视频对象分割中基于Gibbs随机场模型的时空分割结合方法

本文提出了一种基于Gibbs随机场模型的时空分割结合方法 ,用于视频对象的分割 .该方法为每一帧图像的分割模板建立Gibbs随机场模型 ,将时间域分割结果作为初始标记场 ,空间域的分割结果作为一个图像观察场 ,然后利用Gibbs模型的约束条件将二者结合起来 ,得到该帧最后的分割标记场 .实验结果表明 ,这种时空结合方法可以较好地避免以往的比重法过分依赖于空间域分割精度的问题 .     

视频对象分割中基于Gibbs随机场模型的空分割结合方法

本文提出了一种基于Gibbs随机场模型的时空分割结合方法,用于视频对象的分割.该方法为每一帧图像的分割模板建立Gibbs随机场模型,将时间域分割结果作为初始标记场,空间域的分割结果作为一个图像观察场,然后利用Gibbs模型的约束条件将二者结合起来,得到该帧最后的分割标记场.实验结果表明,这种时空结合方法可以较好地避免以往的比重法过分依赖于空间域分割精度的问题.     

运动视频对象的时空联合检测技术

提出了一种具有全局运动的视频运动对象时空联合检测算法。针对传统时间分割使用主观固定阈值的缺点,采用了对差分图像进行噪声参数自适应学习的算法获取自动阈值,并利用形态学运算获取修正的时间分割模板;考虑传统分水岭空间分割的不足,提出了基于人眼视觉特征的改进分水岭算法,包括基于形态重建滤波的图像降噪、形态梯度变换以及基于韦伯感知原理的视同灰度非线性变换,有效地解决了过分割问题;对时、空间分割结果进行信息融合处理,从而得到完整的运动对象。仿真实验结果表明,本文算法可以快速准确地分割视频运动对象。     

一种新的基于时空信息的视频分割

提出了一种新的基于时空信息的视频分割算法．即先将原始图像标记成不同的区域,然后以帧间差分得到的对象运动信息作为评判准则,将这些区域分别归类于前景对象和背景．达到对象分割的目的。特别是在区域标记的过程中,采用了一种新的基于分水岭的区域标识技术。通过对标准图像序列的实验结果可以看到,利用该算法能够较精确地分割出视频对象。     

网格运动分析与形态学滤波相结合的视频对象分割

提出了一种基于二维网格运动分析与改进形态学滤波空域自动分割策略相结合的视频对象时空分割算法。该算法首先利用高阶统计方法对视频图像的二维网格表示进行运动分析，快速得到前景对象区域，通过后处理有效获得前景对象运动检测掩膜。然后，用一种结合交变序列重建滤波算法和自适应阈值判别算法的改进分水岭分割策略有效获得前景对象的精确边缘。最后，用区域基时空融合算法将时域分割结果和空域分割结果结合起来提取出边缘精细的视频对象。实验结果表明，本算法综合了多种算法的优点，主客观分割效果理想。     

基于模糊聚类的视频对象分割

提出了一种基于模糊聚类的视频对象分割方法.首先通过对连续三帧视频图像进行二次差分来得到二次差分图像;然后估计噪声的特征参数滤除背景噪声,提取出视频对象的运动区域;再利用改进的FCM聚类算法对二次帧差图像中的视频对象运动区域进行空域分割,对空域分割结果进行形态学处理,得到视频对象掩模;最终获得较为理想的视频对象.实验结果表明,该算法能够较为准确地分割出视频对象,并且在空间准确度上占优.     

广播电视立体图像和视频编辑技术分析

立体图像和视频由于数据量大,直接影响了立体图像和对象的对象分割,利用基于视差图的对象分割方法可以有效解决立体图像对象分割,利用基于视差图和二次帧查运动检测方法可以有效解决立体视频运动对象的分割。     

一种基于时空信息的VOP分割算法

本文提出了一种基于时空分割的甚低码率图像序列的高频对象分割算法。以绝对位移帧差作为时域分割的标准;空间域上采用了一种快速的优化分水岭算法,极大地减少了运算量;然后,将时空分割结果结合起来,获取最终分割结果。对MPEG－4标准视频会议测试序列的测试结果表明,利用该算法优异的性能,不仅可以得到完整而准确的视频对象,而且具有较快的运算速度,可以满足实时性的要求。     

基于时空混沌的图像分割算法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和时空混沌中全局耦合映像混沌同步的特点,提出了一种新的基于时空混沌的图像分割算法.新算法对每个灰度等级构建全局耦合映像,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映像混沌同步过程完成灰度等级的自适应聚类.实验结果表明:算法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.     

基于累积帧差图像的视频对象提取系统

对现有的分割方法进行了综合分析,提出了一种全新的基于变化检测的综合的语义视频对象提取系统.该系统分为4个部分:1)计算并累积若干相邻帧差图像;2)在累积帧差图像上滤除尖锐噪声自适应选取域值;3)域值化累积帧差图像;4)利用噪声的孤立性,对象运动的连通性进行后处理提取对象.对比实验结果表明,该系统提出的方法计算复杂度低,不需人工参与,运动对象的提取质量高,非常适于基于对象的实时视频处理应用.     

