一种半自动分割视频对象的方法

提出一种半自动视频对象分割方法,通过对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一直保持相似性,就能够正确测出对象,实验结果证明这种方法能够分割复杂场景中的任意对象。     

一种视频对象分割新方法

本文提出了一种新的基于时空信息的多尺度视频对象分割算法。该算法首先通过对称帧差运算获得当前帧的运动对象;其次。使用基于高频小波系数及其统计特性的多尺度方法来进行空域分割。将空域分割结果与时域的对称帧差分割结果相融合,得到最终的运动对象。分割结果表明,该算法分离出的运动对象定位精度较高,且具有一定的实时性。     

基于视差和变化检测的立体视频对象分割

立体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.该文提出了一种融合多种信息的立体视频对象分割算法,首先采用基于边缘特征约束的视差估计方法,获得了可靠的视差场,再利用视差信息对视频对象进行了初始分割,在此基础上结合帧间变化检测的信息对视差分割结果进行修正.实验结果表明,本算法对有重叠的多对象具有良好的分割效果,得到了较精确的视频对象.     

一种基于CNN的运动对象分割算法

提出一种基于细胞神经网络的运动对象分割算法。通过引进除噪模板和改进边缘检测模板,去除了图像采集和处理过程中的噪声影响,得到比较满意的图像边缘信息。实验结果验证了算法的有效性,而且处理速度与图像大小无关,能够实现图像实时处理。     

一种视频对象提取与跟踪的新方法

针对视频对象的分割问题,提出了一种新的视频对象提取与跟踪方法．首先采用分水岭分割和区域合并的方法进行初始分割,再通过光流场估计和全局运动估计计算全局运动的残余误差,在分割的每个区域上利用残余误差数据进行假设检验以确定运动区域,组合所有的运动区域即可提取完整的视频对象．然后使用双向投影的方法在后续帧中快速准确地跟踪视频对象,前向投影用来定位视频对象和简化分割计算,后向投影则用来确定每个分割的区域是否属于跟踪的视频对象．对MPEG-4测试序列的实验结果表明,本方法具有良好的分割性能．     

一种基于对象跟踪的视频分割算法

在新一代MPEG-4视频编码标准中,为了支持面向对象编码和实现基于内容的应用,视频分割成为关键技术之一,而半自动的视频分割是常用而且比较精确的一种分割方法.本文提出一种基于对象跟踪的半自动视频分割算法.该算法在用户的参与下,基于图像的时空信息,进行视频对象(VOP)的分割.实验结果表明,该算法能够较精确地连续分割出视频对象.     

视频对象分割技术的研究

叙述了采用视频标准MPEG-4和MPEG-7进行视频分割技术的一些基本概念和常用的分割方法,同时针对每种方法的优缺点进行了分析,并对发展趋势进行了展望。     

视频对象分割技术的研究

叙述了采用视频标准MPEG-4和MPEG-7进行视频分割技术的一些基本概念和常用的分割方法,同时针对每种方法的优缺点进行了分析,并对发展趋势进行了展望.     

一种基于背景记录和变化检测的视频对象分割算法

MPEG—4引入视频对象的概念,以支持基于内容的操作．视频对象分割是MPEG—4成功与否的关键因素之一．该文提出了一种基于背景记录和变化检测的视频分割算法．通过背景记录,它可克服常规的变化检测算法存在的对阴影和亮度变化敏感的缺点．实验结果表明,它可应用到各种视频序列,并能快速得到准确的分割结果．     

一种多层次语义视频对象分割算法

提出一种基于高斯马尔可夫随机场及规则化图划分的多层次语义视频对象分割算法,其主要特点是将视频序列帧中对象的分割看成是“内容树”结构中复合结点的形成过程.首先使用高斯-马尔可夫模型来进行视频帧内的最优标记场标定,然后引入规则化图划分准则进行过分割区域的合并,得到具有语义意义的视频对象.实验表明,本分割算法具有较高的准确性,误差的均值为11.375%,标准方差为0.94%.     

