Optical Flow의 강인한 추정 기법
Management No. TKC00256
- Physical/Digital
- 아날로그
- Media Type
- 논문
- Subject
- 연구기술
Basic Information
- Title
- Optical Flow의 강인한 추정 기법
- Subtitle
- -
- Parallel Title
- -
- Country
- 국내
- Production Date
- 1996-**-**
- Language
- 영어
- Size (mm)
- -
- Pages
- 146
- ISBN/ISSN
- -
- Edition
- -
- Master Files
- -
- Producer
- 이광호 (한국과학기술원 저자)
- Description
- (논문요약)[목적] 본 논문은 시간에 따라 변하는 연속영상으로부터 optical flow를 추정하는 강인한 기법에 관한 연구이다. 최근에는 강인한 통계적 방법론이 컴퓨터 비전 연구자들에 의해 시도되고 있는데, 연속영상으로부터 영상운동을 분석하는 강인한 방법들이 제안되고 있다. 본 연구에서는, 영상운동 추정을 위한 두가지 방법을 통해 여러 주파수 채널로부터 측정된 가중치 데이터를 융합함으로써 다중 제한식을 얻는다. 그리고 step 에지의 분석에 의한 데이터 필터링을 통해, 특정 주파수 채널이나 추정방법으로부터 나온 비양질의 데이터를 개선한다. 또한 적응적인 모델링 기법을 제안함으로써 수치적 안정성을 유지하고, normal 운동벡터 데이터에 의해 산출되는 운동모델의 복잡도를 최적화한다. (영문초록)
Contents
영문목차 ABSTRACT = i TABLE OF CONTENTS = iii LIST OF FIGURES = vi LIST OF TABLES = xi 1. INTRODUCTION = 1 1.1 Background = 1 1.2 Related Works = 2 1.3 Motivations = 7 1.4 Framework Overview = 11 1.5 Paper Overview = 14 2. MODELING OF OPTICAL FLOW = 15 2.1 Preliminary = 15 2.2 Data Generation = 17 2.2.1 Three sources of data: Discrete scale space approach = 18 2.2.2 Two approaches obtaining the normal flow data = 24 2.3 Data Filtering = 31 2.3.1 Gaussian/LoG of step edge profile = 33 2.3.2 Linear range = 35 2.4 Data Fusion = 36 2.4.1 The need for fusion = 36 2.4.2 Relative weight of normal flow vectors = 41 2.5 Adaptive Modeling = 42 2.5.1 Preliminary = 42 2.5.2 Ill-conditioning = 45 2.5.3 Problems in model specification = 48 2.5.4 Determining model complexity = 50 2.5.5 Model selection by hypothesis testing = 51 2.5..6 Experimental results = 53 2.5.7 Discussion = 55 3. ESTIMATING OPTICAL FLOW = 57 3.1 Preliminary = 57 3.1.1 Outlier detection/diagnostics = 57 3.1.2 Robust regression = 59 3.2 M-estimator = 60 3.2.1 Weight functions = 62 3.2.2 Residuals = 63 3.2.3 Scale of residuals = 65 3.2.4 Starting values = 65 3.2.5 Experimental results = 67 3.2.6 Remodeling = 79 3.2.7 Discussion = 80 3.3 Least Median of Squares / least Trimmed Squares =81 3.3.1 Least median of squares estimator = 81 3.3.2 Least trimmed squares estimator = 84 3.3.3 Computation by random sampling = 85 3.4 Confidence Measure = 87 3.5 Refining Estimate = 90 3.5.1 Iterative improvement = 90 3.5.2 Backward optical flow = 91 3.6 Velocity-tuned iterative estimation = 92 4 IMPLEMENTATION AND EXPERIMENTS = 93 4.1 Synthetic Motion Experiments = 93 4.1.1 The Diverging Tree sequence experiment = 93 4.1.2 The Yosemite sequence experiment = 104 4.2 Real Image Experiments = 115 4.2.1 The Flower Garden sequence experiment = 115 4.2.2 The Football sequence experiment = 124 4.2.3 The Miss America sequence experiment = 134 4.3 Discussion = 137 5 CONCLUSIONS = 138 5.1 Major Contributions = 138 5.2 Direction for Future Research = 140 5.2.1 Motion prediction = 141 5.2.2 Adoption of two motion perception mechanisms = 142 5.2.3 Adaptive temporal sampling = 143 BIBLIOGRAPHY = 147
Holdings Information 1
TKC00256
- Source
- 이광호
- Acquisition Method
- 기증
- Acquisition Date
- 1997-03-26
- Group Information
- -
- Access
- On-site Access
- Copy/Rental
- -
- Storage Location
- 영상도서관(상암)
Linked Information
Loading...
No linked information.
