一种基于内容的视频对象分割算法

提出了一种基于内容的视频对象分割算法。该算法先对分块的图像进行运动估计，利用运动矢量初步分割运动前景和背景，对于产生的背景噪声使用改进的中值滤波算法滤除，并用形态学的方法恢复出运动物体。实验结果表明：该算法能够较好地从视频序列中分割运动前景和背景，比较适合于在基于内容的视频编码标准MPEG-4中使用。     

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.     

基于可变形模板的视频对象分割

提出一种基于原型的可变形模板进行图像分割的算法，从而可以将感兴趣的视频对象从静止的复杂背景中提取出来，首先定义一个原型模板来特征化感光趣的视频对象，得到一个先验概率密度函数的一个将运动信息与边缘方向结合起来的似然函数，然后应用贝叶斯准则将两者结合起来，得到后验概率密度函数。求它的最大值，从而确定对象的位置。     

基于模板匹配的视频对象分割

视频对象分割是MPEG-4标准关键技术.本文结合模板匹配和基于运动估值和补偿的对象跟踪方法,提出了一种可以从复杂场景中分割出MPEG-4视频对象的新方法.在使用运动估值和补偿得到分割掩膜后,以初始帧对象颜色为模板,在当前帧的轮廓边界区域通过模板匹配检测对象,使轮廓精确化.本文方法在一定范围内有效解决了遮挡问题,并能够以初始帧跟踪任意长序列中的对象.     

一种视频对象分割新方法

提出一种半自动的视频对象分割新方法,通过对象跟踪分割视频序列的后继帧。这种方法首先采用基于块匹配和最大边缘强度的运动估值和补偿方法进行了对象轮廓定位,接着采用模板匹配以特定对象知识检测对象像素。为使轮廓定位更可靠,在块匹配的运动估值中使用了彩色信息。而模板匹配则使分割结果精确化,避免误差传递,并且在出现遮挡时只要对象颜色在整个序列中的一直保持相似性,就能够正确检测出对象。实验结果证明这种方法能够分割复杂场景中的任意对象。     

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。     

网格运动分析与形态学滤波相结合的视频对象分割

提出了一种基于二维网格运动分析与改进形态学滤波空域自动分割策略相结合的视频对象时空分割算法。该算法首先利用高阶统计方法对视频图像的二维网格表示进行运动分析，快速得到前景对象区域，通过后处理有效获得前景对象运动检测掩膜。然后，用一种结合交变序列重建滤波算法和自适应阈值判别算法的改进分水岭分割策略有效获得前景对象的精确边缘。最后，用区域基时空融合算法将时域分割结果和空域分割结果结合起来提取出边缘精细的视频对象。实验结果表明，本算法综合了多种算法的优点，主客观分割效果理想。     

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.     

基于内容的视频分割技术

新的标准MPEG-7将研究的核心放在了多媒体内容分析上，利用这些内容特征建立索引并进行检索，视频序列中视频对象的提取是必不可少的。分析了几种典型的视频分割技术。提出了问题，并展望了未来分割技术的发展方向。     

背景渐变的视频对象分割算法研究及实现

提出了一种有效的背景渐变的视频对象分割算法.首先将前一帧分成前景和背景两部分,然后采用灰度投影匹配算法对当前帧进行全局运动估计和补偿,将当前帧与上一帧进行差分运算,便可得到差分图像.通过对差分图像进行二值化处理,得到运动模板并与前景信息进行相与计算,再结合当前帧信息便可得到运动目标.在TI公司的TMS320DM642芯片上验证了该算法,实验结果表明该算法不仅对亮度变化和环境变化具有鲁棒性,而且可独立、精确地分割出运动目标.     

Automatic Segmentation of Moving Objects in Video Sequences for Indoor and Outdoor Applications

1　IntroductionAutomaticsegmentationofmovingobjectsfromvideosequencesisadifficultandchallengingproblemincomputervisionsystems.Ithasmanyapplicationssuchasvideosurveillance,trafficmonitoring ,peopletrackingandvideocommunication[1～4] .Italsoplaysanimportantroleinsupportingcontent basedimagecoding,especiallyaftertheemergenceofthevideocodingstandardMPEG 4[5～ 1 4 ] .Therearealotofresearchworksonmovingob jectssegmentationandextraction .Thesealgorithmscanberoughlyclassifiedintotwocategories:inter …     

视频序列中运动目标检测技术

本文提出了一种视频序列中运动目标检测的方法。首先,通过估计相邻两帧之间的相对噪声的特征参数检测出运动变化区域,然后结合当前帧的边界信息确定运动目标的边界位置,最后根据边界位置检测和提取出运动目标。实验结果表明,本文的方法能有效地检测出和提取出运动目标并具有较强的稳健性。     

视频多运动目标提取的新方法

提出一种利用视频序列的时域和空域信息进行多运动目标检测的新方法.首先对相邻的图像帧进行差分,并利用3σ准则二值化差分图像,得到运动目标的时域信息,然后标记该二值图像的连通区域来消除噪声,结合边缘检测所得到的空域信息得到运动目标模型,最后连接模型的最外围轮廓点即得到目标的完整信息.该算法充分运用了运动目标的时域、空域两方面信息,能够准确的提取出运动目标.     

视频对象分割技术研究

视频对象分割是新一代视频编码、视频检索、互联网多媒体交互等新兴领域的关键技术。介绍了视频对象分割的相关理论概念,对其各种算法分类进行了详细阐述,并对现有的基于运动分割算法进行了分析。重点研究了时下比较热门的2种算法,即基于时域信息分割法和时空域信息联合分割算法,同时分析了当前视频分割技术的研究现状、尚存在的问题,有针对性地提出了未来工作应重点研究的几方面内容。     

基于时空信息融合的视频对象分割系统

提出了一种有效的时空融合视频分割系统.首先利用基于梯度的分水岭算法对图像进行分割,并利用基于时空联合的区域合并方法克服过分割现象,然后结合改进的帧差掩模对目标进行提取.试验结果表明,由于该系统充分利用了图像的颜色信息,能较完整地分割出对象,并且对象边缘更加准确.     

一种基于内容视频检索中的镜头分割算法

提出了一种统一的可以检测出切变、渐变的视频镜头检测算法。首先,通过颜色局部累积直方图与纹理相结合的方法获得视频的帧间差,对于切变检测,通过已经计算得到的帧间差为基础,采用双重窗口检测算法实现,对于渐变的检测,采取了统一的双阈值检测方法对所有渐变类型进行了检测。通过多次试验,证明了用本文算法进行视频镜头检测能取得比较好的效果。     

智能视频监控中的运动目标检测技术研究

运动目标检测是视频序列分析中非常一个重要的研究方向,同时也在智能视频监控中发挥着非常重要的作用。目前国内外对运动目标检测的研究非常广泛,方法各异,丈中对当前常用的视频序列中运动目标检测的方法进行了研究和分析,并对这些种方法的优越性和不足之处进行了比较。