基于时空信息的自动视频对象分割算法

提出一种在通用视频序列中从背景里分离出运动对象的方法.首先,使用全局运动估计和补偿、场景变化检测技术进行预处理.然后,使用四阶统计显著性检测方法从帧差图像中分离出前景和背景,并使用连通成分标记算法和一连串形态学开启、闭合操作得到修正后的二值模板图.接着,使用对称差分技术消除覆盖\显露的背景以及部分噪声.最后,使用模板匹配和更新,不仅能够得到快速变化的对象,而且能够得到视频对象暂时停止运动的部分.     

一种应用形态学滤波的视频对象时空分割算法

从视频图像中提取视频对象是基于内容的视频编码中的一项关键技术。本文提出了一种基于帧间运动信息和形态学滤波的视频对象时空分割算法。该算法首先利用分块高阶统计算法和基于最大类间方差的阈值算法得到目标的运动区域检测模板。然后,用基于交变序列重建滤波的分水岭算法得到前景对象的精确边缘。最后,用区域基时空融合方法将运动检测和形态学分割结果结合起来提取出视频对象。实验结果表明,本文算法能避免区域合并有效提取出具有精确边缘的视频对象,主客观分割效果理想。     

自适应遗传视频运动对象分割算法

为了快速准确地分割视频运动对象,提出一种新的自适应遗传视频运动对象分割算法.该算法通过完善进化机制,引进自适应初代个体、自适应选择算子、自适应调整交叉率和变异率以及终止判决等,有效解决了遗传算法收敛速度幔和群体过早成熟的问题.实验结果表明,新算法不但缩短了分割时间,而且取得了良好的分割效果.     

一种基于内容的快速视频运动对象分割算法

自从MPEG-4和MPEG-7标准公布以来。基于内容的视频编码与基于对象形状的检索成为视频领域新的发展趋势，而准确地从背景中分割出视频对象是实现上述功能的前提条件。对视频运动对象分割算法进行了研究，该算法结合对称差分和自适应阚值选取，获得变化检测模板，并最终分割出视频运动对象。实验结果表明该算法对运动对象敏感，能实时准确地分割出视频运动对象。但对象的关节运动以及背景的全局运动都将导致分割精度的降低，这也是今后研究的重点。     

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%.     

基于分割评价的多层次自适应双阈值分割算法

 论文通过分析最大信息熵双阈值分割算法原理,根据先验知识,设置目标出现最小最大频度条件,改变自适应双阈值计算条件,加快计算速度.同时通过计算分割后各个目标相关特征,利用BP神经网络技术对每个目标进行评价,根据评价结果修改原输入图像相应目标区域,并引入多层次迭代机制,实现了图像的多层次综合分割.实验结果表明,基于分割评价的多层次自适应双阈值分割算法提高了算法的通用性和分割的精确性,但是算法复杂性增加.     

运动目标和背景的自动分割

本文提出一种固定背景下的运动目标自动分割技术．首先,提出了一种新的运动变化检测方案．然后利用递归高阶统计的方法从高斯噪声中提取运动变化．同传统的高阶统计方法相比,递归高阶统计由于利用前ｎ 帧的图像信息,所以能够更有效地抑制噪声,检测小目标,并且分割效果较好．     

基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象,该文使用基于模糊聚类的分割算法获得组成对象边界的像素,从而提取对象。该算法首先使用了当前帧以及之前一些帧的图像信息计算其在小波域中不同子带的运动特征,并根据这些运动特征构造了低分辨率图像的运动特征矢量集;然后,使用模糊C-均值聚类算法分离出图像中发生显著变化的像素,以此代替帧间差图像,并利用传统的变化检测方法获得对象变化检测模型,从而提取对象;同时,使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量,保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

基于时空信息的运动目标分割算法

为了提高运动目标分割质量,提出一种基于时空信息的运动目标分割算法。首先利用回声状态网络仿射参数进行估计实现运动目标背景补偿,并采用非下采样轮廓波变换对视频图像进行消噪处理,然后采用标记分水岭算法对分割区域进行标记,并融合自适应光流法对运动目标进行分割,最后采用仿真实验测试算法性能。仿真实验表明,本文算法大幅度减少了运动目标分割误差,提高了分割精度,具有较强的鲁棒性。     

