Abstract:
Hareket kestirimi, bir önceki resimdeki bloğun kordinatının şimdiki resimdeki en benzer bloğa göre yer değiştirmesini temsil eden en doğru hareket vektörünü aramak olarak tanımlanır. 30 yıldan fazla bir süredir bu konu bilgisayar görüsü ve insan görüsü araştırmacıları tarafından yoğun olarak çalışılmaktadır. Hareket kestiriminin çıktıları video sıkıştırma, patern takibi, bölütleme ve kamera hareketi dengeleme gibi birçok alanda kullanılır._x000B_Hareket kestirimi teknikleri dört ana kategoride sınıflandırılabilir: uzay-zamansal diferansiyel kullanan teknikler, eşleme teknikleri, Fourier teknikleri ve özellik çıkarımı kullanan teknikler._x000B_Bu tezde faz korelasyon, gradyan korelasyon, istatistiksel gürbüz korelasyon ve gürbüz korelasyon olarak dört frekans ortamı tekniği incelendi. Bölgesel hareketi anlayabilmek için resim küçük bloklara bölündü ve ardışık resimlerde aynı bölgedeki bloklar frekans ortamına çevrildi. Sonra sonuca korelasyon metodlarından biri (faz korelasyon, çapraz korelasyon, vs?) uygulandı. Ters Fourier dönüşümü yapıldıktan sonra, korelasyon fonksiyonunda bir tepe noktası ve en büyük beş tepe noktaları arandı ve bunların birbirinden performans kıyaslaması, yer değiştirme alan farkının tepe sinyal gürültü oranını (PSNR) başarı ölçütü olarak ele alarak yapıldı. Motion estimation is defined as searching the best motion vector, which is the displacement of the coordinate of the best similar block in previous frame for the block in current frame. It has been extensively studied by both computer vision and human vision researchers for more than 30 years. The output of motion estimation is used in various areas such as video compression, segmentation, pattern tracking and camera motion stabilization._x000B_Motion estimation techniques could be classified into four main categories: techniques based on spatio-temporal differentials, techniques based on matching, Fourier techniques and techniques using feature extraction._x000B_In this thesis, four frequency domain techniques which are phase correlation, gradient correlation, statistically robust correlation, and robust correlation were examined. To be able to detect local motion, image was divided into small blocks and the blocks that are in the same location on the consecutive frames were converted into frequency domain. Then, one of the correlation methods (phase correlation, cross correlation, etc?) were applied in the frequency domain. After inverse Fourier transform, one peak and five biggest peaks were being searched in the correlation function and their performance comparison were made using peak signal to noise ratio (PSNR) of displacement field difference as a measure of success.
