一种基于内容的视频对象分割算法

提出了一种基于内容的视频对象分割算法。该算法先对分块的图像进行运动估计，利用运动矢量初步分割运动前景和背景，对于产生的背景噪声使用改进的中值滤波算法滤除，并用形态学的方法恢复出运动物体。实验结果表明：该算法能够较好地从视频序列中分割运动前景和背景，比较适合于在基于内容的视频编码标准MPEG-4中使用。     

基于多帧边缘差异的视频运动对象的分割与跟踪算法

从视频场景中分割和跟踪感兴趣的视频对象对于MPEG-4等基于对象的视频编码来说是关键性的技术之一。针对目前大部分视频对象分割和追踪算法相当复杂但仍不能有效地去除背景噪声的问题,该文提出用于分割和跟踪视频运动对象的一种基于多帧边缘差异的算法。该算法利用一组帧的边缘差异来提取运动对象区域,通过聚类方法去除背景像素点,利用形态学算子得到对象分割模板,同时通过建立前帧感兴趣对象与当前帧运动对象的帧间向量跟踪当前帧的感兴趣视频对象。不同标准视频测试序列的测试结果表明,该算法能够实现对感兴趣的视频运动对象更为精确、快速和有效地分割和跟踪。     

基于目标匹配的视频对象跟踪算法

视频对象分割算法的性能好坏将直接影响MPEG-4编码产品的质量。连续两次差分后自适应处理，对差分图像取交集获得运动对象的边界，形态学处理后获得二值分割掩模进而提取运动目标。基于改进的Hausdorff距离度量法对后续帧中视频对象进行跟踪。实验结果证明，该方法能够从背景不变的图像序列中较好的提取出运动对象，具有较强的鲁棒性。     

一种基于帧内图像分区的视频对象自动分割算法

视频运动对象的自动分割是实现新一代对象基视频编码标准MPEG-4的重要技术,本文提出了一种基于帧内图像分区的运动对象自动分割算法.首先以时域运动信息为依据利用高斯检验方法得到二值运动掩模图像,并建立MRF随机场模型进一步检验,然后提出了一种结合非线性变换的改进分水岭算法进行帧内图像分区,以划定对象区域与背景区域的界线,最后对时域分割和帧内分区结果进行比重运算,得到最终运动对象.针对MPEG-4标准测试序列和自采集手指视频序列的实验结果说明了算法的有效性.     

MPEG-4视频对象分割技术

随着MPEG-4,MPEG-7的研究发展,其基于内容的编码和面向对象的存取和操纵技术日益得到人们的重视。基于对象的视频图像分割是实现MPEG-4基于内容的编码和交互功能的关键。视频图像分割方法分为自动分割法和半自动分割法两种。结合视频分割的发展趋势,深入介绍了基于对象的视频分割的主要技术及国内外的最新研究算法,包括数学形态学算法以及活动轮廓模型(蛇模型)在该领域的应用,并分析了当前视频分割技术尚存在的问题和研究前景。     

一种时空联合的视频对象的自动分割算法

随着新的视频压缩标准MPEG-4的出现，如何从视频序列中分割出具有语义意义的运动对象显得极其重要。本提出了一种自动的运动对象分割算法，利用浮点图像的轮廓进行区域分割，然后根据帧间运动信息进行区域合并，分割出视频序列中的运动物体。     

基于背景重构的视频分割技术及应用

针对背景静止的立体视频提出了一种快速的基于背景重构的视频分割算法.先利用帧差法分别确定出左右视频的前景运动区域,再重构出该区域的背景图像,最后,通过视频图像和背景图像的对比来准确地提取运动前景.然后,先匹配左右图像序列的背景图像,并保存它们的匹配结果,再分别对各立体图像对的运动前景进行匹配.采用该方法将立体视频分割可以...     

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.     

视频对象分割技术与应用

随着MPEG-4基于内容的功能的提出,视频对象分割技术成为视频处理领域的研究热点,视频对象分割就是从视频序列中分割出在语义上有意义的对象,介绍视频对象分割所涉及的关键技术,详细讨论基于时空联合的分割算法,并且探讨视频对象分割技术在视频会议、交通流视频监测等领域的应用。     

MPEG-4框架下的视频对象分割及其关键技术分析?

在简要介绍MPEG-4引入的视频对象概念及其应用背景的基础上,系统地研究了视频对象分割所涉及的关键技术。首先,按照视频是否压缩将现有算法划分为像素域和压缩域两类,详细讨论了所涉及到的初始对象分割、对象跟踪技术。其次,阐述了立体视频对象分割以及基于细胞神经网络体系结构的对象分割算法的研究进展。此外,对视频对象分割算法的客观性能评价进行了总结。最后,对本领域值得进一步研究的问题进行了预测和展望。     

动态背景下融合运动线索和颜色信息的视频目标分割算法

针对现有动态背景下目标分割算法存在的局限性,提出了一种融合运动线索和颜色信息的视频序列目标分割算法。首先,设计了一种新的运动轨迹分类方法,利用背景运动的低秩特性,结合累积确认的策略,可以获得准确的运动轨迹分类结果;然后,通过过分割算法获取视频序列的超像素集合,并计算超像素之间颜色信息的相似度;最后,以超像素为节点建立马尔可夫随机场模型,将运动轨迹分类信息以及超像素之间颜色信息统一建模在马尔可夫随机场的能量函数中,并通过能量函数最小化获得每个超像素的最优分类。在多组公开发布的视频序列中进行测试与对比,结果表明,本文方法可以准确分割出动态背景下的运动目标,并且较传统方法具有更高的分割准确率。     

