TY  - GEN
N2  - Diese Arbeit ist einzureihen in das Wissenschaftsgebiet der Bildverarbeitung,  das sich unter anderem mit der Analyse von Bildfolgen befaßt. Wir sind daran  interessiert neue Ansätze zur Bewegungsschätzung in  Bildfolgen vorzustellen und zu untersuchen. Der grundlegende Beitrag  dieser Arbeit ist die Einführung des Burgers-Regularisierungsterms, der im  Rahmen der variationellen Bewegungsschätzung von Bildfolgen physikalisches  Vorwissen für die Bewegungsschätzung beisteuert, das in dieser Art und Weise  neu im Bereich der Bildfolgenverarbeitung ist. Unter Verwendung dieser Ansätze  und unter Einbindung einer anderen physikalischen Transportgleichung stellen  wir auch einen neuen Ansatz zur  Rekonstruktion von fehlenden Bilddaten in Bildfolgen vor. Wir benutzen und erweitern das bestehende Rahmenwerk von herkömmlichen Variationsansätzen um das optische Flussfeld mittels der Minimierung eines geeigneten Energiefunktionals zu erhalten. Diese Energiefunktionale bestehen aus zwei Haupttermen: Dem Datenterm, der für optische Flussansätze im Allgemeinen auf der Annahme der Grauwerterhaltung basiert, und dem Regularisierungsterm, der uns die Möglichkeit bietet Vorwissen, basierend auf physikalischen Transportgleichungen in die Energieminimierung mit einzubinden, im speziellen die Burgersgleichung, welche  eine grundlegende Gleichung in der Strömungsmechanik darstellt. Die  physikalischen Eigenschaften der Gleichung repräsentieren Gleichförmigkeit und Kontinuität der Bewegung, sowie das Trägkeitsverhalten bewegter Objekte in Bezug auf Bewegungsänderung. Speziell präsentieren wir eine neue auf einer partiellen Differentialgleichung basierende Darstellung zur Berechnung von Bewegung in Bildfolgen. Darin wird die Burgersgleichung als physikalisch plausibler Regularisierungsterm zur Modellierung dynamischer Bewegung in Bildern eingesetzt. Im Gegensatz zu herkömmlichen raum-zeitlich regulierten Ansätzen, wo das ganze Bildvolumen zur Bewegungsschätzung vorliegen muss, werden die Bewegungsfelder in dem resultierenden Ansatz rekursiv und online berechnet. Die charakteristische Trägheitseigenschaft der Burgersgleichung führt zu einem zeitlichen Filterungseffekt, welcher dem Ansatz bei fehlenden Bilddaten zu Gute kommt und Bewegungsschätzungen zuläßt auch wenn Daten fehlen. Im Weiteren weisen wir auf die Anwendbarkeit unseres Ansatzes im Bereich der visuellen Wahrnehmung hin, im speziellen der Modellierung des Phänomens der Nachwirkungserscheinungen von Bewegungen. Darüber hinaus, formulieren wir einen Kontrollansatz zur Bewegunsschätzung, in welchem die Vektorfelder ebenfalls der zweidimensionalen Burgersgleichung genügen sollen. Dazu führen wir Kontrollvariablen ein, die den optischen Fluss so kontrollieren, dass er der Bewegung der gemessenen Bilddaten folgt und möglichst der Burgersgleichung genügt. Um die Bewegung in den Bilddaten zu schätzen wird eine geeignete Zielfunktion bezüglich der Bewegungsvariablen und Kontrollvariablen minimiert. Die neuen Ansätze zeigen eine Eigenschaft die für Anwendungen in der Bildverarbeitung ausgenutzt werden kann: Nicht vom Modell vorhergesehene und daher nicht erwartete Bewegungen können einem übergeordneten Kontrollmechanismus mitteilen, dass eine ungewöhnliche Bewegung vorliegt und eine entsprechende Aktion eingeleitet werden kann. Basierend auf den Grundlagen dieser neuen Ansätze entwickeln wir einen neuartigen Algorithmus zur Rekonstruktion beschädigter Bildregionen in Bildfolgen. Die fehlende Bildinformation wird strukturerhaltend aus den umliegenden nicht beschädigten Regionen des Bildes mit Hilfe der Bewegungsschätzung und einem weiteren physikalischen Transportmechanismus in die Fehlstellen transportiert. Die ersten Ergebnisse dieses Ansatzes sind vielversprechend und können die Basis für fortgeschrittene Anwendungen bilden. Mit unseren experimentellen Untersuchungen der resultierenden Ansätze haben wir die neuen Eigenschaften und ihre potenziellen Nutzen abgeschätzt. Die wohl wichtigste Eigenschaft basiert auf der Transport- und  Trägheitseigenschaft der Burgersgleichung und dem damit einhergehenden  zeitlichen Filterungseffekt. Aber ebenso die Herausbildung klarer  Bewegungsgrenzen in Bewegungsrichtung stellt eine oft erwünschte Eigenschaft  für optische Flussansätze dar. 
A1  - Stahl, Annette
UR  - https://archiv.ub.uni-heidelberg.de/volltextserver/9915/
KW  - Computer Vision 
KW  -  Optical Flow 
KW  -  Video Inpainting 
KW  -  Variational Approach 
KW  -  Burgers Equation
ID  - heidok9915
AV  - public
Y1  - 2009///
TI  - Dynamic Variational Motion Estimation and Video Inpainting with Physical Priors
ER  -