光流场经典算法LK算法实现方案

资 源 简 介

本项目实现了经典的Lucas-Kanade（LK）光流估计算法，旨在通过分析两幅连续图像序列的亮度变化来定量计算每个像素点的运动矢量。该算法基于三大核心假设：亮度恒定假设、时间连续性（小运动）假设以及空间一致性假设。在具体实现过程中，程序首先对输入的两帧图像进行灰度化和去噪预处理，随后计算图像在空间维度（水平和垂直）以及时间维度的梯度。为了解决光流欠定方程（孔径问题），LK算法在像素的局部邻域内建立超定方程组，利用最小二乘法求解最佳运动矢量（u, v）。该项目能够生成精确的局部光流场，广泛应用于计算机视觉

详 情 说 明

光流场经典算法 - Lucas-Kanade (LK) 算法实现

项目介绍

本项目提供了一个基于 MATLAB 环境实现的 Lucas-Kanade (LK) 光流估计算法。该算法是计算机视觉领域处理运动估计的经典方法，通过分析图像序列在时间上的亮度演变，推导出图像中各点的瞬时运动速度。本项目通过构建模拟图像序列，完整展示了从图像预处理、梯度计算到局部约束求解及结果可视化的全过程，旨在精确提取图像中的局部运动矢量。

功能特性

1. 模拟序列生成：程序能够自动生成包含特定几何形状（矩形）移动的连续两帧图像，允许自定义位移矢量（du, dv）。
2. 高斯平滑预处理：内置高斯滤波核生成功能，对原始图像进行平滑处理，以降低梯度计算过程中的噪声干扰。
3. 梯度算子实现：利用卷积层级计算图像的水平、垂直及时间维度梯度（Ix, Iy, It）。
4. 局部窗口约束：在目标像素周围建立 7x7 的局部邻域，将单点光流不可解问题（孔径问题）转化为超定方程组。
5. 稳健最小二乘求解：通过计算结构张量的特征值来评估矩阵的良定性，剔除病态区域，利用最小二乘法精确求解运动分量。
6. 多维度可视化：提供原始序列对比、下采样光流矢量场（Quiver Plot）以及运动幅度彩色热力图。

使用方法

1. 启动 MATLAB 软件。
2. 将主程序代码保存并运行。
3. 程序将自动执行以下流程：生成模拟图像 -> 执行 LK 算法 -> 弹出包含四张子图的可视化窗口。
4. 在结果界面观察红色矢量箭头对应的运动方向，以及热度图反映的运动区域。

系统要求

1. 运行环境：MATLAB R2016b 或更高版本。
2. 所需工具箱：Image Processing Toolbox（图像处理工具箱）。

算法实现逻辑

算法严格遵循以下技术流程：

1. 参数初始化：设定图像尺寸为 200x200，定义局部分析窗口大小为 7x7 像素。
2. 图像构建与平滑：

- 第一帧在中心区域生成一个白色矩形。 - 第二帧通过改变索引范围，使矩形产生水平 (2像素) 和垂直 (1像素) 的位移。 - 使用自定义高斯核（sigma=1.5，size=5）对两帧进行卷积运算。

1. 梯度张量计算：

- 使用 [-1 1; -1 1] 算子计算水平梯度 Ix。 - 使用 [-1 -1; 1 1] 算子计算垂直梯度 Iy。 - 使用 [1 1; 1 1] 算子对两帧差异进行加权，得出时间梯度 It。

1. 逐像素求解：

- 遍历图像内部区域（避开边缘边界）。 - 提取当前像素周围 7x7 范围内的 Ix, Iy, It 数值并向量化。 - 构造系数矩阵 A = [Ix, Iy] 与常数项向量 b = -It。 - 计算 A 的转置与 A 的乘积（ATA）。 - 稳定性判定：只有当 ATA 矩阵的最小特征值大于 0.01 时，才认为当前窗口特征显著，进行最小二乘解算。

1. 结果生成：将计算出的位移矢量 (u, v) 存储到对应的光流场矩阵中。

关键函数与技术细节分析

1. 手动高斯核实现：

通过 meshgrid 构建坐标系，并基于指数公式生成高斯分布权重，最后进行归一化处理。这保证了算法在不依赖特定外部库的情况下也能完成图像去噪。

1. 超定方程组求解：

LK 算法的核心在于假设局部窗口内运动一致。对于 7x7 窗口，形成了 49 个方程构成 A * [u; v] = b 系统。代码通过 vel = ATA (A' * b) 直接利用 MATLAB 的反斜杠运算符高效完成最小二乘求解。

1. 特征值过滤机制：

在计算光流前，通过 min(eig(ATA)) 检查局部区域的纹理信息。在图像平滑区域，由于梯度接近零，矩阵倾向于奇异。设定 0.01 的阈值能有效过滤图像噪声点和无特征区域，防止产生随机运动矢量。

1. 可视化技术：

• 矢量图显示：为了防止箭头过于密集影响观察，代码对结果进行了步长为 5 的下采样处理。
• 运动模值：利用 sqrt(u^2 + v^2) 计算运动强度，通过 jet 色表将运动量级直观表现为冷暖色调，从而清晰辨别物体运动轮廓。