Motion Estimation for Complex Fluid Flows Using Helmholtz Decomposition

运动场 光流 运动估计 滤波器(信号处理) 计算机科学 Curl(编程语言) 自适应滤波器 计算机视觉 数学 人工智能 核自适应滤波器 滤波器设计 算法 图像(数学) 程序设计语言
作者
Jun Chen,Yuanxin Song,Yuanxin Song,Zemin Cai,Guangguang Yang,Tianshu Liu
出处
期刊:IEEE Transactions on Circuits and Systems for Video Technology [Institute of Electrical and Electronics Engineers]
卷期号:33 (5): 2129-2146 被引量:2
标识
DOI:10.1109/tcsvt.2022.3219438
摘要

In this paper, we proposed a novel motion model with Helmholtz decomposition for complex fluid flows in a filtering-based optical flow framework, where the optimization of the regularization term is treated as a filtering process, and different motion patterns can be captured by finding appropriate filter kernels based on the designed filters. In this framework, we introduce a novel optical flow method with a joint spatial filter, which is based on the Helmholtz decomposition theorem that assumes a local motion field is composed of a curl field and a divergence field. By adjusting the scale of the weights in the filter kernels and combining a curl filter with a divergence filter in a certain ratio, it can simulate different motion patterns. In addition, if the correlation between the horizontal and vertical components of the optical flow field in the filter kernel is eliminated, it will be transformed into a linear motion model. Based on this linear motion model, we also develop a novel optical flow method with an adaptive guided filter. By finding an adaptive filter kernel driven by both the input image and the guided motion field for the designed filter, it can successfully capture different motion patterns, and yield an edge-preserving smoothing optical flow field. Most importantly, the proposed optical flow model provides a new way to design the regularizers for capturing different motion patterns in complex fluid flow. In particular, the designed optical flow method with an adaptive guided filter significantly outperforms the current state-of-the-art optical flow methods in predicting complex fluid flows.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
徐茂瑜完成签到 ,获得积分10
2秒前
水盒子发布了新的文献求助10
4秒前
狮子座完成签到 ,获得积分10
8秒前
星光完成签到 ,获得积分10
8秒前
ccczzzyyy完成签到,获得积分10
9秒前
9秒前
weng完成签到,获得积分10
10秒前
乒坛巨人完成签到 ,获得积分10
15秒前
宸浅完成签到 ,获得积分10
17秒前
风趣的冬卉完成签到 ,获得积分10
21秒前
研友_LpvQlZ完成签到,获得积分10
24秒前
萧水白完成签到,获得积分10
26秒前
坚强的铅笔完成签到 ,获得积分10
28秒前
英姑应助Fly采纳,获得10
28秒前
32秒前
HXL完成签到 ,获得积分10
34秒前
动听的冰海完成签到 ,获得积分10
36秒前
方方完成签到 ,获得积分10
36秒前
机灵的芷波完成签到 ,获得积分10
38秒前
满鑫完成签到,获得积分10
38秒前
wxnice完成签到,获得积分10
39秒前
吱吱发布了新的文献求助10
39秒前
饱满的大碗完成签到 ,获得积分10
40秒前
54秒前
win完成签到 ,获得积分10
55秒前
ruiii完成签到 ,获得积分10
58秒前
MEMSforever发布了新的文献求助30
1分钟前
酷波er应助吱吱采纳,获得10
1分钟前
小鱼小鱼快快游完成签到 ,获得积分10
1分钟前
蜜蜂威士忌完成签到 ,获得积分10
1分钟前
bai1完成签到 ,获得积分10
1分钟前
爆米花应助wowser采纳,获得10
1分钟前
陈麦子完成签到,获得积分10
1分钟前
小杨完成签到 ,获得积分10
1分钟前
852应助水盒子采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
可爱香芦完成签到 ,获得积分10
1分钟前
黑大侠完成签到 ,获得积分10
1分钟前
璇璇完成签到 ,获得积分10
1分钟前
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418298
捐赠科研通 2354492
什么是DOI,文献DOI怎么找? 1246104
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921