基于快速EM算法的马尔可夫随机场模型运动目标自动分割

文章提出一种基于高斯马尔可夫随机场(GMRF)模型的运动目标自动分割算法。该算法采用高斯混合分布描述视频序列的差分图像，对标准Expectation—Maximization(EM)算法进行了改进，提出了快速EM算法。从不完整数据中估计出概率模型的参数。在此基础上建立马尔可夫随机场模型，构造系统能量函数。然后通过条件迭代模型(ICM)优化算法求解能量函数的最优解，得出标记场，提取出运动目标。实验结果证明，该算法对运动目标分割具有很好的分割效果。     

一种基于区域Gibbs势能函数的视频运动对象分割算法

提出了一种基于时空联合分析框架的视频对象分割算法,通过改进的分水岭变换对视频图像进行帧内空间区域划分,并根据帧间运动信息和区域的空间特性得到初步的分割掩模;然后建立基于区域的马尔可夫随机场分布模型,并定义对应的Gibbs势能函数,通过迭代条件模式(ICM)方法求解得到最小化能量,从而获得稳定的分割标记场,准确地提取视频对象。实验结果表明,提出的分割算法性能优于欧洲COST211研究组所得到的分割结果。     

一种新的基于时空马尔可夫随机场的运动目标分割技术

在图像处理领域，视频图像序列中的运动目标分割技术是一个被广泛研究的热点课题。该文提出一种新的基于时空马尔可夫随机场的运动目标分割技术。首先，对视频序列的前后3帧图像进行处理，获得两帧初始标记场；随后，对两帧初始标记场进行“与”操作，获得共同标记场；最后，以原始图像的色彩聚类图像作为先验知识，重新定义Gibbs能量函数，并利用迭代条件模型（ICM）实现最大后验概率（MAP）的估算问题，获得优化标记场。实验结果表明：该模型克服了传统时穿马尔可夫随机场模型因运动产生的晶露遮挡现象，同时减弱了运动一致性造成的空洞现象并削弱了噪声的影响。     

基于MRF的自适应帧差运动目标检测

为克服传统的运动目标检测算法容易受到显露遮挡,空洞以及噪声现象的影响,构造了一种基于MRF的自适应帧差运动目标检测算法。采用最大类间方差法自适应确定序列图像的初始标记场;通过帧差及“与”运算处理,消除伪运动信息;结合马尔可夫随机场理论构建了自适应马尔可夫随机场模型系统能量函数;并利用迭代条件模式算法完成标记场的优化过程,准确的提取出运动目标。实验结果表明,该算法能够有效地实现运动目标检测,效果理想。     

基于置信传播的视频运动目标检测

视频运动目标的检测是目标分类和行为理解等后续处理的基础。本文提出一种复杂背景条件下基于置信传播(BP)的视频运动目标检测算法。该算法依据视频背景的空间和时间相关性,分别定义了视频背景的空间和时间能量函数,完成视频运动目标的优化检测。利用置信传播算法在相邻像素之间的信息交换来实现能量最小化,不同背景条件下的实验结果验证了该算法的有效性和准确性。     

基于核密度估计和马尔科夫随机场的运动目标检测

针对目标和背景具有空间连续性的特点,提出一种基于核密度估计和马尔科夫随机场的运动目标检测方法。首先利用核密度估计计算像素点属于背景的概率密度,在特征向量中加入颜色空间运动矢量分量来提高对背景扰动和光照变化的鲁棒性;然后构造马尔科夫随机场,提出一种马尔科夫随机场能量函数代价项的构造方法,通过最小化其能量函数得到目标分割结果。实验结果证明,该运动目标检测算法对背景扰动和光照变化具有更好的鲁棒性,错误检测率更低。     

基于阴影流和3D MAP-MRF 的运动阴影消除

阴影消除是运动检测中的一个重要问题。本文提出一种用阴影流和三维马尔可夫随机场后验概率最大化方法运动阴影消除算法。首先对每个像素建立混合高斯模型,通过阴影弱分类器,将可疑的阴影像素分离出来送到阴影流模型中。在线学习候选阴影像素,得到置信度高的阴影流模型。然后用混合高斯模型,阴影流和当前图像一起构建一个三维的马尔可夫随机场模型,将运动目标检测转化为标号组后验概率最大化/能量函数最小化。最后,构建一个与三维MRF对应的三维网络流图,通过动态图切算法,求出图的最小切,即求得MRF标号组的最大后验概率,从而给每个像素分配“前景”或“非前景”标号,达到消除阴影分割运动物体的目的。实验表明本方法在实际视频中取得了较好的效果。      

基于时空马尔可夫随机场的运动目标分割技术

复杂场景下的运动目标分割技术是近年来多媒体通信技术研究的热点之一。文中提出一种基于时空马尔可地随机场模型的运动目标分割技术。首先建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,通过模型可以提出期望的空间属性。然后利用迭代条件模型（ＩＣＭ）算法实现最大后验概率（ＭＡＰ）估算问题。最后利用形态滤波的方法对分割结果进行修正。模拟实验结果证明,该方法能够有效地抑制图像的噪声,对于运动     

灰色关联度和模糊熵相结合的图像分割算法

提出了一种结合灰色关联度和模糊熵的分割算法.传统模糊熵分割算法的隶属度函数只利用了图像灰度值的统计信息,因此算法容易受噪声或光照不均的影响.在隶属度函数的计算中,引入灰色关联度来表示像素的空间信息,能够更加准确地反映像素属于目标或背景的影响.由理想目标或背景点组成参考序列,待处理像素及其邻域组成比较序列,计算比较序列与参考序列之间的灰色关联度,并修正隶属度函数.对实际图像的测试实验表明,结合灰色关联分析的最大模糊熵分割算法比传统模糊熵分割算法具有更强的噪声抑制能力和更准确的分割结果.     

