Directly to content
  1. Publishing |
  2. Search |
  3. Browse |
  4. Recent items rss |
  5. Open Access |
  6. Jur. Issues |
  7. DeutschClear Cookie - decide language by browser settings

Modular Optical Flow Estimation With Applications To Fluid Dynamics

Kondermann, Daniel

German Title: Modulare optische Flussschätzung mit Anwendungen in der Fluiddynamik

[img]
Preview
PDF, English Print-on-Demand-Kopie (epubli)
Download (10Mb) | Lizenz: Print on Demand

Citation of documents: Please do not cite the URL that is displayed in your browser location input, instead use the persistent URL or the URN below, as we can guarantee their long-time accessibility.

Abstract

Optical flow is the apparent motion of intensities in an image sequence. Its estimation has been studied for almost three decades. The results can be used in a wealth of possible applications ranging from scientific applications like experimental fluid dynamics over medical imaging to mobile computer games. The development of a single solution for all optical flow problems seems to be a worthwhile goal. However, in this thesis, we argue that this goal is unlikely to be achieved. We thoroughly motivate this hypothesis with theoretical and practical considerations. Based on the results, we identify two major problems that significantly complicate the research and development of new optical flow algorithms: First, very few reference implementations are publicly available. Second, not all relevant properties of the proposed algorithms are described in literature. In the first part of this thesis, our contribution is to alleviate both problems. First, we discuss a number of algorithm properties which should be known by the user. Second, by decomposing existing optical flow methods into their individual algorithm building blocks, shortly called modules, we propose to individually analyze the properties of each module independently. A large number of existing techniques is composed of relatively few existing modules. By implementing these modules in a software library called Charon and adding tools for the evaluation of the results, we contribute to the accessibility of reference implementations and to the possibility of analyzing algorithms by experiments. In the second part of this thesis, we contribute two modules which are vital for the estimation of fluid flows. They are specifically tuned to the imagery obtained for particle tracking velocimetry (PTV). We call the first module estimatibility measure. It detects those particle locations where fluid motion can be estimated. It is based on the constant position of the center of gravity of the connected components generated by a large number of thresholded versions of the original image. The module only needs a few intuitive parameters. Experiments indicate its robustness with respect to noise with varying mean and variance. To analyze the properties of this module we also provide a framework for simulating the particle image generation. The second module is a motion model based on unsupervised learning via principal component analysis. Training data is provided through Computational Fluid Dynamic (CFD) simulations. The model describes local ensembles of trajectories which can be fitted to the image sequence by means of a similarity measure. Together with a standard similarity measure and a simple optimization scheme we derive a new PTV method. Compared to existing techniques, we obtained superior results with respect to accuracy on real and synthetic sequences with known ground truth. All source code developed during the thesis is available as Open Source following the GNU Lesser General Public License (LGPL).

Translation of abstract (German)

Der Begriff "Optischer Fluss" bezeichnet die scheinbare Bewegungen von Intensitäten einer Bildfolge. Seine Schätzung wird bereits seit fast dreißig Jahren untersucht. Die Ergebnisse können für eine Vielzahl von Anwendungen in Bereichen wie der experimentellen Strömungsschätzung und der medizinischen Bildverarbeitung bis hin zu mobilen Computerspielen verwendet werden. Die Entwicklung eines einzigen Schätzers für alle Probleme des optischen Flusses scheint ein erstrebenswertes Ziel zu sein. In dieser Arbeit argumentieren wir jedoch, dass dieses Ziel wahrscheinlich nie erreicht werden wird. Diese Hypothese motivieren wir gründlich mit theoretischen Überlegungen und praktischen Ergebnissen. Anhand dieser Ergebnisse identifizieren wir zwei wichtige Probleme, die die weitere Forschung und Entwicklung behindern. Erstens gibt es nur wenige öffentlich verfügbare Implementierungen von Flussschätzungsverfahren; zweitens werden nicht alle relevanten Eigenschaften dieser Verfahren publiziert. Im ersten Teil dieser Arbeit tragen wir zur Lösung beider Probleme bei. Dazu diskutieren wir erst einige Eigenschaften, auf die ein solcher Schätzer geprüft werden sollte. Weiterhin zerlegen wir existierende Methoden in ihre algorithmischen Bausteine (genannt Module). Wir schlagen vor, diese Module unabhängig vom gesamten Schätzer bezüglich ihrer inhärenten Eigenschaften zu studieren. Eine große Zahl von Flusschätzern besteht aus einer relativ geringen Zahl von verschiedenen Modulen. Wir haben diese Module in einer Softwarebilbliothek namens Charon implementiert. Dadurch tragen wir zur Erreichbarkeit von Referenzimplementierungen und zur Möglichkeit des Experimentierens mit vorhanden Algorithmen bei. Im zweiten Teil dieser Arbeit stellen wir zwei neue Module zur Strömungsmessung vor, die speziell entwickelt wurden für Bilddaten, die zur "Particle Tracking Velocimetry" (PTV) erzeugt wurden. Das erste Modul nennen wir "Schätzbarkeitsmaß" (Estimatibility Measure). Es erkennt alle Pixelpositionen, an denen ein verlässlicher Fluss geschätzt werden kann. Es basiert auf der Idee, dass die Bilddaten unter Anwendung mehrerer Schwellwerte Zusammenhangskomponenten mit fast identischen Schwerpunkten pro Schwellwert enthalten. Dieses Modul benötig lediglich wenige und intuitive Parameter. Experimente weisen darauf hin, dass dieses Verfahren sehr robust bezüglich gaussförmigem Rauschen mit räumlich variierenden Mittelwerten und Varianzen ist. Um diese Eigenschaften zu bestimmen, schlagen wir außerdem ein Programm vor, dass die Erzeugung von Partikelbildern simuliert. Das zweite Modul ist ein Bewegungsmodell, das auf unüberwachtem Lernen mittels Hauptkomponentenanalyse basiert. Trainingsdaten werden durch Computational Fluid Dynamic (CFD) Simulationen bereit gestellt. Das Modell beschreibt lokale Ensembles von Trajektorien deren Parameter über die Bilddaten mittels eines Ähnlichkeitsmaßes optimiert werden können. Zusammen mit einem üblichen Ähnlichkeitsmaß und einem einfachen Optimierungsverfahren setzen wir ein neues PTV-Verfahren zusammen. Verglichen mit existierenden Techniken erreich wir genauere Ergebnisse auf realen und synthetischen Sequenzen mit bekannten Flüssen. Den gesamten, während dieser Arbeit entwickelten Quellcode bieten wir im Rahmen der GNU Lesser General Public License (LGPL) als Open Source an.

Item Type: Dissertation
Supervisor: Garbe, Dr. habil. Christoph
Date of thesis defense: 23 September 2009
Date Deposited: 07 Jan 2010 14:59
Date: 2009
Faculties / Institutes: The Faculty of Mathematics and Computer Science > Department of Computer Science
Subjects: 004 Data processing Computer science
Uncontrolled Keywords: Optischer Fluss , Bewegungsschätzung , BildverarbeitungOptical Flow , Motion Estimation , Computer Vision
About | FAQ | Contact | Imprint |
OA-LogoLogo der Open-Archives-Initiative