基于运动特征分析的视频对象分割与表达研究

基于运动特征分析的视频对象分割与表达研究

论文摘要

随着视频信息的不断增加以及视频应用的不断深入,基于对象的视频应用已成为当前多媒体应用的主要方向,因此,基于对象的视频分割与表达己成为世界性的研究课题和相关产品开发的热点之一。然而,视频处理的实时性和准确性之间存在非常突出的矛盾,因此如何有效地实现基于对象的视频压缩、编码和表达,从而减少其传输带宽、存储空间,实现其灵活的检索等操作,具有重大的理论意义和实际价值。基于对象的视频表达的关键是视频对象自动分割与特征表达。为了解决这些重要问题,着重描述了视频分割领域研究的发展线索及目前的状况,分析了不同视频对象分割算法的性能,给出了视频对象分割与特征表达的基本结构。图像质量是影响对象分割与特征提取性能的重要因素。为了克服图像噪声和对比度对视频对象分割的影响,提出了多尺度图像结构特征的分析方法。该方法利用形态学操作提取图像在不同尺度下的特征,对特征连通集的数目分布分析,从而自适应地估计图像中噪声特征,并通过减少小尺度特征而增加大尺度特征的方法来实现抑制噪声和图像局部对比度增强。为了实现对象的自动分割,结合多分辨率图像分析方法,提出了一种基于运动特征分析的小波域对象分割算法。该方法利用视频序列中多帧图像的运动信息,建立了对象的运动变化特征模型,通过小波域中图像不同子带运动变化特征分析、检测和联合,从而获得更多的对象边界信息,保证了对象分割的准确性;并提出了基于对象运动变化检测估计的模型控制策略,从而保证了对象分割的一致性。实验结果表明,这种对象分割方法是有效的,且能满足视频实时应用要求。对象跟踪的目的是为了获得视频对象的高级信息,并通过该信息提高视频分割的性能。为此,利用对象运动的连续性,提出了基于运动预测的视频对象跟踪算法。该算法将前一帧图像的分割结果映射到当前帧,并根据对象在特征空间中的最小距离实现对象跟踪,从而获得对象的高级特征信息,同时解决了对象之间的遮挡问题。为了提高对象分割准确性,利用背景登记技术分离出背景信息,实现了对象中非覆盖区域的判决。运动信息是对象的重要信息特征。通过对大量视频序列的运动矢量概率分布分析,发现了运动矢量分布除了具有中心偏置性之外的另一个特性:运动矢量概率分布的方向性,提出了一种基于运动矢量概率分布特性的块匹配运动估计算法:非完全对称双十字块匹配运动估计搜索算法。由于该算法的搜索模型具有很强的紧支性,因此,搜索速度快,实现比较容易。理论分析和实验结果表明,该算法在保持相同运动估计搜索性能的情况下,能较大程度地提高搜索速度;并结合对象填充技术和多边形匹配,实现了基于对象的运动估计。根据对象的基本特征以及它们之间的相互关系,获得对象的高级相关特征和行为特征,提出了对象特征的基本表达方法,从而获得完整的语义对象。目前已报道的基于对象的视频分割和特征表达算法很多,但大多数缺乏通用性。虽然本文在这方面做了一些努力,但还有许多工作需要进行更深入的研究。其中视频对象跟踪算法的研究仍需要进一步地加强,对象特征表达的实现也是一个很富挑战性又必须解决的问题。这些问题也是本文作者将来的努力方向。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究背景及意义
  • 1.2 视频技术发展
  • 1.3 视频对象分割与视频表达的研究现状
  • 1.4 本文主要研究内容及章节安排
  • 1.5 课题的来源
  • 2 视频图像增强与噪声抑制
  • 2.1 引言
  • 2.2 噪声类型与噪声模型
  • 2.3 图像增强和噪声处理
  • 2.4 基于形态学的噪声抑制与图像增强
  • 2.5 图像增强与噪声抑制实现
  • 2.6 实验结果与分析
  • 2.7 本章小结
  • 3 基于对象的视频分析
  • 3.1 引言
  • 3.2 HVS 与视频分析
  • 3.3 视频分析的基本问题
  • 3.4 视频分析方法
  • 3.5 视频运动信息描述的比较分析
  • 3.6 本章小结
  • 4 视频对象分割
  • 4.1 引言
  • 4.2 运动变化检测方法
  • 4.3 小波域对象分割算法
  • 4.4 模型决策
  • 4.5 实验结果
  • 4.6 本章小结
  • 5 对象跟踪与处理
  • 5.1 引言
  • 5.2 跟踪算法回顾
  • 5.3 基于运动预测的对象跟踪
  • 5.4 对象遮挡处理
  • 5.5 背景登记技术
  • 5.6 阴影消除方法
  • 5.7 实验结果与分析
  • 5.8 本章小结
  • 6 块匹配运动估计
  • 6.1 引言
  • 6.2 块匹配及匹配准则
  • 6.3 基于中心偏置性的块匹配运动估计算法
  • 6.4 运动矢量分布分析与搜索模型
  • 6.5 快速搜索算法
  • 6.6 实验结果与分析
  • 6.7 本章小结
  • 7 对象运动估计与特征表达
  • 7.1 引言
  • 7.2 特征选择与处理
  • 7.3 对象运动估计
  • 7.4 实验结果与分析
  • 7.5 对象特征表达
  • 7.6 本章小结
  • 8 总结与展望
  • 8.1 总结
  • 8.2 展望
  • 致谢
  • 参考文献
  • 附录1 攻读博士学位期间发表论文目录
  • 附录2
  • 相关论文文献

