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最大。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。     

一种基于水平集的运动视频对象分割算法

视频对象的分割是基于内容的视频处理的重要组成部分。提出并实现了一种基于水平集的运动视频对象分割算法。算法通过视频帧间的亮度差值提取初始轮廓曲线，将该曲线作为水平集算法的初始零水平集，采用窄带水平集方法演化曲线。得到最终的分割结果。实验表明该算法简单高效，具有很好的分割效果。     

基于多帧边缘差异的视频运动对象的分割与跟踪算法

从视频场景中分割和跟踪感兴趣的视频对象对于MPEG-4等基于对象的视频编码来说是关键性的技术之一。针对目前大部分视频对象分割和追踪算法相当复杂但仍不能有效地去除背景噪声的问题,该文提出用于分割和跟踪视频运动对象的一种基于多帧边缘差异的算法。该算法利用一组帧的边缘差异来提取运动对象区域,通过聚类方法去除背景像素点,利用形态学算子得到对象分割模板,同时通过建立前帧感兴趣对象与当前帧运动对象的帧间向量跟踪当前帧的感兴趣视频对象。不同标准视频测试序列的测试结果表明,该算法能够实现对感兴趣的视频运动对象更为精确、快速和有效地分割和跟踪。     

基于模糊聚类的视频对象分割

提出了一种基于模糊聚类的视频对象分割方法.首先通过对连续三帧视频图像进行二次差分来得到二次差分图像;然后估计噪声的特征参数滤除背景噪声,提取出视频对象的运动区域;再利用改进的FCM聚类算法对二次帧差图像中的视频对象运动区域进行空域分割,对空域分割结果进行形态学处理,得到视频对象掩模;最终获得较为理想的视频对象.实验结果表明,该算法能够较为准确地分割出视频对象,并且在空间准确度上占优.     

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。     

基于变化检测和帧差累积的视频对象分割方法

针对目前许多视频对象分割方法中分割边界不精 确、遮挡和不规则运动问题解决效果 不好等问题,提出一种新的视频 对象分割算法。利用人眼的视觉特点,即对运动(时间梯度)和边缘(空间梯度)都特别敏 感,把帧间运动变化检测(时域 定区间帧差累积)和图像的边缘检测结合起来,首先利用t显著 性检验检测对称帧的帧间变化,再对检测出的初始运动变化 区域进行时域定区间帧差累积计算,并进一步整合形成记忆掩膜(MT);然后应用改进的Kirs ch边 缘检测算子较为精确地检测当 前帧中所有的边缘信息,减少MT膜中的残留噪声,并通过时空滤波获得语义视频对 象平面;最终选择性的应用填充及 形态学处理操作,实现视频对象的分割。实验结果验证了本文算法的有效性和准确性。     

视频分割算法的研究

视频对象分割是视频处理中的难点问题,它在基于内容的检索、对象识别和交互操作的多媒体中有重要应用。视频对象分割技术具有重要的研究意义和应用价值。本文主要分析了2种视频分割算法,包括基于时空联合的视频分割算法、基于运动一致性的视频分割算法。基于时空联合的视频分割算法是充分利用时间和空间信息,以获得满意的分割效果;基于运动一致性的视频分割算法是选用稳健的多分辨率平均位移帧差平方最小方法来估计视频对象的参数化运动。     

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。     

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。     

基于累积帧差图像的视频对象提取系统

对现有的分割方法进行了综合分析,提出了一种全新的基于变化检测的综合的语义视频对象提取系统.该系统分为4个部分:1)计算并累积若干相邻帧差图像;2)在累积帧差图像上滤除尖锐噪声自适应选取域值;3)域值化累积帧差图像;4)利用噪声的孤立性,对象运动的连通性进行后处理提取对象.对比实验结果表明,该系统提出的方法计算复杂度低,不需人工参与,运动对象的提取质量高,非常适于基于对象的实时视频处理应用.     

目标基视频编码中的运动目标提取与跟踪新算法

自动、快速的视频目标提取与跟踪是目标基视频编码中的一项关键技术.本文提出一种运动目标提取与跟踪新算法.首先,根据多帧运动信息和高阶统计检测方法得到二值运动掩模图像,然后提出一种改进分水岭算法对运动区域及其周围部分进行分割.将二者所得结果进行投影运算,得到最终运动目标.最后提出一种运动目标跟踪新算法,能对目标进行有效的跟踪.实验结果说明了本文算法的有效性.     

基于图切割与C-V模型的运动目标分割

将一种基于图切割与简化Mumford-Shah模型Chan-vese模型(G-V模型)相结合的方法应用于运动目标分割中.在此方法中,利用图切割技术求解能量最优化,利用C-V模型自适应处理目标几何的拓扑变化.通过实验对此方法在图像序列中的运动目标进行了检测与分割研究.实验结果表明,图切割能量优化加速了曲线进化进程,迭代次数大大减少,同时避免了常规水平集方法中符号函数的初始化和迭代更新.对图像序列中的运动目标进行分割的仿真实验验证了该方法的有效性.     

