深度学习光流模型

稀疏纹理下高精度模态识别

该模型通过自适应Gabor滤波与局部相似性匹配,增强边缘和纹理特征,并在损失函数中加入平滑项和可学习参数,提升光流估计的物理一致性和亚像素精度。

Yang, Rongliang · Tao, Liu · 王森 · 王振亚

Mechanical Systems and Signal Processing 2025

技术优势

边缘保持更好

自适应Gabor滤波动态调整方向和尺度,增强边缘和纹理特征,在光流场中保留结构细节。

低光照也能测

定性和定量实验表明该算法在低光照适应性和低信噪比环境下均优于现有方法,拓宽了应用场景。

亚像素精度

局部相似性匹配机制与可学习参数的损失函数共同作用,提高光流估计精度和局部细节辨识能力。

应用场景