A fast valley-based segmentation for detection of slowly moving objects

Moving object detection in a video sequence is the first and most important step in many computer vision applications. However, it is challenging for a machine to match with the human visual perception level. Motion information of slowly moving object is highly erroneous in comparison with fast moving object. Therefore, in real time, accurate segmentation of slowly moving objects is more challenging. In this paper, a fast and efficient segmentation algorithm is proposed for the detection of slowly moving object in a video sequence. The proposed method has three steps to extract the slowly moving object in a video. In the first step, an averaging frame difference method is proposed to extract the motion information. In the second step, a valley-based thresholding is proposed to segment all the frames of a video. In the final step, the motion information and spatial homogeneous region information are merged to extract the slowly moving object.     

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Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

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.     

HOS运动目标分割算法在视频监控中的应用

为了提高视频监控中运动目标分割的速度和准确度,研究并实现了一种基于高阶统计量HOS(HigherOrder Statistics)的分割算法.首先根据HOS假设检验处理帧差图,判定像素点是否属于运动区域,阈值通过灰度共生矩阵获得,考虑了背景纹理的慢变化.然后,用矩形框聚类法大致确定运动目标的范围,在该范围内使用形态运算法和首尾扫描法去除空洞.最后,使用模板相与法获得帧图像的运动目标模板,从原图像中分割运动区域.算法采用了由粗到精的分析策略,实验表明,是一种快速稳健的算法.     

Figure-ground segmentation from occlusion.

Layered video representations are increasingly popular; see [2] for a recent review. Segmentation of moving objects is a key step for automating such representations. Current motion segmentation methods either fail to segment moving objects in low-textured regions or are computationally very expensive. This paper presents a computationally simple algorithm that segments moving objects, even in low-texture/low-contrast scenes. Our method infers the moving object templates directly from the image intensity values, rather than computing the motion field as an intermediate step. Our model takes into account the rigidity of the moving object and the occlusion of the background by the moving object. We formulate the segmentation problem as the minimization of a penalized likelihood cost function and present an algorithm to estimate all the unknown parameters: the motions, the template of the moving object, and the intensity levels of the object and of the background pixels. The cost function combines a maximum likelihood estimation term with a term that penalizes large templates. The minimization algorithm performs two alternate steps for which we derive closed-form solutions. Relaxation improves the convergence even when low texture makes it very challenging to segment the moving object from the background. Experiments demonstrate the good performance of our method.     

基于边缘特征的自动运动对象分割

为了准确分割出视频场景中的运动对象,该文提出了一种基于边缘特征的运动对象分割及跟踪算法。首先对相邻帧进行自适应变化检测,得到相邻帧二值差分图像。结合当前帧Canny算子检测的边缘图像,获得运动对象的初始边缘模板。其次对运动对象的运动分为快变和慢变两部分进行跟踪并更新运动对象的边缘模板。最后对运动对象的边缘模板进行数学形态学处理得到运动对象的外轮廓,使用梯度向量流场作为外力的改进活动轮廓算法收缩获得运动对象准确的闭合轮廓曲线。该算法对运动对象的整体运动和局部形变都有很强的鲁棒性, 能够得到运动对象准确的轮廓,并且对复杂背景有很好的适应性。     

H.264压缩域中mean-shift聚类运动目标分割算法

针对视频监控、检索,提出了一 种在H.264压缩域下运动对象分 割的新算法。根据实际监控应用特点,算法主要利用H.264码流中提 取的运动矢量(MV)、分块尺寸信息对原始的MV场(MVF)进 行可靠性分析以及空间滤波、mean-shift聚类处理,从而得到可信度较高的 MVF场。首先,从H.264码流中获取原 始MV 并进行归一化处理,同时对原始MVF进行两步空间滤波;其次,对不同的块大 小分配相应的权值作为每个样本 的权重系数,将处理之后的MVF作为样本空间,利用mean-shift聚类获取 真实的MVF;最后,根据可靠的MVF 标记运动目标。实验结果表明,本文提出的mean-shift聚类运动目标分割算 法可以获得有效并可靠的分割结果。     

A hybrid algorithm for automatic segmentation of slowly moving objects

Segmentation of moving objects in video sequences is a basic task in many applications. However, it is still challenging due to the semantic gap between the low-level visual features and the high-level human interpretation of video semantics. Compared with segmentation of fast moving objects, accurate and perceptually consistent segmentation of slowly moving objects is more difficult. In this paper, a novel hybrid algorithm is proposed for segmentation of slowly moving objects in video sequence aiming to acquire perceptually consistent results. Firstly, the temporal information of the differences among multiple frames is employed to detect initial moving regions. Then, the Gaussian mixture model (GMM) is employed and an improved expectation maximization (EM) algorithm is introduced to segment a spatial image into homogeneous regions. Finally, the results of motion detection and spatial segmentation are fused to extract final moving objects. Experiments are conducted and provide convincing results.