基于高斯混合模型的视频对象分割算法

针对应用高斯混合模型（GMM）进行视频建模与分割时的模型选择及参数估计初值选择的难点，提出了一种基于GMM的视频对象分割算法．首先进行特征提取，在特征矢量中引入加权运动信息，可根据不同需要选择合理的加权系数，然后通过分割投影进行模型选择及期望最大化（EM）算法的参数初始化并估计参数，这种初值选择方案使得EM算法的初值和真实值较接近，加快了迭代运算的收敛速度，从而提高了视频对象的分割速度，最后对特征矢量进行聚类分割．仿真实验表明，在保持良好分割效果的同时，所提算法的运算速度约为常规方案的76％，并且具有良好的稳定性．     

基于双帧图模型的视频物体分割

通过将空间及时序信息有效结合, 提出基于双帧图模型的单目视频物体分割算法。首先, 通过手工交互得到初始帧的分割, 并据此训练获取前景物体及背景的颜色模型。然后, 利用双帧图模型融合当前帧的颜色信息以及由颜色差得到的空间和时序约束。根据观测到的颜色差异与物体运动的线性关系, 提出运动自适应的时序约束因子, 它能够随视频中物体运动变化自适应地调节。最后, 通过二值图割法计算当前帧的分割结果并更新颜色模型。利用双帧图模型可循序地对视频中的下一帧进行分割。实验结果证实, 提出的自适应时序约束因子可以提高物体分割结果的准确性和时序一致性, 量化指标表明此算法在视频物体分割中可获得更优结果。     

视频序列中运动目标的自动提取

在利用Canny算法将空间边缘信息结合到基于变化的分割技术的基础上,提出在预处理阶段对视频序列的灰度图进行局部对比度增强处理,以增加前景物体与背景对比度的观点,解决了许多视频分割算法都存在的对比度较低带来分割困难的问题,并通过设计滤波器来滤除对比度增强之后引入的少量噪声;然后针对复杂背景的情况,利用随机信号的统计特性累计得到算法所需的背景,实现背景信息的自动获取;最后利用背景累积过程中分类讨论的观点,解决了物体停止运动时间较长时的分割丢失问题. 通过几个典型的MPEG-4测试序列进行实验,实验结果表明,该算法可以有效地将运动物体从视频序列中自动地分割出来.     

利用空域和时域信息自动分割MPEG-4视频对象

从视频序列中分割出视频对象是实现基于内容压缩编码方法的关键，该文提出了利用空域和时域信息实现MPEG-4视频对象的自动分割方法，利用相邻两帧的帧差和当前帧的纹理、颜色信息及面部定位、梯度滤波等技术，实现目标的初始化，再利用快速Hausdorff距离法跟踪目标．处理结果表明，该方法对处理相对静止的头肩序列图像具有较强的稳定性，处理速度较快，能取得较好的分割效果。     

基于动静背景下的视频对象自适应提取算法

在MPEG-4标准中提出了VOP(Video Object Planes)的概念,可以通过VOP实现基于内容的操作。这样,从场景中自动地分割出视频对象就成为基于对象视频编码的先决条件。为此,提出一种基于动静背景下的视频对象自适应提取算法。该算法可以自动提取动态背景、静态背景,也可以在视频序列中出现背景和对象都停止变化时实现视频对象的提取。同时,该算法引入了视频前景和背景预处理,克服了由于视频图像对比度低造成的提取出的部分视频对象轮廓不完整的问题。     

基于变化区域检测的运动对象分割方法研究

随着MPEG 4和MPEG 7的研究发展 ,如何从视频序列中分割出在语义上有意义单独运动对象显得极其重要 .最近几年形成的相应分割方法很多 .文章详细讨论了基于变化区域检测的运动对象分割方法如基于参数和非参数等 ,对其算法和性能进行了比较和评述 ,并分析了当前视频对象分割技术尚存在的问题和研究前景 .