基于内容的视频对象分割技术

论文摘要

基于内容的视频对象分割是数字视频技术乃至计算机视觉领域的一个研究热点。虽然MPEG-4对视频对象作了定义,但至今没有定义视频对象的具体分割方法,因此也就成为本论文所研究的内容。论文的主要工作包括: ● 详细探讨了视频对象分割技术的现状,并对几种有代表性的方法作了深入分析,讨论和比较了各自的优缺点及适用范围; ● 深入研究了有关视频对象分割提取所需的基础技术; 论文的创新点是: 1.提出了一种基于边缘块分割的视频对象提取算法。试验证明,针对静止背景下头肩序列中的视频对象分割问题,本文算法取得了较好的主观视觉分割效果。避免了传统分割方法的一些常见问题,如数学形态学的过分割问题和基于光流场方程的不稳定和孔径问题。 2.成功引入了金字塔多尺度分层理论的思想,形成了从上层到下层、从宏块到各个像素的逐层精细分割模式。对于国际通用的头肩视频Claire序列,可使视频对象分割的平均处理速度提高到12帧/秒,比国际上典型算法的处理速度（如Kim算法4帧/秒和Li算法7帧/秒）,有了很大程度的提高。 3.改进了传统的阈值选取方法,可为图像二值化提供更合适的阈值。从而有效地将错检或漏检的像素块数量控制在平均1个左右。

论文目录

• 第一章．绪论
• 1.1 研究背景及意义
• 1.1.1 视频编码技术的发展历程
• 1.1.2 MPEG-4的关键技术
• 1.2 本文研究内容和章节安排
• 1.2.1 主要研究内容
• 1.2.2 本文章节安排
• 第二章．VO分割算法综述
• 2.1 视频对象的定义
• 2.2 视频分割方法的分类
• 2.2 现今VOP分割算法概述
• 2.2.1 基于光流场的参数模型法
• 2.2.2 时空结合法
• 2.2.3 基于帧间差的高阶统计量法
• 2.2.4 基于活动轮廓模型的CDM跟踪法
• 第三章．VOP分割算法基础
• 3.1 静态图像处理技术
• 3.1.1 边缘检测
• 3.1.2 阈值确定
• 3.1.2.1 极小值点阈值
• 3.1.2.2 最优阈值
• 3.1.3 数学形态学处理及分水岭算法
• 3.2 运动图像序列处理技术
• 3.2.1 光流场方程和运动参数模型
• 3.2.2 高阶矩检测器
• 3.2.3 活动轮廓模型
• 第四章．基于金字塔模型和边缘块的VOP分割算法
• 4.1 本文算法说明
• 4.1.1 金字塔原理说明
• 4.1.2 常用金字塔
• 4.1.3 本文算法流程图
• 4.2 对象块分割
• 4.2.1 运动块检测
• 4.2.2 对象块跟踪
• 4.2.3 对象块校正
• 4.3 边缘块分割
• 4.3.1 边缘块检测
• 4.3.2 区域分类
• 4.3.3 边缘块细分割
• 4.4 试验结果和分析
• 4.4.1 改进的熵阈值分割试验结果
• 4.4.2 视频对象提取试验结果及分析
• 第五章．总结与展望
• 5.1 论文工作总结
• 5.1.1 本论文的主要研究工作
• 5.1.2 论文的主要创新点
• 5.2 技术应用展望
• 5.3 视频标准发展
• 5.3.1 MPEG-7视频标准
• 5.3.2 MPEG的新成员——MPEG-21
• 5.3.3 结束语
• 参考文献
• 读研期间参与的科研项目、获奖情况及学术论文
• 科研项目
• 获奖情况
• 学术论文
• 致谢