一种基于相对模糊连通度的交互式序列图像快速分割算法

在基于相对模糊连通度的交互式图像分割方法的基础上提出了一种序列图像分割的快速算法。对于单幅图像,新算法在保持分割精度的同时,运行速度提高了3倍。作为该算法的扩展,一方面将原算法中单目标分割推广到多目标分割,另一方面将单帧图像的分割推广到序列图像的分割,实现了复杂背景下多目标的图像分割和图像序列的批处理分割。并进行了分割结果的后处理,提取出目标的单像素宽度的光滑边缘。用人造图像和实际的医学图像和图像序列所做的测试实验取得了令人满意的分割结果。     

Moving object detection and tracking from video captured by moving camera

This paper presents an effective method for the detection and tracking of multiple moving objects from a video sequence captured by a moving camera without additional sensors. Moving object detection is relatively difficult for video captured by a moving camera, since camera motion and object motion are mixed. In the proposed method, the feature points in the frames are found and then classified as belonging to foreground or background features. Next, moving object regions are obtained using an integration scheme based on foreground feature points and foreground regions, which are obtained using an image difference scheme. Then, a compensation scheme based on the motion history of the continuous motion contours obtained from three consecutive frames is applied to increase the regions of moving objects. Moving objects are detected using a refinement scheme and a minimum bounding box. Finally, moving object tracking is achieved using a Kalman filter based on the center of gravity of a moving object region in the minimum bounding box. Experimental results show that the proposed method has good performance.     

基于曲线进化的目标检测算法

提出了基于曲线进化的运动目标检测算法。对于运动目标检测问题定义了新颖的能量模型,并给出了相应的曲线进化方程。结合水平集算法,所提出的曲线进化模型能够自动的适应拓扑变化,检测出多个运动目标区域及轮廓。从计算物理学领域引入基于偏微分方程的水平集窄带算法,在构造窄带时无需显示的知道曲线的位置,并能够快速的实现。     

一种红外和可见光双通道视频目标跟踪方法

室外场景下由于场景背景条件变化容易导致视频目标跟踪稳定性差。该文提出一种利用红外和可见光传感器的双通道视频目标跟踪方法。该算法利用可见光图像的目标颜色特征和红外图像的目标轮廓特征,结合均值漂移算法与水平集曲线演化实现目标定位,并给出了目标尺度和模板更新方法;对多目标跟踪的互相遮挡问题,通过判断目标合并与分离实现遮挡时多个目标的定位。实验结果表明,该文方法能够有效处理光照变化、阴影、遮挡等情况,实现目标的稳定跟踪。     

Bayesian algorithms for simultaneous structure from motion estimation of multiple independently moving objects.

In this paper, the problem of simultaneous structure from motion estimation for multiple independently moving objects from a monocular image sequence is addressed. Two Bayesian algorithms are presented for solving this problem using the sequential importance sampling (SIS) technique. The empirical posterior distribution of object motion and feature separation parameters is approximated by weighted samples. The first algorithm addresses the problem when only two moving objects are present. A singular value decomposition (SVD)-based sample clustering algorithm is shown to be capable of separating samples related to different objects. A pair of SIS procedures is used to track the posterior distribution of the motion parameters. In the second algorithm, a balancing step is added into the SIS procedure to preserve samples of low weights so that all objects have enough samples to propagate empirical motion distributions. By using the proposed algorithms, the relative motions of all the moving objects with respect to the camera can be simultaneously estimated. Both algorithms have been tested on synthetic and real-image sequences. Improved results have been achieved.     

一种改进的IMMPF目标跟踪算法

对多运动模型的目标进行跟踪,通常采用传统的交互式多模型粒子滤波算法。但是,该算法存在一些缺陷和不足。为此,提出了一种新的基于变速率模型和遗传算法的IMMPF目标跟踪算法。针对IMMPF算法对目标进行跟踪时可能出现的未知可变转弯速率,采用了一种更恰当的可变速率目标模型;对于IMMPF算法中的粒子多样性丧失问题,则将进化理论中的遗传算法引入到目标跟踪算法中,对采样进行优化,增加了采样粒子的多样性,使采样向后验分布取值较大的区域移动。仿真结果表明,提出的算法能更好的适应目标的机动运动,同时明显减少所需的采样数,取得了更好的跟踪性能。     

Concurrent 3-D motion segmentation and 3-D interpretation of temporal sequences of monocular images.

The purpose of this study is to investigate a variational method for joint multiregion three-dimensional (3-D) motion segmentation and 3-D interpretation of temporal sequences of monocular images. Interpretation consists of dense recovery of 3-D structure and motion from the image sequence spatiotemporal variations due to short-range image motion. The method is direct insomuch as it does not require prior computation of image motion. It allows movement of both viewing system and multiple independently moving objects. The problem is formulated following a variational statement with a functional containing three terms. One term measures the conformity of the interpretation within each region of 3-D motion segmentation to the image sequence spatiotemporal variations. The second term is of regularization of depth. The assumption that environmental objects are rigid accounts automatically for the regularity of 3-D motion within each region of segmentation. The third and last term is for the regularity of segmentation boundaries. Minimization of the functional follows the corresponding Euler-Lagrange equations. This results in iterated concurrent computation of 3-D motion segmentation by curve evolution, depth by gradient descent, and 3-D motion by least squares within each region of segmentation. Curve evolution is implemented via level sets for topology independence and numerical stability. This algorithm and its implementation are verified on synthetic and real image sequences. Viewers presented with anaglyphs of stereoscopic images constructed from the algorithm's output reported a strong perception of depth.     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。