基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

Video object segmentation in rainy situations based on difference scheme with object structure and color analysis

A scheme based on a difference scheme using object structures and color analysis is proposed for video object segmentation in rainy situations. Since shadows and color reflections on the wet ground pose problems for conventional video object segmentation, the proposed method combines the background construction-based video object segmentation and the foreground extraction-based video object segmentation where pixels in both the foreground and background from a video sequence are separated using histogram-based change detection from which the background can be constructed and detection of the initial moving object masks based on a frame difference mask and a background subtraction mask can be further used to obtain coarse object regions. Shadow regions and color-reflection regions on the wet ground are removed from the initial moving object masks via a diamond window mask and color analysis of the moving object. Finally, the boundary of the moving object is refined using connected component labeling and morphological operations. Experimental results show that the proposed method performs well for video object segmentation in rainy situations.     

一种基于内容的快速视频运动对象分割算法

自从MPEG-4和MPEG-7标准公布以来。基于内容的视频编码与基于对象形状的检索成为视频领域新的发展趋势，而准确地从背景中分割出视频对象是实现上述功能的前提条件。对视频运动对象分割算法进行了研究，该算法结合对称差分和自适应阚值选取，获得变化检测模板，并最终分割出视频运动对象。实验结果表明该算法对运动对象敏感，能实时准确地分割出视频运动对象。但对象的关节运动以及背景的全局运动都将导致分割精度的降低，这也是今后研究的重点。     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。     

基于时空联合的红外运动目标分割算法

针对野外复杂背景下红外运动车辆分割这一难题,提出了一种时空联合的运动目标分割算法.该算法首先通过自适应变化检测提取出初始目标,然后在初始目标外接矩形区域中做分水岭变换,最后通过基于初始目标模板投影和运动投影的区域合并,得到精确的目标.实验结果表明,该算法能快速精确地从复杂背景中分割出目标.     

基于运动矢量场的运动目标区域检测

基于稀疏运动矢量场,提出一种动态背景下的运动 目标区域检测方法。根据运动矢量场特性分析进行全局运动 参数估计和全局运动补偿,实现动态场景中的背景校正;利用最大树数据结构, 基于运动矢量补偿误差分级表示视频帧中 运动基本一致的连通区域,进行运动区域初始分类;根据运动目标在空间上的连通性和运动 一致性的特点,选择区域相似性 度量准则,进行区域合并和滤波,将具有相似运动的连通区域合并,实现运动目标区域检测 。将检测出的运动目标区域作为 运动矢量外点反过来又应用于全局运动参数估计过程中,全局运动估计和运动目标区域检测 交替地进行,不仅加快了它们的 计算速度,同时也提高了它们计算和检测的准确性。实验结果表明,本文算法能较好地补偿 序列的全局运动,有效地检测出 局部目标运动区域。     

基于空时多线索融合的超像素运动目标检测方法

运动目标检测是计算机视觉领域极具挑战性的难题,该文针对这一问题提出一种基于空时多线索融合的超像素运动目标检测方法。首先利用简单线性迭代聚类算法将当前帧分割为超像素集合,根据帧间的像素级时变线索找到当前帧中包含运动信息的前景超像素子块;然后根据运动目标的一致性原则建立前一帧目标模型,结合目标空间线索进一步确定包含运动目标的检测窗口,将目标检测问题转化为目标分割问题,利用密集角点检测将目标从窗口中分割出来。在多个具有挑战性的公开视频序列上同几种流行检测算法的实验对比结果证明了所提算法的有效性和优越性。     

基于HSV空间阴影去除方法研究与应用

在智能视频监控系统中,运动阴影如果被误判为运动目标,将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题,设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合,用于提取运动目标,再将提取的含有阴影的运动目标区域映射到其HSV色彩空间,通过与背景和相邻帧的亮度、饱和度比较,实现对阴影区域的检测和去除,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统,验证结果表明该方法能更加有效的消除阴影,从而准确的检测出运动目标,同时方法对光线变化具有一定的鲁棒性。     

A novel algorithm to segment foreground from a similarly colored background

Color similarity between the background and the foreground causes most moving object detection algorithms to fail. This paper proposes a novel algorithm designed to segment the foreground from a similarly colored background. Central to this algorithm is that the motion cue of the moving object is useful for foreground modeling. We predict the position of the moving object in the current frame using historical motion information, and then use the prediction information to construct a predictive model. The mixture foreground model is a union of the predictive model and the general foreground model. Final segmentation is obtained by combining a likelihood modification technique and the mixture foreground model. Experimental results on typical sequences show that the proposed algorithm is efficient.     

空域视频场景监视中运动对象的实时检测与跟踪技术

本文分析了空域视频场景中运动对象实时检测、跟踪系统的模型。提出了一种在运动背景下实时检测与跟踪视频运动目标的技术。该方法首先进行背景的全局运动参数估计,并对背景进行补偿校正,将补偿校正后的相邻两帧进行差分检测。然后利用假设检验从差分图像中提取运动区域,利用遗传学方法在指定区域内确定最优分割门限,提取视频运动对象及其特征;最后利用线性预测器对目标进行匹配跟踪。在基于高速DSP的系统平台上的实验结果表明该方法取得了很好的效果。