一种语义视频对象分割改进算法

随着MPEG－4、MPEG－7等标准的提出，如何提取语义视频对象已成为当前视频压缩和检索领域共同的研究课题。针对Watershed方法不能很好处理MPEG－1视频数据和人机交互困难的缺陷，该文提出了改进算法，它可以在MPEG－1视频数据上分割出光滑轮廓的语义视频对象。     

一种基于小波变换的视频对象分割算法

新一代视频编码标准MPEG－4提出了基于内容的视频编码的概念，它充分考虑到视频场景的特点，对不同对象用不同方法进行编码，这样视频对象分割就成为该标准的关键技术之一。该文提出一种利用小波变换分割视频序列中运动对象的算法。算法的主要思想是通过对视频序列在时间轴上作小波变换提取视频对象的运动信息进行视频对象的分割。实验结果证明，本算法能比较准确地分割出运动视频对象。     

视频分割技术的发展

随着MPEG－4和MPEG－7的研究发展以及最近几年数字视频图书馆技术的崛起,基于内容编码和面向对象的存取和操纵技术日益受到人们的重视,视频分割技术迅速成为当前视频研究领域的热点。视频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。介绍了视频分割的主要技术,对其算法和性能进行了比较和评述,并分析了当前视频分割技术的研究现状、尚存在的问题和研究前景。     

交互式分割视频运动对象的研究与实现

在 MPEG- 4视频编码标准中 ,为了实现基于视频内容的交互功能 ,视频序列的每一帧由视频对象面来表示 ,而生成视频对象面 ,需要对视频序列中运动对象进行有效分割 ,并跟踪运动对象随时间的变化 .在视频分割方法中 ,交互式分割视频对象能满足分割的效率与质量指标要求 ,因此提出了一种交互分割与自动跟踪相结合的方式来分割视频语义对象 ,即在初始分割时 ,依据用户的交互与形态学的分水线分割算法相结合提取视频对象轮廓 ,并用改进的轮廓跟踪方法有效提高视频对象轮廓的精度 ;对后续帧的跟踪 ,采用六参数仿射变换跟踪运动对象轮廓的变化 ,用平移估算的运动矢量作为初始值 ,计算六参数仿射变换的参数 .实验结果表明 ,该方法能有效地分割并跟踪视频运动对象     

视频检索中关键帧选取的时间自适应算法

关键帧提取是基于内容检索的视频数据库中十分重要的一步，但在整个视频数据库数组和研究中，由于以前受到计算机处理能力的限制，一直被忽略。文章针对关键帧提取的问题，提出了时间自适应算法, 并用一系列的视频检索实验证明了其有效性。还讨论了在VC 平台上“视频分析及检索系统”软件包的开发问题。此软件包具有MPEG视频播放、视频文件分帧运算、帧图像直方图计算、镜头分割、基于关键帧的视频检索等功能。     

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。     

一种视频对象分割算法和实现

多媒体通信发展在出现了MPEG-1和MPEG-2后,MPEG委员会又提出了MPEG-4的标准。这种标准是基于对象的编解码技术。其关键是视频对象(VO)的分割和提取。因此,视频对象的提取在MPEG-4中起着重要的作用。本文在一种基于对称差分的运算检测方法基础上,提出改进方法,对每个运动对象加矩形框。实验表明该算法可以快速清晰的分割出多个运动视频对象。     

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。     

体育视频中的对象检测与分割

通过对体育视频中语义对象的检测和分割来实现对视频进行语义级检索的第1步。通过对体育比赛视频中的场地信息和运动信息的分析，提出了一种有效分割场地和运动员等对象的算法，并对此算法性能进行了讨论。该算法主要利用Canny算子和数学形态学方法对体育比赛场地进行检测，并利用主色累积直方图进行场地验证，然后利用Hough变换去除场地标志线，最后利用检测出的场地信息实现了场地内运动区域的检测和分割。实验表明该算法有较好的效果。场地和运动员区域的正确分割对比赛的分析和检索具有重要意义。     

基于对象的视频图象分割技术

随着“流媒体”技术应用的发展和 MPEG- 4基于内容的功能的提出 ,视频图象处理领域中 ,基于对象的分割技术已成为该领域的研究热点 .如今视频分割研究已由基于镜头的分割发展到了通过提取视频对象面 ,来分割出视频对象的阶段 ,但目前基于对象的分割研究仍处于起步阶段 ,技术还很不成熟 .为了推动该技术进一步发展 ,在深入分析分割问题本质的基础上 ,首先提出从分割所利用的信息角度出发来进行分割的技术 ;然后针对分割技术的发展趋势 ,深入介绍了该研究领域国内外的最新研究算法 ,并分析了各方法技术的贡献和不足 ;最后提出了一些分割技术值得进一步深入探讨的问题和研究方向     

