基于自适应噪声滤波的视频对象分割算法

介绍了基本的视频运动对象分割算法,针对变化区域检测算法中固定阈值滤噪的不足,提出了自适应噪声滤波的方法,同时利用计算机图形学中的扫描线填充思想得到变化区域的具体位置,实现视频对象的分割.实验证明了算法的有效性.     

基于视差和阈值分割的立体视频对象提取

视频对象分割和提取是编码、通信以及视频检索等基于内容视频处理中的关键问题，为了从只有单一全局运动、含有重叠多对象的立体视频序列中提取对象，提出了一种基于视差分析和阈值分割的对象提取方法。该方法首先用改进的区域匹配法进行立体视差估计，并通过合理减少匹配窗的运算量及根据视差特性设定搜索路径来加快匹配速度；然后针对图像中不同的对象分别采用迭代阈值法和自适应阈值法进行二次分割；最后从阈值分割结果中提取出各个对象。实验提取出的各深度层视频对象效果良好，表明该方法是一种有效的适用于全局运动的立体视频序列对象提取方法。     

基于假高栓难和区域合并的视频对象分割

提出了基于假设检验和区域合并的视频对象分割算法.初始分割采用分水岭算法,接着根据颜色相似性进行区域合并,然后利用光流场估计和全局运动估计获得全局运动的残余误差,最后以各个区域的残余误差数据进行假设检验和小区域验证来确定运动区域,通过组合所有的运动区域即可分割出具有准确边缘的完整视频对象.对MPEG-4测试序列的实验结果表明了本算法具有良好的分割性能.     

用于半自动视频对象提取的自适应网格图像分割

随着MPEG－4标准的发展和基于内容的视频处理研究,视频对象平面（VOP）的有效产生成为一个关键问题。本文提出一种基于区域的自适应网格彩色图像分割方法,可用于获得半自动视频对象跟踪和提取所需的初始VOP。该方法利用CIE L＊a*b＊色彩空间的特征量,对视频序列的第一帧进行三角形网格的分裂与合并。对MPEG－4标准测试序列的分割实验取得了较好的结果。     

一种基于背景提取的视频对象分割算法

提出了一种基于背景提取的视频对象分割算法,其主要是通过对多帧视频序列的比较,提取出视频帧的背景,以后的视频帧序列减去该背景,就得到了运动对象.实验结果表明,该算法可以很好地应用在视频会议等背景变化不大的场合,效果较好且运算量不大.     

一种基于背景重构的视频对象分割算法

为了更有效地实现基于内容的视频编码,提出了一种基于背景重建技术的视频对象分割算法.首先提出一种新的噪声参数估计方法,运用变化检测技术得到表示视频对象运动区域的二进制变化检测掩模(CDM),针对CDM纹理性差的特点,以邻域最大值法来修补边缘并填补空洞,经数学形态学滤波后得到完整的二进制掩模;然后利用二进制掩模映射获得本帧背景图象,通过多帧背景图象相互补充可得到较为完整的重构背景图象;最后用当前帧和重构的背景图象相减的办法消除背景遮挡的影响,得到初始的视频对象,经数学形态学边缘修正后,获得准确的视频对象,实验结果表明,本文提出的算法是有效的.     

结合形态学和假设检验的视频对象分割

视频对象分割是当前图像和视频处理的热点和难点之一。文章首先采用形态算子和改进的watershed算法对图像序列进行空间分割,然后利用F检测算法进行帧间变化检测,将时空分割结果结合起来,得到初始的变化检测模板。通过相应的基于二值形态算子的后处理,得到最终的分割结果。整个过程基本是对灰度图像和二值模板的形态处理,简单易行。实验结果表明该算法可以较好地分离前景和背景,定位和分割视频对象。     

一种基于Kalman滤波的视频对象跟踪方法

为了更加准确地预测对象的位置和运动，利用刚体运动模型导出最佳Kalman系数，通过Kalman反馈滤波器对Moscheni等人提出的视频对象分割与跟踪算法进行改进，提出了一种将离散Kalman滤波技术用于视频序列的对象跟踪方法。这种方法可用于有关场景描述的各种应用领域中，如在机器视觉的研究中，对动态场景进行分析与理解；在基于对象的视频编码中（如MPEG-4），对视频对象进行分割后，分别进行编码，从而改善编码的可分级性及编码效率。实验结果表明，采用这种方法可以有效地改善时间-空间分割和目标跟踪，有助于更好地理解动态场景，并表现出良好的鲁棒性。     

