视频对象自动分割算法

提出了一种基于小波变换和运动边缘检测的自动视频对象分割方法。该方法对相邻帧分别进行二维小波变换，在小波域进行变化检测和Canny边缘提取，返回空间域后得到鲁棒的相邻帧差分边缘模板。结合当前帧边缘、背景边缘和前一帧的运动边缘，检测出当前帧对象的运动边缘，从而实现对视频对象的提取。通过实验验证，该算法对目标的整体运动和局部形变都有较强的适应性。此外，算法还具有快速、简便、准确性高的特点。     

基于Snake模型的视频对象分割和跟踪算法

视频对象的分割是基于内容的视频处理中重要的组成部分。提出并实现了一种半自动视频对象分割和跟踪算法。算法主要基于Williams活动轮廓模型，通过求取轮廓点的局部能量最小值对轮廓线进行更新。轮廓扩张技术用来追踪变形的轮廓边缘。通过对轮廓中心点运动的统计，预测对象的运动方向和大小。实验仿真结果表明，这种改进的Snake算法能够收缩到图像的凹陷部分，而且能较好地跟踪视频对象的运动。     

一种视频序列中的运动对象自动分割算法

提出了一种自动、准确的运动对象分割算法。首先通过直方图拟合获得准确的背景噪声方差,克服了以往只能依据经验设定背景噪声方差的缺点,并使用显著性测试技术有效地对帧差图进行二值化,确定出运动区域。然后进行形态学和对称差分处理消除噪声及显露背景,获得初始运动对象。但由于分割结果不够精确,再使用梯度向量流场作为外力的改进活动轮廓算法得到运动对象精确轮廓。实验结果表明,该方法能够得到运动对象精确的轮廓,并且具有调整参数少,抗干扰能力强,可并行处理等优点。     

视频图像活动轮廓目标检测跟踪研究

研究视频图像目标跟踪定位精确度问题。由于在图像中通常会发生缩放,造成图像目标模糊不清。传统的目标跟踪算法该类算法仅以目标发生平移运动为假设前提,图像质量差。为解决上述问题,提出了一种活动轮廓目标跟踪定位检测算法。首先选择合适的滑窗,采用减背景法来确定视频对象的运动区域,采用卡尔曼形态滤波来消除残余的噪声,然后针对目标在活动轮廓局部内具有较高灰度值的特征,通过自适应阈值来判别滑窗中心位置是否存在目标。当滑窗遍历整幅图像后,就可以得到目标的定位结果。仿真结果表明,改进算法不仅能够消除差分图像中的显露背景,从而得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪,具有一定的实际应用价值。     

基于直方图的Snake视频对象跟踪算法

提出了一种基于直方图的Snake视频跟踪算法。该算法是基于相邻帧中对象在直方图信息上的一致性前提条件下，采用Level Set曲线演化算法来实现的。由于它在Snake能量函数中引入了全局统计特性——直方图信息，从而克服了过去采用均值、方差或运动矢量等局部特征的Snake跟踪算法中的局限性。通过此算法与基于局部特性的Snake跟踪算法的对比实验可以看出，该算法在实际跟踪效果方面有很好的改善。     

基于假设检验和区域合并的视频对象分割

提出了基于假设检验和区域合并的视频对象分割算法。初始分割采用分水岭算法，接着根据颜色相似性进行区域合并，然后利用光流场估计和全局运动估计获得全局运动的残余误差，最后以各个区域的残余误差数据进行假设检验和小区域验证来确定运动区域，通过组合所有的运动区域即可分割出具有准确边缘的完整视频对象。对MPEG-4测试序列的实验结果表明了本算法具有良好的分割性能。     

基于高斯混合模型的视频运动对象自动分割算法

提出的算法首先采用高斯混合模型依据空间属性对当前帧进行聚类分割,可以克服一般聚类算法对数据集中的噪声无法建模以及聚类数目难以确定的问题.然后依据时序属性,分割出当前帧的运动对象的初步轮廓区域.最后将初步轮廓区域和聚类分割的区域进行匹配,提取出视频运动对象.通过实验验证,算法具有较好的准确性和抗干扰性,在运动微小的情况下也能取得比较好的效果.     

光电跟踪中实时视频对象分割算法

光电跟踪系统研究中难点的问题是实时跟踪目标.针对光电跟踪系统所跟踪的空中目标在视频序列中的特性,将整个跟踪过程划分为远距离段、航前(后)段、航捷段.然后对远距离航段,采取一种弱小目标的动态规划检测算法,及时发现并跟踪目标;在航前(后)段,采取一种基于自适应双波门的视频对象分割算法分割出运动目标,计算出目标形心与跟踪物镜的角偏差,以偏差作为光电跟踪伺服系统的输入信号,驱动跟踪器跟踪目标;在航捷段,将每帧视频变换为一组分辨率从高到低类似金字塔式的分层框架,对目标采取从粗到细的方式进行分割,以实现视频对象占据大部分视窗时的目标快速、准确分割.通过实例验证了所提出的算法的有效性.     

