動態(tài)場景的視頻分割算法研究.pdf

1、視頻分割技術(shù)是眾多面向?qū)ο蟮囊曨l應(yīng)用的技術(shù)基礎(chǔ)，這些應(yīng)用領(lǐng)域包括面向?qū)ο蟮囊曨l編解碼、視頻編輯和檢索、計算機視覺等。分割的準(zhǔn)確性直接影響后續(xù)任務(wù)的有效性，因此具有十分重要的意義。隨著計算機處理能力的提高和多媒體技術(shù)的發(fā)展，特別是MPEG-4這一面向?qū)ο蟮囊曨l編碼框架提出以后，視頻分割成為一個急待解決的技術(shù)問題。 從上個世紀(jì)九十年代開始，國內(nèi)外的學(xué)者們做了大量的研究，也提出了許多方法，但由于視頻圖像的復(fù)雜性和特殊性，至今為止提出的

2、相關(guān)理論和方法尚存在不足之處，在某些具體情況下仍不能很好的分割出視頻對象，難以找到一種是通用的、可靠的自動分割算法。因此，根據(jù)具體的應(yīng)用要求設(shè)計新的視頻分割方法，或者對現(xiàn)有方法進(jìn)行改進(jìn)以得到滿意的視頻對象分割結(jié)果，是現(xiàn)在研究的主流方向。 根據(jù)分割過程中所利用的信息不同，視頻分割算法可分為時間分割，空間分割和時空聯(lián)合分割。為得到更好的分割效果，當(dāng)前主流的視頻對象提取算法都將時間域的連續(xù)性和空間域的相似性結(jié)合起來以獲得語義意義的視頻

3、對象。在視頻流的記錄過程中，為了擴大視頻流中的信息量攝像機不可避免產(chǎn)生縮放、平移和旋轉(zhuǎn)等運動。由攝像機運動產(chǎn)生的全局運動使得視頻序列具有了動態(tài)場景。較之靜止背景，從動態(tài)場景中提取出運動對象，在視頻跟蹤、視頻摘要和數(shù)字監(jiān)控等領(lǐng)域有更加重大的實用價值。 在動態(tài)場景下，由于背景的運動，使得直接分割變得非常困難。目前傳統(tǒng)的動態(tài)場景視頻對象分割方法都是先進(jìn)行全局運動補償來去除攝像機運動的影響，然后再采用靜態(tài)背景下的視頻分割方法進(jìn)行視頻對象

4、的提取。而精準(zhǔn)背景補償階段往往是整個分割過程中計算量最大、最耗時的階段。在考慮到具體的實際應(yīng)用的情況下，本文對動態(tài)場景下的視頻對象提取算法作了深入的思考，提出了一種基于時空聯(lián)合的動態(tài)場景視頻分割算法。在時間域，采用一種初略的整體運動分析方法：首先利用頻域相位關(guān)系求得運動向量，然后根據(jù)前景與背景運動向量的不同，采用相應(yīng)的全局運動參數(shù)模型，反復(fù)處理得到當(dāng)前幀的前景區(qū)域。進(jìn)行形態(tài)學(xué)后處理，去除干擾塊，填充內(nèi)部孔洞，得到完整封閉的前景物體，即視