基于时域统计变化检测实时分割头肩视频序列

分析了头肩视频序列的特点，提出了基于时域统计变化检测、利用多帧运动信息实时分割视频对象的方法。先选取包括当前帧在内的前连续2N帧图像，将奇数帧与偶数帧图像作差值，形成长度为Ⅳ的帧差图像序列；对每个象素点时域上的Ⅳ个帧差样本值进行分布显著性检验，判断象素点是否发生了变化；对得到的二值图像进行形态学处理，得到完整的分割结果。试验结果表明，该算法能够自动实时的分割视频对象。     

基于低比特率视频序列的运动对象分割算法

在兼顾运动图像分割效果和实时性的原则上,针对视频会议、新闻播报等低比特率视频序列,提出了一种简单高效的运动对象分割算法。首先利用累积帧差求出图像帧的运动区域,然后对其进行二值化和形态学处理得到帧差模板,最后利用二次扫描的方法得到运动对象掩模,对其进行填充就可以提取出运动对象。实验证明得到了较好的分割效果并且在实时性的应用中具有一定的优势。     

视频运动对象的自动分割

视频运动对象的分割技术在运动视觉检测和新的MPEG-4视频编码标准中十分重要，提出了一种运动对象分割算法，该算法采用序列图像帧间差的高阶统计量(Higher Order Statistics，HOS)假设检验，确定运动对象的位置，自动分离运动区域与背景；根据三帧序列图像中前后帧差图像灰度边缘重合的部分为中间帧运动对象的边缘来有效地解决运动对象前后帧的遮挡问题；采用形态滤波的方法填充分割出的运动对象二值模板中的空洞，消除残余噪声及平滑边缘，分析和实验证明，该算法需要调整的参数少，抗干扰能力强，可以高效率地进行运动对象的自动分割，此外，该算法具有潜在的并行机制，易于实现实时运动图像处理。     

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。     

一种基于运动边缘检测的视频对象分割新算法

利用人眼对运动(时间梯度)和边缘(空间梯度)都特别敏感的视觉特点，把帧间运动变化检测和图像的边缘检测结合起来，提出一种新的运动视频对象分割算法．通过帧间差快速得到运动物体的大致位置，形成差分模板，然后通过边缘检测在差分模板中确定物体的准确边缘，并形成边缘模板．在边缘模板的基础上，利用二值图像下的收缩型活动轮廓算法，可以方便地得到视频对象(VOP)的闭合轮廓曲线(以便进行编码传输和基于形状的检索)．同时，设置模板缓冲区以记忆前一时刻的分割结果，从而弥补当前帧的不完整性．该算法对目标的整体运动和局部形变都有较强的适应性，且具有自动消除显露背景以及多目标自动分割包围的能力．     

以统计变化检测为基础的实时分割视频对象新方法

为了克服利用变化检测分割视频对象过程中的噪声、复杂运动、暴露背景的影响，提出了一种基于统计变化检测的实时分割视频对象新方法。在该方法中，由于统计变化检测技术是利用t分布来有效消除噪声的影响，而不需要估计噪声的方差，而且可利用间隔为k的两帧图像代替连续两帧来进行变化检测，因此可以很好地处理关节运动和慢运动；另外，对两个连续的统计变化检测结果取交集还可以消除暴露背景的影响，并能消除大部分的残留噪声，且几乎不增加计算量，因此统计变化检测可作为视频对象分割的基础，试验结果表明，该方法不仅解决了传统的变化检测过程中的噪声、复杂运动以及暴露背景影响，而且能够自动实时地分割视频对象，以满足MPEG-4等基于对象的视频应用。     

基于运动信息与多尺度分水岭的视频目标分割

从视频序列中提取视频目标是基于内容编码中的一项关键技术。提出了将高阶统计运动检测和多尺度分水岭相结合的视频目标分割算法。该算法首先利用高阶统计运动检测算法检测出运动区域,通过后处理得到运动目标的初始模板。然后,用小波变换对视频图像进行多分辨率分解。在最低分辨率上应用分水岭算法分割得到具有精确边缘的分割区域,通过将区域融合后的区域逐步投影到高分辨率图像上并结合高分辨率图像上的分水岭算法逐步提取出具有精确边缘的区域。最后,将运动目标的初始模板和多尺度分水岭分割得到的区域结合起来提取出具有精确边缘的视频对象。实验结果表明该算法能有效地分割和提取出视频序列中的视频对象。     

基于变化检测的视频对象分割算法研究

随着基于对象视频应用的发展,视频对象的分割成为人们研究的热点。提出了一种基于变化检测的视频对象分割算法。该算法首先求出连续两帧图像之间的差分,利用帧间变化信息可以得到视频对象的运动区域,根据差分图像的中值（MED）和中值绝对差（MAD）及原始图像均值确定阈值并滤除噪声,用数学形态学方法进行后处理,最终得到精确的视频运动对象。实验结果表明,该方法能够从背景不变的视频序列中较好地提取出视频运动对象,而且算法简单、高效、准确。     

融合时域信息的修正分水岭视频分割新方法

提出一种将时域信息融入分水岭的视频分割新方法,以帧间变化检测为基础,通过运动边缘信息得到对象的初始模型,利用时域信息得到前景和背景的标识,结合提出的彩色多尺度形态学梯度算子进行分水岭分割,得到具有精确边界的视频对象,对慢变和快变的目标均有良好的效果,能够检测新出现的运动对象和现有对象的消失,能够定位和跟踪运动目标.继承了变化检测和分水岭算法速度快的优点,克服了两者易受噪声影响的缺点.     