一种基于Kalman滤波的视频对象跟踪方法

为了更加准确地预测对象的位置和运动，利用刚体运动模型导出最佳Kalman系数，通过Kalman反馈滤波器对Moscheni等人提出的视频对象分割与跟踪算法进行改进，提出了一种将离散Kalman滤波技术用于视频序列的对象跟踪方法。这种方法可用于有关场景描述的各种应用领域中，如在机器视觉的研究中，对动态场景进行分析与理解；在基于对象的视频编码中（如MPEG-4），对视频对象进行分割后，分别进行编码，从而改善编码的可分级性及编码效率。实验结果表明，采用这种方法可以有效地改善时间-空间分割和目标跟踪，有助于更好地理解动态场景，并表现出良好的鲁棒性。     

基于运动估计的Kalman滤波视频对象跟踪

提出了一种利用Kalman滤波对运动目标的形心进行预测,从而实现视频对象跟踪的算法。首先进行视频对象分割,求出运动目标的形心。再利用视频序列中连续两帧的形心和运动矢量信息,用Kalman滤波对运动目标的形心在下一帧的位置进行预测,从而快速、有效地自动跟踪多个目标对象。实验结果表明,该算法对运动目标的出现和消失,以及非刚性物体的尺度变化和变形,具有较强的鲁棒性。     

一种视频目标轮廓跟踪的新算法

对双前沿活动轮廓模型进行了改进，提出一种鲁棒的视频目标轮廓跟踪新方法。通过限制支撑区域的大小，提高了演化速度。拟气球力的引入，既解决了因支撑区域限制导致的均匀区域内演化停滞的问题，又使参数调整更加容易，跟踪更加灵活。能较好地跟踪运动速度变化较大和形变较严重的目标，处理速度较快、并能自动适应目标拓扑的变化，适用于动态背景的视频。实验结果证明了该算法的高效性和鲁棒性。     

一种语义视频对象分割改进算法

随着MPEG－4、MPEG－7等标准的提出，如何提取语义视频对象已成为当前视频压缩和检索领域共同的研究课题。针对Watershed方法不能很好处理MPEG－1视频数据和人机交互困难的缺陷，该文提出了改进算法，它可以在MPEG－1视频数据上分割出光滑轮廓的语义视频对象。     

一种基于主动轮廓模型的运动目标跟踪方法

分析了几种经典主动轮廓模型（即Snake）的优缺点．针对传统Snake在应用于目标跟踪时的一些缺陷,设计了自动初始化轮廓的算法．采用四邻域交替搜索法取代八邻域搜索方法以减少计算开销,并给出了一种较为实用的基于Snake的运动目标跟踪方法．通过实验证明了本方法的可行性．     

基于改进的活动轮廓图像分割

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓模型在分割过程中具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点，提出了一种改进的活动轮廓图像分割技术．在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，然而梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动。把梯度向量流场（GVF）作为外部能量场，有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

在MPEG视频上的语义视频对象分割改进算法

随着MPEG－4，MPEG－7等标准的提出，如何提取语义视频对象已成为当前视频压缩和检索领域共同的研究课题。特别是MPEG－7对视频对象的形状检索提出了具体要求。针对顾创等人的WaterShed算法不能很好处理现有MPEG－1视频数据的缺陷，提出改进算法，从而能够在MPEG视频流中提取到具有光滑轮廓的语义视频对象，算法主要有以下两点改进：提出将类成员数作为分类算法的参数；有压缩域和解码后的图像上先后进行两次分割。实验结果表明，改进算法在鲁棒性和分割结果精度上比原算法有较大的改进，其分割结果可用于轮廓检索和重要视频对象检索。     

一种改进的活动轮廓图像分割技术

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓外力模型均存在一些难以克服的缺点，提出了一种改进的活动轮廓图像分割技术，并首先介绍了用活动轮廓进行目标分割的基本原理，即一条曲线在其内部能量和外部能量的共同作用下，可以移动到所期望的位置，并且当曲线到达目标位置的时候，活动曲线所具有的能量达到最小。在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，但是由于梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动，为此，对其进行了改进，即采用一种梯度向量流场作为外部能量场的方法，从而有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

采用统计推断的自动视频对象分割

在新一代MPEG－4视频编码标准中，为了支持面向对象编码和实现基于内容的应用，视频对象（VO）的自动分割成为关键技术之一，减背景法是视频对象自动分割的基本方法，但是不同的环境光照条件常常给视频对象的分割带来困难，提出一种基于统计推断的减背景法。该方法首先建立背景统计模型，然后对后续帧进行假设检验，从而分割出视频对象。文中算法采用HSV颜色空间，通过对背景统计模型中各颜色分量的有效分析和区别使用，能够很好地适应不同的环境光照条件。实验表明，文中算法能够在各种光照环境下自动地实现视频对象的准确分割。     

结合形态学和假设检验的视频对象分割

视频对象分割是当前图像和视频处理的热点和难点之一。文章首先采用形态算子和改进的watershed算法对图像序列进行空间分割,然后利用F检测算法进行帧间变化检测,将时空分割结果结合起来,得到初始的变化检测模板。通过相应的基于二值形态算子的后处理,得到最终的分割结果。整个过程基本是对灰度图像和二值模板的形态处理,简单易行。实验结果表明该算法可以较好地分离前景和背景,定位和分割视频对象。