基于内容的视频分割技术研究

随着MPEG-4基于内容功能的提出以及MPEG-7标准的不断推广应用,视频对象分割技术已成为视频处理领域中的研究热点。视频对象分割就是从视频序列中分割出在语义上有意义的对象。目前对视频分割研究已从基于镜头的分割发展到了基于内容的视频对象分割。然而,基于内容的视频对象分割技术还不成熟。文中讨论了视频对象分割技术的发展和研究状况,从组成视频运动对象的分割系统出发,介绍了时域分割以及时空域联合分割等技术,并提出了一种基于多帧差的视频对象分割算法。最后对分割技术中需要深入研究的问题进行了探讨。     

基于压缩域信息的立体视频对象分割方法

立体视频对象分割是交互式多视点视频应用的关键技术。为了提高对象分割的时效性和精确性,提出了一种利用压缩域视差和运动信息的立体视频对象分割算法。该算法首先对运动矢量场和视差场进行提取和修正处理,然后对视频帧进行分割作为初始值,最后用均值偏移算法聚类得到最终的对象分割结果。实验结果表明,对于纹理复杂的场景有很好的分割效果,可以获得与语义一致的对象。     

从视频中检测人脸

视频中人脸检测的应用领域广泛，近来受到了极大关注。文中提出一种在MPEG流中检测人脸的新方法，它可以从复杂背景中有效地检测方向、大小不同的人脸，还可以处理多个人脸交叠的情况，为适应视频检索的需要，该算法依据帧间冗余性，自适应地调整肤色检测器，利用MPEG流中的运动矢量在一个GOP内跟踪人脸，依据场景的变化更新分割码本等措施，有效地提高了计算速度。用算法测试多个视频序列，实验结果令人满意。     

一种基于小波变换的马尔可夫随机场的视频对象分割

马尔可夫随机场（Markov Random Field,MRF）理论已经被广泛地应用于视频图像的分割。提出一种基于小波变换的马尔可夫随机场模型的视频对象分割算法。该算法利用小波变换将图像序列分解到小波域,并在此基础上建立马尔可夫随机场模型,构造相应的能量函数。通过迭代求解能量函数的最优解,得出标记场,提取出运动对象。仿真结果表明,该算法能够有效地抑制噪声,提高构成对象边界像素的数量,快速有效地提取出视频对象。     

Motion Flow-Based Video Retrieval

In this paper, we propose the use of motion vectors embedded in MPEG bitstreams to generate so-called ldquomotion flowsrdquo, which are applied to perform video retrieval. By using the motion vectors directly, we do not need to consider the shape of a moving object and its corresponding trajectory. Instead, we simply ldquolinkrdquo the local motion vectors across consecutive video frames to form motion flows, which are then recorded and stored in a video database. In the video retrieval phase, we propose a new matching strategy to execute the video retrieval task. Motions that do not belong to the mainstream motion flows are filtered out by our proposed algorithm. The retrieval process can be triggered by query-by-sketch or query-by-example. The experiment results show that our method is indeed superb in the video retrieval process.     

基于EM聚类的H.264压缩域视频对象实时分割算法

从压缩域直接分割视频对象比传统的像素域分割具有快速高效的特点,目前已有不少从MPEG域分割的方法,但从H.264压缩域分割的甚少。为此提出一种基于H.264域的实时分割运动对象方法,该算法先对当前视频帧进行全局运动估计和补偿,然后对4×4的运动矢量场进行分类处理,最后对非零运动矢量使用改进的EM聚类分割算法。本文算法对多个视频序列进行了实验,结果表明,该算法针对静止背景和运动背景的视频序列都能达到较精确的实时分割。     

一种分级检索MPEG视频的方法

视频检索是当前的一个研究热点.以前的检索方法大多在像素域中进行,需要较大的解码运算量;且不加区分地对所有视频片断采用统一的匹配算法,浪费了许多不必要的计算.提出了一种基于样本的分级检索MPEG视频的新方法:首先用I帧的dct_dc_size字段快速粗检,然后用断层摄影(tomography)法分析B帧运动矢量的时空分布特性以进一步缩小结果集,最后用DC图像的精确匹配方法验证检索结果.试验结果表明,本方法所需计算量较小,且可保证较高的检索精度.