结合支持向量机和图割的视频分割

为了提高视频分割的稳定性,提出一种结合支持向量机(SVM)和图割的算法.首先进行预处理,尽可能保持相邻帧背景静止;然后基于均值转移算法进行第1帧分割;再通过上一帧的分割结果采样收集像素的位置和颜色信息作为特征训练SVM,进而对后续帧进行标注;最后以标注的概率作为能量,结合基于图割的视频分割方法得到稳定的分割结果.实验结果表明,与传统图割算法相比,文中算法能得到更加稳定的分块边缘;同时,该算法使用的SVM能很方便地与其他现有视频分割算法结合.     

融合时空多特征表示的无监督视频分割算法

针对视频分割的难点在于分割目标的无规则运动、快速变换的背景、目标外观的任意变化与形变等,提出了一种基于时空多特征表示的无监督视频分割算法,通过融合像素级、超像素级以及显著性三类特征设计由细粒度到粗粒度的稳健特征表示。首先,采用超像素分割对视频序列进行处理以提高运算效率,并设计图割算法进行快速求解;其次,利用光流法对相邻帧信息进行匹配,并通过K-D树算法实现最近邻搜索以引入各超像素的非局部时空颜色特征,从而增强分割的鲁棒性;然后,对采用超像素计算得到的分割结果,设计混合高斯模型进行完善;最后,引入图像的显著性特征,协同超像素分割与混合高斯模型的分割结果,设计投票获得更加准确的视频分割结果。实验结果表明,所提算法是一种稳健且有效的分割算法,其结果优于当前大部分无监督视频分割算法及部分半监督视频分割算法。     

基于加权运动估计和矢量分割的运动补偿内插算法

提出了一种基于加权运动估计、矢量分割和可变块层次化处理的运动补偿内插(Motion-compensated frame interpolation, MCFI)算法. 首先, 提出一种加权运动估计改善了运动矢量(Motion vector, MV)的准确度, 其次, 通过矢量聚类分割将视频帧分割为运动区域和背景, 然后对运动区域的运动矢量进行了可变块层次化处理. 此过程中, 采用可变块合并算法保证了运动物体的边缘结构信息不被损坏. 同时考虑到部分可变块的多方向性, 使用了自适应矢量中值滤波器和矢量平滑降低了运动块大小, 能有效地消除传统方法中出现的方块效应和重影现象. 实验结果表明该算法在内插图像的主观视觉效果和客观评估标准上都有所提高, 而且对于运动较快及背景较复杂的视频序列同样具有较强的适应性.     

基于时空域暗示的运动对象检测和分割*

通过对视频帧间的时域信息和帧内的空域信息的充分开发,提出一种任意视频对象检测与分割算法。初始的运动区域评估利用时间加权的时域帧窗,采用基于点的分割;而近似同质颜色亮度纹理区域利用区域之间的差异和区域内的相似,采用改进的分水岭分割和基于区域特征相似度的合并。时域和空域分割结果的合并基于多数原则。最后,分割结果的完善和修正基于时域的持续性和空域上的一致性标准。通过测试,提出的分割算法获得可靠的对象边界,而且通过调整少量参数,可以适应于室内和室外场景以及高速和低速运动物体。     

动态场景下基于VR技术的短视频实时分割

针对现有短视频分割方法中存在应用场景受限与运动背景过分割等问题,提出动态场景下基于VR技术的短视频实时分割.利用VR技术三维重建动态场景下的短视频,丰富短视频的细节信息;通过时空联合的视频帧对象分割方法分割三维重建后的短视频,通过最大帧差分量方法提取连续两帧的帧差信息,利用线性扫描填充方法填充获取帧差模板;通过融合模糊C均值聚类算法与运动窗技术剔除帧差模板内的背景,获取对象模板;通过融合区域生长与边缘检测方法填补对象模板,获取完整目标对象;轮廓修正完整目标对象,获取精准目标对象,完成短视频实时分割.仿真结果表明:所提方法对短视频的分割精度较高,且分割效率较高.     

结合识别信息的多目标视频分割

针对实际应用中待分割目标类型已知的情况,提出一种结合识别信息的多目标视频分割算法,使用训练数据集构建目标以及背景的特征字典,计算视频帧的超像素,构造一个分层条件随机场模型,用于约束视频帧的局部邻域和全局邻域,通过求解分层条件随机场模型,获得最终分割结果。实验结果表明,该算法能够对视频中相互遮挡及残缺不全的多个目标进行有效分割。     

结合识别信息的多目标视频分割

针对实际应用中待分割目标类型已知的情况,提出一种结合识别信息的多目标视频分割算法,使用训练数据集构建目标以及背景的特征字典,计算视频帧的超像素,构造一个分层条件随机场模型,用于约束视频帧的局部邻域和全局邻域,通过求解分层条件随机场模型,获得最终分割结果。实验结果表明,该算法能够对视频中相互遮挡及残缺不全的多个目标进行有效分割。     

层次化区域匹配指导的视频颜色迁移

提出了一种基于层次化结构的视频颜色迁移方法。利用层次化分割技术对视频帧进行区域分割并将分割区域之间的组织关系用树的形式来描述,形成表示图像组成区域的具有层次化特征的树状结构。通过定义表示图像的树之间的层次化结构的相似性比较方法,对迁移图像之间的局部区域特征进行相似性比较,以寻找目标图像与参考图像局部迁移的最佳区域。在此基础上,利用颜色概率分布迁移的方法在图像的不同区域上进行局部颜色迁移以实现保持目标图像视觉特征的目的。     

基于分水岭-隐马尔可夫模型联合的语义视频对象提取技术

针对3C无线网络的增值服务业务,提出一种语义对象基于分水岭算法的视频帧内的分割,及基于隐马尔可夫模型的视频帧间跟踪提取技术.其主要的特点是首先采用基于标识集的分水岭算法来进行初始帧内语义视频对象的标定和分割处理,随后再进行二值化掩膜处理,最后借助隐马尔可夫测量场模型,将后续帧中视频对象的跟踪处理演化为跟踪区域与非跟踪区域的二值离散化标定问题.实验结果证明,该算法能很好地实现视频帧序列中语义视频对象的连续提取.     

一种基于H.264/AVC的压缩域运动对象分割方法

目前大部分压缩域视频对象的分剖方法主要面向MPEG系列视频标准,且算法建模复杂.为了解决这一问题,现提出了一种新的基于H.264/AVC的压缩域时空联合运动对象分割(TSMOS)算法.该方法主要利用压缩码流中的DCT系教和运动矢量信息进行对象分割,并首先利用相邻帧DCT系数之差提取运动对象轮廓,同时通过对轮廓进行形态学和抗噪声处理来得到粗糙的运动对象帧差掩码;然后采用运动向量归一化、噪声向量滤除、权值扩展向量中值(WEVM)滤波及前帧分割结果后向投影技术来得到对象的运动掩码;最后通过引入有效机制合并帧差掩码和运动掩码来分割运动对象.实验证明.该算法可取得较好的分割效果.