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。     

一种面向运动的视频对象分割算法

在MPEG-4编码系统框架中,为支持基于内容的编码性能。视频自动、半自动分割成为关键技术之一。文中提出了一种利用以一组帧为参考帧将视频序列自动分割成静止背景和运动对象的算法。这种方法考虑了全局的运动,并且提出一种新的运动区域检测算法。算法主要思想是先对帧进行运动区域的简化,通过简化后的帧与原帧的帧差获取运动区域。将以一组帧为参考所检测出的运动区域合成一个二进制掩模,对这一掩模进行运动分析和形态滤波,从而获得最终的运动对象,实验结果表明,利用本文所提出的方法能够较精确地分割出运动的视频对象。     

基于假设检验和区域合并的视频对象分割

提出了基于假设检验和区域合并的视频对象分割算法。初始分割采用分水岭算法，接着根据颜色相似性进行区域合并，然后利用光流场估计和全局运动估计获得全局运动的残余误差，最后以各个区域的残余误差数据进行假设检验和小区域验证来确定运动区域，通过组合所有的运动区域即可分割出具有准确边缘的完整视频对象。对MPEG-4测试序列的实验结果表明了本算法具有良好的分割性能。     

一种层次级联融合的视频目标分割方法

文章主要研究半监督视频目标分割任务,输入一个完整视频及首帧的像素级标注(掩膜),使用端到端的深度神经网络模型来预测后续帧的掩膜.该模型使用残差卷积网络进行深度特征提取,通过层次级联模块实现各层次不同分辨率特征的交互融合,以此捕捉不同尺寸的目标,并通过尺度融合模块处理视频帧的细节和语义信息,生成像素级分类标注.在主流视频...     

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑,实现了消除噪声、简化图像、保持物体重要轮廓信息的作用．最后,给出一种改进的快速区域合并算法优化分割结果．实验证明,采用文中分割方法可以获得很好的分割结果。     

结合尺度估计MST和粒子滤波的视频目标跟踪

在视频序列的实时目标跟踪中,针对经典均值漂移跟踪（MST）方法不能应对遮挡、尺度变化等问题,提出一种结合MST、自学习尺度探测器和粒子滤波的跟踪方法。采用MST算法在视频帧中跟踪目标,当目标收敛到局部最小值时重新初始化目标。提出一种基于在线学习的探测器,用来自适应更新MST的目标模型,使其能够自动调整目标尺度。另外,当出现完全遮挡时,启动粒子滤波器,通过概率计算来估计目标位置,使MST能够在目标离开遮挡时恢复跟踪。在通用数据集PETS视频序列上的实验结果表明,相比其他几种较新的MST方法,提出的方法具有更高的跟踪准确性,可以应用于实时检测和目标跟踪等应用中。     

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。     

目标自适应图像分块与小目标提取

针对传统二维直方图方法的难点,提出了采用基于分水岭变换的图像自适应分块的解决方法,新方法能使得每个小目标都被分割在同一个图像区域内,克服了传统图像分块方法采用固定分块,易造成将同一目标分到多个区域的缺点。方法中首先采用了基于标记点的灰度图像重建方法对图像进行预处理,在自适应增强目标的同时也克服了分水岭变换易造成过度分割的影响,在此基础上进一步地对图像采取了基于分水岭变换的图像分块,接着在每一个分块区域中采用引入目标分布信息阈值选取方法,得到二值化的结果。实验表明该方法目标分割结果稳定,适合于小目标的分割提取。     

基于形态学重建的粘连物体分割

提出一种基于形态学重建（Morphological Reconstruction）的图像分割方法。该方法先对待分割图像进行预处理,使边界点具有局部极大的灰度值;然后利用灰度形态学重建提取穹顶（Dome）,并根据其特性利用阚值对穹顶进行二值化获得候选边界点集;再利用二值形态学重建确定候选边界点集中的边界点,得到分割边界。实验结果表明,本分割方法所得边界连续性好、假边界少;该方法受噪声和对象内部灰度变化的影响较小,适合用于分割含有粘连对象的图像。     

基于保边滤波的显著目标快速分割方法

在视频中自动发掘目标并对其进行精确分割是一个非常有挑战性的计算机视觉问题。本文提出了一种基于保边滤波的显著目标快速分割方法。首先,通过融合外观特征与运动特征,将视频中的显著目标发掘转为能量函数最小化问题进行求解。其次,为了更精确地进行分割目标,融合外观的高斯混合外观模型(Gaussian mixture mode,GMM)、位置先验以及时空平滑约束构建马尔科夫随机场(Markov random field,MRF)模型,并使用图割算法进行求解。本文提出的基于保边滤波的显著目标快速分割方法,在牺牲较少的精度下,极大地提高了分割效率。最后在两个数据集上进行了对比实验,实验结果表明,本文算法的分割精度超过了其他5种目标分割方法,且加速算法在损失少量精度的情况下提高了2倍分割效率。