基于色彩與視差空間分析的立體視頻圖象分割.pdf

1、該文提出了一種相類似的新算法——使用色彩與視差空間信息的SCADI(Segmentation of Colorand Disparity Information)分割技術,它由多幀平均的FAS(Frame AverageSegmentation)和視差空間分割DSS(Disparity Space Segmentation)兩個關鍵算法構成.將上述算法的兩種分割結果融合而產(chǎn)生出的前景分割將獲得類似于采用色彩與深度圖分割的性能.FAS算法

2、的輸入是彩色視頻,它主要基于EM(Expectation-Maximiztion)算法原理來完成多高斯(Multi-Gaussian)背景模型參數(shù)的估計.針對色彩偽裝問題的分析,得出了對色彩偽裝問題進行定量描述的分割盲區(qū)寬度定義,在此基礎上提出了上述的時間軸上多幀平均的算法,它能夠有效地壓縮背景模型寬度(即分割盲區(qū)寬度),正確分割出相對于背景而言對比度很低的前景目標.但是FAS算法也引入了負面的拖尾效應,它與目標運動速度和前景背景對比度

3、有關.在不同噪聲環(huán)境、不同的前景背景對比度、不同的前景物體運動速度和不同的管道深度下的實驗分析表明,FAS算法在處理偽裝問題上有明顯的優(yōu)勢.利用視差空間信息的視頻圖象分割的研究,以及提出的DSS視差空間分割算法是該文的重點和創(chuàng)新所在.DSS算法是通過檢測視差空間內的變化區(qū)域來定位場景中運動物體的,因為采用了本征信息所以也具有光照無關性的優(yōu)點.它需要通過統(tǒng)計方法得出視差空間內的背景模型,用左視線上所有匹配值的Minkovski距離作為特征

4、來刻劃視差空間的變化大小,并判斷出變化區(qū)域.通過視差空間內的變化區(qū)域來定位運動物體位置的理論基礎在于文中提出的視差一致性定義,而后者又得益于該文研究過程中提出的一種新的圖示方法.SCADI借鑒了使用色彩與深度圖信息的分割思想,并且緩解了色彩分割中的盲區(qū)問題、用視差空間圖象替代深度圖象從而獲得相似的抗光照變化能力以及計算量的顯著下降——運算時間減少一倍以上.特別是DSS算法,與使用深度圖的分割方法相比,采用了更多的先驗知識、具有更好的并行