基于时空曲线演化的多视频运动对象分割算法

多视频对象由于其运动的复杂性,在分割提取过程中有较大的难度.本文提出了一种基于时空曲线演化的多视频对象自动分割方法,首先根据视频序列帧间(时间域)和帧内(空间域)信息的不同特点,建立基于全局和局部特征的能量模型,并由此导出基于level sets方法的曲线演化方程;然后用视频序列的连继两帧帧差得到初始的视频对象,分别进行时间和空间曲线演化跟踪,提取多个视频对象;当对象因运动而发生相互遮挡现象时,利用基于Bayes最小错误概率决策法则的判断方法,分割遮挡对象和显露对象.实验结果表明,本文提出算法的分割效果在空间准确度上比COST211算法提高30-50%,比最佳的帧差分割算法提高5-10%.     

一种基于背景重构的视频对象分割算法

为了更有效地实现基于内容的视频编码,提出了一种基于背景重建技术的视频对象分割算法.首先提出一种新的噪声参数估计方法,运用变化检测技术得到表示视频对象运动区域的二进制变化检测掩模(CDM),针对CDM纹理性差的特点,以邻域最大值法来修补边缘并填补空洞,经数学形态学滤波后得到完整的二进制掩模;然后利用二进制掩模映射获得本帧背景图象,通过多帧背景图象相互补充可得到较为完整的重构背景图象;最后用当前帧和重构的背景图象相减的办法消除背景遮挡的影响,得到初始的视频对象,经数学形态学边缘修正后,获得准确的视频对象,实验结果表明,本文提出的算法是有效的.     

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。     

基于时空标记场最大后验概率的多视频对象分割算法

该文提出了一种基于贝叶斯框架的时空标记场最大后验概率的多视频对象分割算法，根据视频序列帧间（时间域）和帧内（空间域）信息的不同特点，建立基于多个对象分割标记场的最大后验概率公式，并导出其最小能量函数，通过求解最小能量使其分割标记的后验概率达到毋大。最小能量的优化求解用迭代条件模式（ICM）方法，初始分割标记场用矢量直方图法得到。实验结果表明，该文提出的算法对存在局部遮挡的多运动对象分割是有效的。