一种基于定时段区域补偿的视频对象分割算法

在传统时空联合算法的基础上,提出了一种基于定时段区域补偿的视频对象分割后处理算法。首先,通过对帧差图像进行噪声抑制和膨胀连接获得变化检测模板;然后,对原始图像进行开闭重构简化,求取形态学梯度,通过对形态学梯度图像进行非线性变换和梯度等级划分并最终由分水岭算法获得对象的精确边界,通过比例运算提取出视频对象的初始二值化模板;最后,通过定时段区域补偿获得最终的完整视频对象模板。实验结果证明了该算法的正确性和有效性。     

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。     

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。     

基于红外运动目标分割的夜视融合系统设计

为了提高夜视系统的质量以及目标探测性能, 设计了红外视频运动目标与可见光融合夜视侦察系统。系统在硬件处理平台上实现了基于人眼视觉的红外运动目标分割算法和基于目标特性的加权融合算法, 采用红外运动目标分割电路和融合处理电路互联的结构, 首先利用FPGA为核心的红外目标分割电路提取红外视频中的运动目标, 然后将只有红外运动目标的视频输入后端DSP融合处理电路中进行融合处理, 最后从系统中输出一系列目标形态突出、背景细节清晰的融合序列。实验结果表明: 该系统可以提高夜视融合系统目标探测性能和探测概率, 融合结果的各项评价指标提高了90%以上, 有的评价指标甚至提高了7倍以上, 可以很大程度地降低系统的虚警率。     

目标基视频编码中的运动目标提取与跟踪新算法

自动、快速的视频目标提取与跟踪是目标基视频编码中的一项关键技术.本文提出一种运动目标提取与跟踪新算法.首先,根据多帧运动信息和高阶统计检测方法得到二值运动掩模图像,然后提出一种改进分水岭算法对运动区域及其周围部分进行分割.将二者所得结果进行投影运算,得到最终运动目标.最后提出一种运动目标跟踪新算法,能对目标进行有效的跟踪.实验结果说明了本文算法的有效性.     

基于双通道卷积神经网络的视频目标移除取证算法

针对现有数字视频目标移除取证算法的伪造帧识别准确率低的问题,本文提出了一种基于双通道卷积神经网络的视频目标移除取证算法。该算法利用双通道结构,分别提取视频绝对帧差图像的RGB特征和噪声特征,并利用双线性池化对二者进行特征融合,而后通过分类层输出视频帧的分类结果,从而有效地识别经过篡改的视频帧。其中,RGB通道能够发现绝对帧差图像中不自然的篡改边界和对比度,噪声通道能够发现原始区域和篡改区域之间噪声的不一致性。此外,算法在网络前端增加了预处理层来放大篡改视频帧的伪造痕迹。实验结果显示,所提算法有效地提高了伪造视频帧的识别准确率,且相对于传统的单通道网络结构,双通道特征融合的方式取得了更好的检测性能。      

视频对象分割技术研究

视频对象分割是新一代视频编码、视频检索、互联网多媒体交互等新兴领域的关键技术。介绍了视频对象分割的相关理论概念,对其各种算法分类进行了详细阐述,并对现有的基于运动分割算法进行了分析。重点研究了时下比较热门的2种算法,即基于时域信息分割法和时空域信息联合分割算法,同时分析了当前视频分割技术的研究现状、尚存在的问题,有针对性地提出了未来工作应重点研究的几方面内容。     

基于L曲线的自适应时空正则化视频超分辨率重建

为了解决视频超分辨率重建的病态问题,以得到良好的重建效果,提出了一种新颖的视频超分辨率重建算法。在算法中引入了时空联合正则化算子,通过视频帧本身的空间平滑信息和视频相邻帧的帧间相关先验信息的引入,提高了解的质量;同时,为了选择合适的时空正则化系数,提出了基于L曲线的自适应时空正则化系数计算方法,可以自适应地计算合适的正则化系数。通过对模拟图像序列和真实视频序列的实验结果表明,算法能得到较为精确的解,重建出具有良好视觉效果的高分辨率视频。     

基于Harris图像拼接的全景视频稳像算法

对于背景变换和抖动分量比较小的视频序列,传统稳像算法不能直接适用,本文提出一种基于Harris图像拼接的全景稳像算法。首先采用Prewitt算子提取出图像的边缘信息,在此基础上进行分区的Harris特征点检测;然后结合NCC（normalized cross correlation）算法与RANSAC（random sample consensus）算法实现图像间的特征点精确匹配,接着利用加权平均融合的方法进行图像融合;最后对融合后的全景图像进行剪裁,完成图像补偿,输出稳定的视频序列。实验结果表明:改进的Harris算法提高了算法效率以及正确特征点数量,并且本文稳像算法实时性较好,能够有效消除视频抖动并输出稳定的视频序列。     

运动目标检测和目标区域的估算

采用三帧差分法检测静止背景下视频序列中的运动目标,得到运动目标的二值图像。并利用矩方法对运动目标的几何特征进行了研究,在此基础上提出了一种运动目标的质心和最小外接矩形的估算算法,并对该算法进行了改进,使之适合噪声干扰比较大的情况。该算法可实现运动目标进行快速准确定位和区域估算,实验表明该算法的时间复杂度和空间复杂度低,效果良好,且具有很好的鲁棒性。