视频运动对象分割算法研究

论文摘要

视频对象分割是计算机视觉的一个基本问题,得到了广泛而深入的研究。视频对象分割具有广阔的应用前景,如视频编码、视频检索、视频监控、多媒体创作、图像理解、模式识别等。对象分割技术目的是在时间轴上将视频图像分割成一系列相互关联的空间域。这种基于区域的图像表示方法为视频的灵活处理提供了可能,MPEG-4采用基于对象的编码方式,不仅提高了压缩效率,而且提供了更加灵活的视频操作方式,MPEG-7要求支持基于对象方式的内容组织与检索。本文主要对视频分割算法进行了研究。讨论了视频分割技术的发展现状、分类以及视频分割的基本方法等。分析了视频分割技术的基础理论;静止图像分割、数学形态学、运动检测等。主要工作表现在;1、利用四阶累积量重建背景,引入四阶矩消除减背景法的高斯噪声,实现了一种有效的视频分割方法。首先用基于帧差图像高阶统计量的背景重建技术重建背景,然后用基于四阶矩的减背景法分割对象,实验结果表明;本文提出的基于四阶矩的减背景法的性能优于直接减背景法。2、提出了一种基于边缘检测减背景法的视频对象分割算法。该方法综合利用帧差图像的边缘、减背景图像的边缘和背景图像的边缘来获得运动边缘,最后对运动边缘图进行区域填充与数学形态学处理得到运动对象掩模,实验结果表明;本文的分割方法和直接减背景法相比,性能明显提高。3、提出了一种基于全局运动（摄像机运动）估计的视频对象分割算法。首先通过块匹配法得到局部运动场,利用矩阵的奇异值分解估计全局运动四参数,然后运用形态学运动滤波得到前景对象的粗略掩摸图像,最后结合边缘信息分割出背景变化序列中的对象。4、实现了一种基于全局运动估计的视频序列全景图拼接方法。该方法在全局运动四参数的基础上,用梯度下降法估计出仿射参数,然后运用仿射参数拼接出全景图,由于用到了多帧图像,所以比较好的拼接出了全景图像,没有明显的接缝,基本没有视频图像信息的丢失。5、提出了一种基于Horn-Schunck法而改进的光流估计算法。首先分别计算当前帧的前向梯度与后向梯度,然后根据代价函数自适应选择前向梯度与后向梯度,以此来减小光流估计时的遮挡问题。实验结果表明;本文算法在运动目标的边界区域减少了遮挡问题的影响,而且对噪声有一定的抑制作用。

论文目录

• 图目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景及意义
• 1.2 视频对象分割技术分类
• 1.3 视频对象分割技术
• 1.3.1 视频对象分割概述
• 1.3.2 空域分割
• 1.3.3 时域分割
• 1.3.4 时空联合分割
• 1.4 课题主要研究内容
• 1.5 内容安排
• 第二章 视频对象分割基础
• 2.1 数学形态学处理
• 2.1.1 二值形态学
• 2.1.2 形态学图像处理
• 2.2 边缘检测技术
• 2.2.1 边缘
• 2.2.2 边缘检测
• 2.3 运动检测
• 2.3.1 变化检测
• 2.3.2 光流场法
• 2.3.3 运动矢量估计
• 2.4 分割结果的评价方法
• 2.5 本章小结
• 第三章 基于高阶统计量的视频对象分割技术
• 3.1 高阶统计量
• 3.2 减背景法对象分割
• 3.2.1 背景重建
• 3.2.2 对象分割
• 3.3 分割性能评价
• 3.4 本章小结
• 第四章 基于边缘检测的视频对象分割技术
• 4.1 基于边缘检测的减背景视频对象分割算法
• 4.1.1 运动边缘提取
• 4.1.2 运动目标提取
• 4.1.3 实验结果
• 4.2 基于边缘检测的时空视频对象分割算法
• 4.2.1 基于高阶统计量的帧间差分法
• 4.2.2 时空结合的视频分割算法
• 4.2.3 运动目标提取
• 4.2.4 实验结果
• 4.3 本章小结
• 第五章 基于全局运动估计的视频对象分割与视频序列全景图拼接算法
• 5.1 基于全局运动估计的视频对象分割算法
• 5.1.1 四参数估计
• 5.1.2 对象提取
• 5.1.3 实验结果
• 5.2 视频序列全景图拼接技术
• 5.2.1 仿射参数估计
• 5.2.2 全景图拼接
• 5.2.3 实验结果及分析
• 5.3 本章小结
• 第六章 基于自适应梯度的运动估计算法
• 6.1 概述
• 6.2 Horn-Schunck法
• 6.3 基于自适应梯度Horn-Schunck法
• 6.4 实验结果
• 6.5 本章小结
• 第七章 算法仿真平台
• 7.1 背景重建视频分析平台
• 7.2 视频对象分割性能评价平台
• 7.3 自动视频对象分割平台
• 7.4 全景图拼接实验平台
• 7.5 运动估计实验平台
• 结束语
• 一、全文总结
• 二、展望
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