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。     

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。     

视频运动对象分割技术的研究

新的视频压缩标准MPEG－4采纳了基于对象／模型的编码方法，但是对象的分割问题至今仍未得到满意的解决。本文介绍了视频运动对象分割技术的发展概况，重点讨论了其中的关键技术－－运动对象的分割与跟踪，并指出一些需要深入研究的问题。     

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。     

视频对象分割与两种面向对象的视频编码器

在基于对象的视频编码中,视频对象的分割是重要的任务.本文研究一种利用位移帧差(DFD)的高阶统计特性和数学形态学算子的视频对象自动分割方法.这种方法首先根据一组转移帧差的高阶矩来得到一个大体覆盖运动对象的区域(模板),接着用形态学的腐蚀算子从模板的边沿向内腐蚀,直到对象的边沿.提出一种简单而高效的基于查找人头肩像轮廓最大转折点的头肩分离算法.在分割的基础上,用软件实现了一种基于MPEG-4的视频编码系统.提出一种面向对象分配带宽(OOBA——object-oriented bandwidth allocation)的极低比特率视频编码器.该编码器与传统基于帧的视频编码器相比,在低比特率环境下,PSNR略为下降,但图像的主观视觉质量得到提高.     

压缩域视频对象分割研究

讨论了压缩域视频对象分割技术的发展和研究现状,介绍了几种典型的分割算法,并具体指出一些需要深入研究的问题.     

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。     

一种视频对象自动分割算法

针对目前自动分割算法存在的问题，文章提出了改进算法，它不仅可以消除影子区域，而且把彩色多值分水线算法用于自动视频对象的分割。     

一种基于灰度连续区域分割的视频对象分割方法

针对目前许多分割方法中分割边界不精确、计算复杂和缓存帧多等问题，提出了一种结合空间区域分割和运动象素检测的自动分割方法：先将当前视频帧分割为不同的灰度连续区域，再利用二次帧差确定视频图像中的运动象素，然后按一定的规则确定哪些灰度连续区域属于运动区域，从而有效地从静止的复杂背景中分割出运动对象区域。实验结果表明这种分割方法计算简单、分割边界比较精确。     

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。     

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.     

基于时空分割融合的视频对象提取改进算法

提出一种基于时空分割融合的视频对象提取改进算法：时间分割基于变化检测，其关键是通过直方图分析选取合适的阈值；空间分割采用修正的分水岭变换，并通过一种基于时间距离和空间距离测度的区域合并算法克服“过分割”问题。实验结果表明，它可取得比COST211 AM更好的分割结果。     

基于图像分割的深度视频校正算法

在基于深度图的虚拟视点绘制过程中,由于通过深 度估计软件获取的深度视频存在大量的失真,从而导致绘制的虚拟视点中存在纹理失真和缺 失现象。本文围绕深度视频失真类型,提出一种基于分割的深度 视频校正算法。利用彩色深度一致性信息分区域校正深度失真,以解决由于深度块失真造成 的虚拟视点纹理 缺失问题。首先,提取彩色视频运动和边缘区域,得到彩色视频边缘和运动区域掩模图;其 次,在边缘和运 动信息的辅助下,对彩色图像进行Mean Shift聚类,并将不同类别区域赋以不同的标签;最 后,分别统计不 同类别连通区域对应的深度直方图,利用其峰值校正深度视频中深度彩色非一致区域。实验 结果表明,本文提 出的基于分割块的深度视频校正算法优于部分基于像素的滤波算法,可以有效地校正深度视 频块失真,解决 虚拟视点边缘失真和纹理缺失问题,同时虚拟视点质量平均提高了0.20dB。     

基于改进分水岭算法的立体视频对象分割

提出了一种结合视差和边缘信息进行立体视频对象的分割方法。针对传统分水岭算法过分割的问题,提出了改进的算法。采用基于自适应权值的立体匹配方法获得可靠的视差图,并利用改进分水岭算法进行视差图分割,获得初始的视频对象区域,随后对初始视频对象进行边缘检测,通过提取其轮廓获得准确的对象,最后提出基于区域的对象跟踪方法,完成后续帧视频对象的分割。实验结果表明,本文提出的方法可以获得良好的分割结果。     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

基于修正分水岭算法和时域跟踪的视频自动分割

提出一种修正分水岭算法,用于视频自动分割,包括台分割和时域跟踪两方面。该算法可以有效跟踪快速运动的特体,并检测出新物体的出现和原物体的消失。此外分水岭变换和快速运动估计的应用大大减少了计算工作量,提高了效率。模拟结果表明,这一技术对于图像中包含有快速运动物体,或有物体的出现或消失的视频序列可以有效进行分割。     

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。     

一种基于定时段区域补偿的视频对象分割算法

在传统时空联合算法的基础上,提出了一种基于定时段区域补偿的视频对象分割后处理算法。首先,通过对帧差图像进行噪声抑制和膨胀连接获得变化检测模板;然后,对原始图像进行开闭重构简化,求取形态学梯度,通过对形态学梯度图像进行非线性变换和梯度等级划分并最终由分水岭算法获得对象的精确边界,通过比例运算提取出视频对象的初始二值化模板;最后,通过定时段区域补偿获得最终的完整视频对象模板。实验结果证明了该算法的正确性和有效性。     

基于宏块类型信息的快速视频分段算法

提出了一种基于宏块类型信息的快速视频分段算法:对MPEG视频流进行两次分析,第一次(粗略分析)只分析P-帧中宏块统计信息,检测出可能存在的镜头边界,第二次(精确分析)再对粗略分析找出的边界邻近的B-帧和P-帧的宏块类型进行分析,从而对场景变换进行精确分析和定位。实验结果表明,粗略分析可以满足实时检测的速度要求,帧定位误差控制在10帧之内,精确分析可以进一步把帧定位误差控制在2帧之内。