Оптический поток

Алгоритмы оптического потока используются в основном для анализа движения. Используя два или более последовательных кадра изображения, можно рассчитать двумерное векторное поле, называемое оптическим потоком, которое отражает актуальное или наиболее вероятное смещение точек изображения от кадра к кадру.

В одной из работ оптический поток рассчитывался для двух произвольных изображений лица, для получения меры соответствия изображений. Эти два изображения считались последовательными кадрами. Затем вычислялось векторное поле, наилучшим образом отображающее одно изображение в другое, в смысле минимизации расстояния между изображениями и с учётом геометрических ограничений, таких как относительное расположение точек изображения. Алгоритм находил наиболее соответствующие блоки. Поиск осуществлялся иерархически, начиная с больших блоков, и затем разбивая их на меньшие блоки. Таким образом, строилась пирамида соответствия изображений.

Используя векторное поле оптического потока, строились различные меры соответствия, с помощью которых в базе находилось изображение, ближайшее к неизвестному. Как оказалось, даже при отображении изображения одного человека на изображение другого, результирующее изображение оказывается визуально очень похожим на исходное (рис.)

Рис. Отображение неизвестного изображения на изображение из базы. Изображения разных людей. Слева направо: неизвестное изображение, изображение из базы данных другого человека, неизвестное изображение, в котором блоки заменены блоками из известного изображения.

Поэтому в качестве другой меры соответствия использовалась дивергенция оптического потока. Точность оказалась хуже вследствие больших искажений у блоков, не представляющих важности (таких как волосы например). Использование центральной части лица дало немного лучший результат.

К недостаткам этого метода в первую очередь относится его вычислительная трудоёмкость. На специализированном параллельном компьютере сравнение двух изображений занимало больше минуты. Метод неспособен извлекать компактный набор характеристик для хранения и поиска в базе.

Однако само направление представляет большой интерес. Метод анализирует только суммарное искажение между изображениями или только суммарное несоответствие блоков, не касаясь характера этих искажений. Метод, анализирующий как характер искажения изображений, так и соответствие отдельных блоков, может дать отличный результат.

3.4.4. Общие методы Фильтры Габора

Основным преимуществом волн Габора является их способность анализировать сигналы разных масштабов или разрешений, и затем аккумулировать в себе частоту и позицию одновременно. Волна Габора - синусоидальная, моделируемая посредством огибающей Гаусса. Ядро 20-фильтра Габора определяется как:

где и , - стандартные отклонения огибающей Гаусса по направлениям x и y, - это длина волны и направление синусоидальной плоской волны, соответственно. Растяжение огибающей Гаусса определяется в терминах длины волны . определяется как , где n означает количество рассматриваемых направлений. Например, при n=2 используются два значения направления : 0° и 90°.

Отклик фильтра Габора вычисляется посредством свертки ядра фильтра с использованием изображения. Отклик фильтра для точки (х,у) задается как:

где I(x,y) означает серое изображение NxN.

К преимуществам данного метода следует отнести инвариантность к масштабу и положению объекта на плоскости. Признаки Габора также устойчивы к изменениям освещения. К недостаткам этого метода, следует отнести большие вычислительные затраты волнового преобразования Габора, увеличивающиеся пропорционально количеству волн.