基于形态学的视频文本自动检测

视频数据中的文本可提供重要的语义信息。该方法首先用形态算子提取视频帧的高频分量,再通过区域标记、连通分量分析、形态后处理等一系列步骤对视频帧进行滤波,得到视频文本检测结果,最后再对其进行二值化处理,把文本字符从复杂背景中分离出来。这种算法能快速地定位文本区域,且不受文本颜色、语种、字体大小、排列方向、文本形变的影响。实验表明,该算法对视频文本进行检测定位精度较高,分割效果良好。     

一种基于时空联合的视频对象分割方法

视频对象分割在基于内容的视频编码和视频检索中均有重要的应用.为此,针对视频对象分割,提出了一种时域和空域信息融合的视频对象分割方案,该方案首先对时域分割采用基于F-假设检验的方法来得到初始的变化检测模板,然后通过与基于形态学的空域分割融合来获得最终的运动对象.实验结果表明,该方案计算比较简单,能较好地将前景运动对象从静止或运动、简单或复杂的背景中分离出来,且定位精度较好.     

灰度投影结合Fisher准则的对象分割

视频对象分割是基于内容的视频编码和视频检索中的的对象跟踪方法,提出了一种可以从复杂场景中分割出MPEG-4的视频对象新方法.首先采用灰度投影匹配进行全局运动估计和补偿,用以消除背景变化的影响;然后由二次差分抽取中间帧解决遮挡问题,通过Fisher评价函数结合数学形态学填充得到运动对象分割掩膜,同时消除残余噪声以及平滑边缘.实验结果表明,该方法在一定范围内较好地解决了遮挡问题,并能够高效快速地得到比较精确的视频对象.     

基于背景重建和MDBP的视频对象分割算法

提出了背景置信度图像和背景标示图像的概念,给出了一种基于背景重建和象素最小距离(M DBP)的自动视频对象分割方法。首先运用基于背景置信度图像和背景标示图像的背景重建技术从视频序列的多帧图像中重建出可靠的背景图像,然后运用差背景法分割视频对象(VO),同时再利用象素最小距离(M D BP)和总体象素最小距离(W M DBP)准则对分割出的视频对象图像进行处理,克服由于背景的微小变化而引起的前景对象的错误检测。试验结果表明该文给出方法能够较好地重建背景,对于背景静止的视频能够得到更好的分割结果。     

基于帧差和小波包分析算法的运动目标检测

提出了一种在镜头不动的情况下基于累积帧差分割和小波包分析融合技术的运动目标检测方法。这种方法可分为四步:使用改进的累积帧差算法和阈值分割算法完成目标区域的分割,并获得初始运动模板;利用小波包分析算法提取出单帧图像的边缘信息并获得细化的目标区域边缘图;根据初始运动模板和空域边缘图像的融合得到更精确的运动目标模板;最后结合原序列图像检测出完整的运动目标。实验结果表明:这种方法可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出完整的运动目标。     

基于帧差和小波包分析算法的运动目标检测

提出了一种在镜头不动的情况下基于累积帧差分割和小波包分析融合技术的运动目标检测方法.这种方法可分为四步:使用改进的累积帧差算法和阈值分割算法完成目标区域的分割,并获得初始运动模板;利用小波包分析算法提取出单帧图像的边缘信息并获得细化的目标区域边缘图;根据初始运动模板和空域边缘图像的融合得到更精确的运动目标模板;最后结合原序列图像检测出完整的运动目标.实验结果表明:这种方法可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出完整的运动目标.     

一种基于时空信息的运动目标提取新算法

自动、快速的视频目标分割是目标基视频编码中的一项关键技术 .为此提出了一种基于时空信息的运动目标提取算法 .该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象 ,然后提出一种改进后的分水岭算法对运动区域及其周围部分进行分割 ,最后将二者所得结果进行投影运算 ,得到最终运动目标 .实验结果说明了该算法的有效性 .     

基于多帧灰度差异的视频对象分割

在新一代MPEG-4视频编码标准中,为了支持面向视频对象的编码和实现基于内容的应用,自动、快速地从视频场景中提取视频对象已成为一项关键技术,为此文章提出了一种基于多帧灰度差异的视频对象分割新算法。该算法首先采用多帧序列图像灰度差异的4次高阶统计量假设检验(HigherOrderStatistics,HOS),自动提取运动对象模板;然后利用数学形态学对模板作平滑和内部填充处理;最后将模板投影到原始灰度图,得到运动对象。实验结果表明,该方法能比较有效地分割视频对象。