    • [1].基于主动学习的视频对象提取方法[J]. 吉林大学学报(工学版) 2013(S1)
    • [2].基于视频对象的区域分割及其应用[J]. 计算机工程 2009(06)
    • [3].视频对象分类特征评价与选择方法[J]. 小型微型计算机系统 2009(10)
    • [4].基于MPEG-4的视频对象跟踪算法[J]. 青岛理工大学学报 2008(02)
    • [5].一种时域和梯度域相结合的视频对象提取算法[J]. 中国图象图形学报 2008(03)
    • [6].基于内容的多层次语义视频对象提取方法研究[J]. 信息技术 2008(09)
    • [7].结合运动与边缘信息的语义视频对象提取方法[J]. 电子技术与软件工程 2020(07)
    • [8].增强现实中的视频对象跟踪算法[J]. 计算机工程 2010(12)
    • [9].基于高频分量差异度的视频对象移除篡改检测算法[J]. 数据通信 2017(01)
    • [10].运动视频对象的时空联合检测技术[J]. 光电子.激光 2009(07)
    • [11].以文件的形式收藏在线视频[J]. 网友世界 2010(23)
    • [12].一个可定位视频对象的地理空间表达框架[J]. 地球信息科学学报 2015(09)
    • [13].基于内容的MPEG_4视频对象提取技术研究[J]. 兰州工业高等专科学校学报 2011(05)
    • [14].MPEG-4标准及其应用[J]. 电脑知识与技术 2009(09)
    • [15].如何在PowerPoint课件中插入视频对象[J]. 中国教育技术装备 2008(09)
    • [16].基于多帧间的差的视频对象提取方法及其在DSP上的实现[J]. 吉林大学学报(工学版) 2008(01)
    • [17].基于运动估计的Kalman滤波视频对象跟踪[J]. 计算机应用 2008(08)
    • [18].采样技术在基于DSP的视频对象提取中的应用[J]. 吉林大学学报(工学版) 2013(S1)
    • [19].视频对象移除篡改的时空域定位被动取证[J]. 通信学报 2020(07)
    • [20].基于模糊聚类的视频对象分割[J]. 微电子学与计算机 2008(07)
    • [21].2008年6~8月新修订IEC家用和类似用途电器标准一览[J]. 电器 2008(10)
    • [22].基于时空信息的自动视频对象分割算法[J]. 光电子.激光 2008(03)
    • [23].基于RTP和MPEG-4的流媒体系统的设计与实现[J]. 内江科技 2008(01)
    • [24].3G初期用户和谁视频[J]. 通信世界 2008(15)
    • [25].基于运动轨迹的视频检索方法[J]. 计算机工程与设计 2008(07)
    • [26].基于帧差特征点的视频对象提取跟踪的研究[J]. 计算机工程与设计 2009(24)
    • [27].视频对象形状错误隐藏技术研究[J]. 现代电子技术 2008(16)
    • [28].一种改进时空域联合的视频对象分割算法[J]. 重庆邮电大学学报(自然科学版) 2010(05)
    • [29].浅谈MPEG-4视频编码关键技术[J]. 硅谷 2009(14)
    • [30].基于区域生长和全局运动估计的视频对象提取[J]. 信息与电脑(理论版) 2009(18)

    标签:;  ;  ;  ;  ;  ;  

    基于运动特征分析的视频对象分割与表达研究
    下载Doc文档

    猜你喜欢