视频序列中运动前景的自动提取方法

在兼顾运动图像分割效果和实时性的基础上,针对视频序列,仅利用其时域信息,提出了一种简单有效的运动前景分割算法。首先对图像序列做帧间差分与隔帧差分,然后将两类差分结果进行累积,对累积结果采取交集聚类的方法求出运动前景轮廓。二值化处理后,扫描填充即可得到图像序列中的运动前景。实验证明：该算法兼顾分割效果和实时性的要求,是一种较好的运动前景分割算法。     

基于改进活动轮廓的视频对象自动分割及跟踪算法

为了能够从视频序列图像中准确地提取出运动视频对象,提出了一种基于改进活动轮廓的视频对象自动分割及跟踪方法。该方法首先采用连续帧间差的4次统计量假设检验来确定视频对象的运动区域,并使用形态滤波消除残余噪声和空洞;然后根据3帧序列图像得到的前后运动区域的相与运算来有效地解决运动视频对象前后帧的遮挡问题,以获得视频对象模板,当提取出视频对象模板的边缘轮廓后,再用梯度向量流场作为外力的改进活动轮廓算法来获得视频对象的精确轮廓;最后以此视频对象的轮廓为基础进行运动补偿,以得到下一帧图像的初始曲线,再使用改进的活动轮廓算法对下一帧图像进行分割,即可实现视频对象的跟踪。该方法不仅能够消除差分图像中的显露背景,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。     

用于立体视频会议系统的立体对象分割与跟踪算法

基于对象的立体视频编码压缩技术能在立体视频会议系统中得到很好的应用，从立体视频信号中正确分割出立体视频对象是基于对象的立体视频编码压缩的一个前提条件，基于立体视频会议图像序列的时空特性和左右通道间的视差特性，提出了一种立体视频对象分割与跟踪算法，首先利用空域分割和运动检测相结合的方法，提取左通道中的运动物体；然后，提出一种左右通道间基于边缘轮廓的二级视差匹配算法，并根据已分割的左通道运动对象提取右通道的视频运动对象；最后利用对象边界轮廓的跟踪方法对后续图像中的运动对象进行快速跟踪，实验结果说明文中算法能够应用于立体视频会议图像序列的立体对象分割与跟踪。     

一种鲁棒的视频分割算法

无论是在图象识别，还是在基于MPEG－4的图象压缩编码等应用领域，视频对象分割取是其中一个很重要的技术环节，为了在静止背景的情况下，能很好地解决多目标分割的问题，同时能进行单目标的分割，提出了一种鲁棒性较好的视频分割算法，该算法通过对图象序列中每连续3 帧图象进行对称差分，首先检测出目标的运动范围，然后通过对差分结构进行聚类分析来确定该帧图象中视频对象的个数，接着再利用在二值差分图象上收缩的活动轮廓，把视频对象的轮廓精确地包围起来，即得到该帧分割结果；最后利用光流法来对视频对象进行投注跟踪，修正，另外还利用多个图象序列对该方法进行了试验，实验结果表明，在静止背景下，该算法无论是对运动的单目标，还是对运动的多目标，均能较好地从静止背景中分离出来，即能得到理想的分割结果，故具有一定的鲁棒性和实用性。     

基于Mumford-Shah模型的时空视频运动对象分割

针对目前视频对象分割中存在的结果轮廓不精确和不能有效从复杂背景分离出对象的问题,在基于时空分割的基础上,提出了一种采用Mumford-Shah模型的时空联合分割技术。该算法采用序列图像帧间差的高阶统计量(HOS)假设检验,自动分离运动区域和背景区域;采用MS泛函模型精确地将当前视频分为不同的灰度连续区域;最后,通过对空域分割后的图像和二值运动掩模图像进行投影运算得到运动对象。实验结果表明,该算法不需要进行中值滤波的预处理,具有并行机制,能提取运动对象较精确的边缘轮廓,是一种有效的图像分割方法。     

一种简单快速的多媒体视频序列中运动对象分割方法

为了提高视频分割的实时性和效果,针对低比特率多媒体应用的视频序列,提出了一种简单快速的运动对象分割方法。首先利用对称差分得到差分图像,然后再求出当前帧的梯度图像,二者相与得到连续的运动对象边界;再对其进行形态学处理及二次扫描,得到运动对象掩模;最后用原图像的灰度值填充该区域。实验证明,使用该方法得到了较好的分割效果并缩短了处理时间。     

基于熵能的H.264压缩域运动对象分割

提出了一种基于熵能选取自适应阈值的时空域运动对象分割方法。首先对H.264压缩码流中提取的原始运动矢量场进行连续多帧的累加来增强运动信息,并对累积运动矢量场进行相似性判断,初步获得运动块;然后提取压缩码流中4×4块残差编码位数,并基于熵能自动选取自适应局部阈值,获取运动区域的轮廓信息;最后结合运动块和轮廓信息按照一定的规则对边界进行校正。对多个视频序列进行了实验,结果表明,该算法能快速取得较好的分割结果。     

基于图像块差分和Mean Shift算法的运动目标检测

运动目标检测是计算机视觉中的一个重要研究内容,现有算法中的一个重要问题是噪声对分割结果的影响。提出了一种时空域信息相结合的运动目标检测算法：首先利用图像块的重心位置在时间域上差分结果初始化目标轮廓,图像块差分的方法可以消除噪声的影响及减少目标内部的空洞;然后采用Mean Shift算法对初始轮廓进行迭代,使其逐步贴近真实的目标边缘。实验表明该算法能快速准确地分割出序列图像中的运动目标。     

一种时空信息联合的运动对象分割算法

提出了一种在通用视频序列中联合时空信息分割运动对象的算法。首先,提出匹配加权的全局运动估计补偿算法,以消除动态场景中背景运动对运动对象分割的影响。其次,时域信息提取中,使用基于直方图拟合的显著性检测及对称差分法获得运动对象模板,以克服依据经验设定阂值的缺点并且提高运动对象模板的准确性;空域信息提取中,提出基于粘性形态学梯度修正和相部区域边缘强度合并的改进分水岭分割算法,以较好地解决分水岭算法的过分割问题,获得有效空间区域分割。最后,利用双阂值比重算法将时域和空域信息结合,提取出运动对象。实验表明,该算法分割结果准确,有效地解决了背景运动、时域信息不准确、空域过分割以及时空信息难以有效结合的问题。     

基于时空信息的视频对象分割算法及其在细胞神经网络机上的实现

随着MPEG-4和MPEG-7的研究发展,基于内容编码和面向对象的存取和操纵技术日益得到人们的重视,视频分割技术迅速成为当前视频研究领域的热点.为了能够实时准确地对运动视频对象进行分割,本文提出了一种时空结合的视频分割算法,即先利用帧间差分求出大致的视频对象,经过投影定位,再通过灰度连通区域的标记对其进行修正.本算法直接面对灰度图象序列处理,并且综合和时间空间上的信息,使得对于运动对象的分割更加准确和有效,同时由于并行的细胞神经网络的介入,使得算法具有更好的实时性.通过在细胞神经网络机CNNUM上的模拟结果证明,利用该算法,能够较精确地分割出视频对象.