估
8.4.2 场景流计算的参数优化
8.4.3 真实数据场景流计算评估
本章小结
第9章 基于场景流聚类的运动目标检测
9.1 引言
9.2 ISODATA聚类分析
9.3 基于场景流聚类的3D目标检测
9.4 实验分析
本章小结
参考文献