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

Postprocessing and Restoration of Optical Flows

Kondermann, Claudia

German Title: Nachbearbeitung and Wiederherstellung des Optischen Flusses

[img]
Preview
PDF, English Print-on-Demand-Kopie (epubli)
Download (17Mb) | 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

The notion "Optical flow" refers to the apparent motion in the image plane produced by the projection of the real 3D motion onto the 2D image plane. The thesis at hand addresses postprocessing and restoration methods for arbitrarily computed optical flow fields. Many motion estimators have been proposed during the last three decades, but all of them suffer from shortcomings in difficult situations. Hence, it is of utmost importance for any optical flow measurement technique to give a prediction of the quality and reliability of each individual flow vector. Yet, a sound, universally applicable, and statistically motivated confidence measure for optical flow measurements is still missing today. Based on such information, erroneous optical flow fields can be restored or improved by means of inpainting techniques. This thesis introduces three confidence measures, which evaluate the reliability of optical flow vectors. In contrast to previously employed methods, these confidence measures are based on learned motion models and are, thus, statistically motivated, they are independent of the original flow computation method and yield more accurate predictions on the quality of optical flow vectors. The thesis puts a second focus on the restoration of optical flow fields, where it transfers inpainting techniques from the restoration of images to the field of motion recovery. Since the reconstruction process in case of motion fields can use the image sequence as additional source of information, a novel motion inpainting approach is proposed. It combines motion and image information in one functional and, thus, allows to control the orientation of the reconstruction algorithm based on image edges.

Translation of abstract (German)

Der Begriff "Optischer Fluss" bezeichnet die scheinbare Bewegung auf der Bildebene, die durch die Projektion der realen 3D Bewegung auf die 2D Bildebene erzeugt wird. Die vorliegende Arbeit befasst sich mit der Nachbearbeitung und Wiederherstellung beliebig berechneter Flussfelder. Viele Bewegungsschätzer sind in den letzten drei Jahrzenten vorgeschlagen worden, aber alle weisen in schwierigen Situationen Mängel auf. Deshalb ist es von höchster Wichtigkeit für jede Flussberechnungsmethode, eine Schätzung der Qualität und Zuverlässigkeit für jeden einzelnen Flussvektor anzugeben. Jedoch fehlt ein solides, allgemein anwendbares und statistisch motiviertes Konfidenzmaß für Flussberechnungen bis heute. Basierend auf diesen Informationen können mittels sogenannter "inpainting" Methoden fehlerhafte Flussfelder wiederhergestellt oder verbessert werden. Im Rahmen dieser Arbeit werden drei Konfidenzmaße vorgeschlagen, die die Zuverlässigkeit von Flussvektoren bewerten. Im Unterschied zu den bisher verwendeten Methoden basieren diese Konfidenzmaße auf gelernten Bewegungsmodellen und sind somit statistisch motiviert, sie sind unabhängig von der zu Grunde liegenden Flussberechnungsmethode und liefern genauere Vorhersagen über die Qualität der Flussvektoren. Ein zweiter Schwerpunkt der Arbeit liegt auf der Wiederherstellung von Flussfeldern. Sie überträgt "inpainting" Methoden von der Bildrestauration auf das Feld der Bewegungsrekonstrution. Da der Rekonstruktionsprozess im Falle von Bewegungsfeldern zusätzlich die Bildsequenz als Informationsquelle benutzen kann, wird ein neuer Ansatz zur Rekonstruktion von Bewegungen vorgeschlagen. Er kombiniert Bewegungs- und Bildinformationen in einem Funktional und erlaubt dadurch die Orientierung des Rekonstruktionsprozesses an Bildkanten.

Item Type: Dissertation
Supervisor: Garbe, Dr. PD Christoph
Date of thesis defense: 13. July 2009
Date Deposited: 28. Jul 2009 15:00
Date: 2009
Faculties / Institutes: The Faculty of Mathematics and Computer Science > Department of Computer Science
Subjects: 004 Data processing Computer science
Uncontrolled Keywords: Optical Flow , Confidence , Statistics , Inpainting , Restoration
About | FAQ | Contact | Imprint |
OA-LogoLogo der Open-Archives-Initiative