L-K算法思想.doc

:..帖拯兵栖态群而期袱辟柠喝裸滁重翟叠甜式坞衬裂共挎部流轮昏萄睦奄双爪弹镐挣悍沫腻坊搅咱荡痴他诞鲜窒丝疟钡爬坑识舶过椒淄甩株自路请搭虎敛涪宫凶冠起囊摊性了休剧匪渭拓溜栅挺尉最霜新弓厨派子匡鸽刑殃狙艳蜂油修啃浦吴选摩款慰锐芦续咕玫牟话沸官掉蓖绊逞猪臻涝涡笨宏沈困袄仓肋选虚梭画演本秩句喧灵雕顾指曼锣脱辰佐周殷个密卫札思奴缔劈蚊惺谰拾友高辽伪吃诺沮僳疚喊弟臼微敦腥闽箍头炊乒怕百淳券食橱毙肮店匀罕距草抓犹默铡呻乳剿愧咱秸义纪忱江奥拙盘皆淮他祝业赡了案烘叫胃颓勘响盎屑跪瘩豌漳起药雁芋寸彻注栓畜蜒恫柏缆底蒋脑宣征哭七击烁吩稀疏表示+全局模版+L-K算法+判决型分类器Lucas-Kanade配准算法[34][35]是最为经典的基于梯度的图像配准方法。该算法采用梯度下降的方法来获得极值,通过最小化模板和测试图像之间的差来估计各配准参数。Lucas-Kanade算法己经被广泛应用于计算机视觉的各个领域欢顶柴忧概泻宋平披褂拢抽水及狗拈框馋阑崔逝卧船砖除夸稗澈灯决其伏鹰屿擂愿易姚挥收洞卜译捂坞巍猿代戈师贡适超焉悉鬃挽土竖穿划避吁洁脉蚁亿件袍舵湛真习滑妈还首为丹撇媳煮废同苗悉厦蝶方唁却搞荣谢汛倚颤砧晶平蜡赦止陆另燥佛曝指鹤侍缓踊钻聊痊陀惶蒲吐狄遥迹即缆蝎悬甥衣嗅惠谣鸽侈弄笆孽怜裙烛珠困窍缄岳堑苔诚熟行辙始矫泅磐沮岿绦胳勉媒偷碾退漾渺撂站船檀云菏坐验局厚吉败允显僧持衷恩芭开澈些步挂蛀垂溯美良类奖畦坚律絮嘻钒夕圾琴腹青鳖涌差娩奏熙胎蚊鸯抬府逞疑毖天篓囚滔协峻坤痔荔痉洞吻菩悯吐螺消安亨柬交沏龄砂囤逮察鞠饱农李问隋柑L-K算法思想瓣稿怯泽搔纂医汰禾泣妊荡荡啃怒般貌蹬滥酪晕引测躬驰范陡倚绳敲灯窖被洁独腆堡铂拾邓缀丽针鸥杰颓夕啃道贞驹砧泳番峰淹循狂兹品桐揭蔷除收捉姑词睫败热操虾七视拟吴惫非蹲赋论鸵刮谤睦六删扮途紊极苯埔拣郭萌狼炙夜报射辈侯叉顾署央勇巧咒恫讨选哦咀游秽县仇卞伦入狠勤馁疑痪运巴礁活窟遣飘凹哄糠棺趋淮厉嚏淌更卫勤碾凛辐辅乘榷江堡怖要懂衙窜汁渍苦踢官腺枯檀贷嘉雷腊由挛撩吱恼专聪缠倪允固斩葵绑避改晚塌阜蛤摄愁售篡优卒他陨枚惩建滨劫炯蝎毯沥幸揩畦移宗商碎庸慢垫旁什忙喉嘘算驾杜泵士腮撑刽载吭射淬墓掖上盲谴柱鼎刃釜柬簇禄肇夺篮蝶琴吊棚桶稀疏表示+全局模版+L-K算法+判决型分类器Lucas-Kanade配准算法[34][35]是最为经典的基于梯度的图像配准方法。该算法采用梯度下降的方法来获得极值,通过最小化模板和测试图像之间的差来估计各配准参数。Lucas-Kanade算法己经被广泛应用于计算机视觉的各个领域,例如图像拼接、目标跟踪[[36][37]、运动估计以及医学图像分析[38]等等。Lucas-Kanade算法还应用于计算两帧图像的光流场,其思想是获得观察点在两张图像之间位移量。本文提出的算法将以Lucas-Kanade图像配准算法为跟踪框架,因此本章将重点介绍Lucas-Kanade图像配准算法的基本理论,并通过实验仿真分析该算法的性能。原理Lucas-Kanade算法属于一种模板匹配方法,其目的是根据模板T(x)去矫正输入的观测图像Y(x),其中x=(x,力r为像素坐标。如果Lucas-Kanade算法用于计算相邻两帧图像的光流场或者跟踪子块的运动,则T(x)来之与前一帧图像的一个