针对经典HS光流算法对噪声的敏感问题,提出一种基于脉冲耦合神经网络模型的HS变分光流鲁棒性算法。算法利用脉冲耦合神经网络的神经元变阈值点火特性,首先对序列图像进行神经元变阈值点火训练,突出图像特征点及其轮廓,再将处理后的序列图像作为HS光流算法的激励,并利用变分的方法计算序列图像的光流场。最后采用角度平均误差和平均端点误差的误差估计来评价算法精度。使用标准Middlebury数据集和实拍数据测试,实验结果显示,该算法既能得到稠密的光流场还对噪声具有更好的鲁棒性。
科研之友
微信
新浪微博
Facebook
分享链接
