如何提高直接运动估计算法鲁棒性.docVIP

讨论：如何提高直接运动估计算法鲁棒性 三维运动估计允许描述一个三维空间物体的运动——这个运动由运动物体的图像进行估计。与二维运动估计一样，三维运动估计是一个病态问题。为了保证得到有用的解，我们做一些简化的假设——例如刚性物体，通常是已知形状的。如果物体的形状是未知的，大多数算法假设物体的形状是平面或者是抛物线的。 对于三维运动估计，可以用正交或者透视投影作为摄像机模型。另一种三维运动估计算法的分类包括直接方法（用图像信号作为其输入）和间接方法（依赖于用一个分离算法（例如块匹配或特征匹配）建立的特征对应）。 鲁棒估计：为了使运动估计不容易受到图像噪声影响或者避免我们的模型假设的扰乱，必须注意选择和使用的观测点。有两种类型的误差会影响运动估计： 一、由采样图像信号时出现的图像噪声引起的测量误差 测量误差：由于很多算法都是基于四边形的图像信号模型的。由于这最多只在观测点位置周围的一个小区域成立，在开发一个健壮的直接运动估计器时，适当选择观测点是一个很重要的因素。 考虑到图像噪声，我们可以到处一个选择观测点的基本准则。假设摄像机噪声在两个相机的帧是i.i.d，并且噪声方差为，则图相差信号的噪声将是： 由于使用帧差计算运动，必须注意我们仅考虑了摄像机噪声影响很小的那些地方的观测点，也就是说，我们更喜欢帧差超过某个最小值的那些观测点。 因为，我们把局部位移表示为一个无噪声亮度信号的函数。在有噪声的环境中，梯度g（X）应该具有大的绝对值，以便限制摄像机噪声的影响。因此我们只选择梯度大于阈值的点作为观测点： ||＞ ||＞ （1） 相对大的梯度也考虑到了运动参数的精确估计，因为一个微小的误匹配立即会产生高的DFD或者。 所以，我们选择的观测点具有零梯度或者很小的梯度，这个点可能会移动几个像素而不会引起显著的DFD。用这种观测点的初始选择，以便限制摄像机噪声的影响。 二、当估计算法的模型假设不成立时出现的模型误差 模型误差：我们都是采用通过使残差误差的方差为最小求解的。然而这种方法对模型误差敏感。模型误差出现是因为我们采用求解的公式是基于几个模型假设和近似的。而这些假设和近似倾向于对大多数而不是对所有的观测点成立。破坏这些假设的观测点称为异点（outlier）。当用最小平方法解公式时，异点对解有很大的影响。因此在估计的过程中，我们必须采取措施限制这些异点的影响。 以下的假设有时是不成立的：1、刚性的真实物体；2、四边形图像信号模型；3、模型物体形状与真实物体形状具有小的偏差；4、漫射照明和漫反射表面。 下面，我们讨论每一个这样的假设对运动估计精度的影响。 假设1：在部分真实物体不是刚性的情况下（即物体是柔性的），图像的一些区域就不能用物体的运动、形状和彩色参数来描述。这些图像区域称为模型失效区，可以由他们潜在的高帧差加以检测。具有高帧差的观测点可以归类为异点。在迭代中，我们将只考虑那些对于： ＜ （2） 其中，= 成立的观测点X。阈值用来从考虑的问题中去掉异点。方差应该在每次迭代后从新计算。 假设2：运动估计是基于一个四边形信号模型的。这至多在观测点X点周围的一个小区域内成立。它只允许在一次迭代中估计小的位移（）。给定一个图像的梯度和我们希望允许估计的最大位移，对于每个观测点可以限制所能允许的帧差，并且如果需要的话，对每一次给定的迭代排除一个观测点。我们认为这个点是不符合图像信号模型的。 假设3：模型物体与真实物体之间的形状差，可以用沿着观测线的观测点的空间不确定性来描述。可以考虑在估计中使用卡尔曼（Kalman）滤波器。 假设4：尽管非漫射照明和反射的影响扰乱图像的分析，但它们通常不是单独建模的。在一定程度上，在检测模型失效时，这些图像区域自动被检测。 综上所述，我们得到结论，应该根据公式（1）用大的图像梯度选择观测点。在运动估计中，只有通过了这个初始测试的观测点才将被考虑。对于一次给定的迭代将要使用的观测点，公式（2）提供了一种选择的准则。 除了根据公式（2）对观测点使用二进制选择准则以外，我们也可以使用连续的成本函数来控制观测点对参数估计的影响。