基于時空聯(lián)合分割框架的視頻對象分割技術(shù)研究.pdf

1、視頻對象分割是視頻處理和計算機視覺中的一個難點,其挑戰(zhàn)主要來自兩方面:一方面是現(xiàn)實世界中場景的極度復(fù)雜性和多樣性,很難為它們建立一個統(tǒng)一的先驗?zāi)Ｐ?另一方面是視頻對象的定義和描述,視頻對象是高層次語義對象,要通過低層次視覺分割來得到這些視頻對象非常困難,而目前的圖像分析技術(shù)又還遠不足以將高層次語義對象用機器語言來準確的定義和描述.因此從可行性角度出發(fā),目前的視頻對象分割大都集中在運動目標的分割上,該文也是如此.視頻對象分割的方法很多,近

2、兩年時空聯(lián)合分割框架由于其較好的分割準確性而越來越受到研究者的認同.在這種框架下,通過空域分割把每個視頻幀分割為一些灰度或紋理一致區(qū)域;通過時域分割檢測出每一幀中不同的目標區(qū)域;然后通過時空聯(lián)合分析將空域和時域的分割結(jié)果進行融合,以獲得較為準確的目標對象區(qū)域.該文主要內(nèi)容就是對時空聯(lián)合分割框架下視頻對象分割技術(shù)的一些關(guān)鍵問題進行研究.論文主要工作和創(chuàng)新點包括:1)提出了一種特征域和空間域交叉聚類的灰度一致區(qū)域分割方法.這種方法由于同時考

3、慮圖像的特征域統(tǒng)計信息以及象素的空間聚類信息,因此具有很好的抗噪聲能力,不易過分割;針對一致區(qū)域分割中的弱邊界分割問題,該文提出了基于J值的弱邊界檢測方法,這種方法在特征域和空間域交叉聚類方法的基礎(chǔ)上通過J值度量來檢測弱邊界.該文還研究了基于J值圖的紋理一致區(qū)域分割方法,該方法能夠獲得較準確的紋理區(qū)域邊界.2)提出了一種分級篩選方法進行快速的塊運動估計.該方法將塊匹配方法中搜索最佳匹配塊的過程分為若干個篩選過程,每個篩選過程用不同大小級

4、別的子塊作為基元進行匹配:初始級別中用很少的運算代價通過簡單的特征匹配先淘汰一部分候選匹配塊;然后在上一級篩選出的候選塊中,逐級用更加細致的特征繼續(xù)篩選;直至找到最佳匹配塊.分級篩選法不僅在速度上比一些常見的快速運動估計方法要快,而且估計精度與全搜索法非常接近.3)提出了一種新的基于運動矢量場的全局運動估計方法——閾值可變雙迭代法.該方法基于這樣的假設(shè)前提:背景區(qū)域在整個場景中占主要成份(即全局運動區(qū)域大于局部運動區(qū)域).閾值可變雙迭代

5、法在閾值選取上做了一些改進,從而能夠更好地排除局部運動區(qū)域?qū)θ诌\動估計的干擾,并獲得準確的全局運動模型參數(shù).基于這種全局運動估計方法,提出了一種視頻對象分割方法.4)提出了一種基于Gibbs隨機場模型的時空聯(lián)合分析方法,該方法通過定義適當?shù)腉ibbs勢能函數(shù),讓空域分割結(jié)果對時域分割結(jié)果進行約束.針對這種方法對參數(shù)比較敏感的問題,該文又提出了一種局部一致區(qū)域統(tǒng)計法,該方法實現(xiàn)非常簡單,而且能夠取得很好的效果.為了使分割結(jié)果的視覺效果更

6、理想,該文提出了一種目標區(qū)域邊界修正方法——局部相似區(qū)域統(tǒng)計法,該方法與局部一致區(qū)域統(tǒng)計法有較為類似的思路.5)提出了一種結(jié)合一定語義信息的半自動視頻對象分割方法.該方法通過人機交互提供的語義信息來提高分割方法的效率和適用能力;在初始幀分割時,通過引入一致區(qū)域分割,可以只用一個頂點很少的多邊形來初始化目標區(qū)域,以減少人機交互工作量;對于一般性的目標,采用基于象素的后向目標區(qū)域跟蹤方法,避免了復(fù)雜的運動模型,而針對平移運動的剛體則采用二參