Evernote Export
key words:
前景提取；特征点检测；图像去抖动；颜色阈值分割；最小二乘法；
考虑过的方法和策略：
防抖，角点提取，抛物线二次曲线拟合；
核密度估计；
白色亮点检测；
对于静态的图像和动态的图像分别检测；
静态的图像只需要使用特征提取即可实现；
光流法；
MATLAB：
基本的矩阵操作（矩阵元素赋值，初始化，排序，比较筛选）；
编程的操作；
图像相关的操作；
图像难点：特征点、特征匹配、仿射变换；最小二乘；阈值分割；
分析：
分析视频可知，画面中的水流没有明显的特征，而且画面存在较小的抖动，背景不是固定的，可以利用前景检测的方法分离出水流。
首先将视频做去除抖动的操作：选择相邻的两个画面，分别提取特征点，做特征点匹配，获得仿射变换矩阵，作用于第二幅画面，去除仿射变形；
去除抖动后，将两幅图像做减法，获得前景中的运动的像素点（假设只有水流的像素点），对像素点做抛物线最小二乘拟合(选择鲁棒性高的最小二乘算法)即为水流的运动轨迹；
要点：
特征点如果落在运动的物体上对结果有影响，可以先确定背景所在的区域，只选择背景中的特征点。也可以选择其他的去抖动算法；
对静态的单幅图像进行颜色分割可以看出水流白色区域：