基于自适应Lab色差阈值的ViBe运动目标检测算法

针对视觉背景提取算法(ViBe)对光照变化和运动 阴影敏感、提取的运动区域容易产生空洞的问题,本文提出了基于自 适应Lab色差阈值的ViBe运动目标检测算法。根据图像的局部背景亮度与色彩的空间频率对 人眼视觉的影响,自适应的确定 每个像素点的色差阈值,用于像素点与背景模型的匹配;然后,利用邻域像素点的空间一致 性原则,对检测结果进行修正; 最后,统计各连通域的面积,去除小面积的运动目标。实验结果表明,本算法可以有效的适 应光照变化、抑制运动阴影、填 补运动区域的空洞,具有比ViBe算法更好的检测效果。     

An automatic segmentation method for moving objects based on the spatial-temporal information of video

The new MPEG-4 video coding standard enables content-based functions. In order to support the new standard, frames should be decomposed into Video Object Planes （VOP）, each VOP representing a moving object. This paper proposes an image segmentation method to separate moving objects from image sequences. The proposed method utilizes the spatial-temporal information. Spatial segmentation is applied to divide each image into connected areas and to find pre~：ise object boundaries of moving objects. To locate moving objects in image sequences, two consecutive image frames in the temporal direction are examined and a hypothesis testing is performed with Neyman-Pearson criterion. Spatial segmentation produces a spatial segmentation mask, and temporal segmentation yields a change detection mask that indicates moving objects and the background. Then spatial-temporal merging can be used to get the final results. This method has been tested on several images. Experimental results show that this segmentation method is efficient.     

基于自适应背景信息的目标跟踪算法

目标跟踪是计算机视觉应用的重要任务,兼顾算法性能和实时性是所有方法的共同目标。通过分析背景信息在目标跟踪的重要作用和影响,提出一种基于自适应背景信息概率密度函数的背景模板表示方法,改进传统核函数跟踪中的相似函数表达。实验表明,该算法在稍增加原有算法复杂度的情况下,抗背景干扰能力大大增强,并能准确跟踪快速运动目标和小目标。     

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。     

基于光流场估计的自适应Mean-Shift目标跟踪算法

针对Mean-Shift算法在目标跟踪中出现由于目标运动速度过快或尺度明显变化以及目标遮挡时导致跟踪失败的问题,结合光流场估计,提出了一种自适应Mean-Shift跟踪算法。本文方法在基于传统均值漂移矢量法的同时,引入光流法,在目标上找寻特征点,通过特征点前后变化的信息,修正跟踪窗口中心位置和大小,再根据Bhattacharyya系数二分法分别自适应得到更为精确的窗口长宽;而针对目标被静止物体遮挡,通过色差分析观测目标被遮挡区域,利用Bhatta-charyya系数重新捕捉目标。实验结果表明,本文方法在对目标移动方向较明显或由透视变化而导致的尺度变化具有较其他算法更优异的表现。将本文方法应用到铁轨跟踪实际中,测试结果表明,结合本文方法可显著提高轨道跟踪的可靠性。     

一种改进的自适应分数阶积分图像去噪算法

为了改善图像去噪的效果,提出一种基于分数阶积分和中值滤波的改进自适应图像去噪算法,首先利用自适应中值滤波算法(Ranked-order Based Adaptive Median Filter,RAMF)中的噪声判别条件来检测噪声点,然后利用"噪声边缘"判别函数对其中的可疑噪声点进行二次检测,同时根据图像的局部统计信息和结构特征构造自适应的分数阶阶次,最后将检测出的噪声点进行自适应的分数阶积分滤波去噪。与传统的分数阶积分去噪算法相比,该自适应算法有效地保留了被错误误去除的图像边缘点,并且实现了分数阶积分的阶次自适应化,在去除噪声的同时很好地保留了图像的边缘及纹理细节信息。     

基于改进GMM与帧差法的运动棉杂率分析算法研究

针对清梳棉流程中产出棉含杂高、质量差的问题,结合改进高斯混合模型(Gaussian mixed model,GMM)与帧差法,提出一种局部运动棉杂率控制优化方法。首先针对清棉机除杂原理及棉杂特性进行分析;其次通过提取视频关键帧并改进GMM与帧差法对图像序列“与”运算实现目标的精确提取,进而通过设计GMM分类器获得棉杂率并进行分析;最后与传统的检测算法作对比验证。实验表明,改进后的算法在有效性以及实用性方面优于传统算法。同时,通过引入闭环控制能满足工业高精度、实时性的需求。