基于过松弛算法和马尔可夫随机场的运动分割研究

摘要

本文在阅读相关文献的基础上，对运动目标分割的发展及研究现状进行了总结。然后介绍了运动估计的相关概念和基本原理，并对马尔可夫随机场(MRF)方法进行了详细的阐述，提出了一种运动估计与马尔可夫随机场模型相结合的运动分割方法。 首先采用多运动同步估计方法和过松弛算法进行运动估计，通过运动估计确定每种运动的初始区域。采用鲁棒公式与误差模型相结合，选择仿射运动为运动模型，通过过松弛迭代获得每种运动的运动参数；取属于误差最小的运动为每个像素所属的运动，所有属于一种运动的像素的集合为该运动对应区域的初值。根据马尔可夫模型的参数较少、空间约束性强、易于结合其它方法等特点，采用马尔可夫随机场模型对运动估计后结果进行平滑去噪。 最后介绍了算法的仿真实现并给出了实验结果。实验证明，该算法能较好地估计出运动参数并分割出运动对象。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究意义

1.2序列图像中运动目标分割技术的发展及研究动态

1.2.1检测变化区域的分割方法

1.2.2基于非参数模型的分割方法

1.2.3基于参数模型的运动分割方法

1.2.4基于形态学的分割方法

1.2.5其它一些分割方法

1.3本文运动目标分割方案的选取

1.4本论文主要的工作和论文结构

第2章鲁棒的运动估计和松弛算法

2.1运动估计

2.1.1基本原理

2.1.2运动表示

2.1.3运动估计准则

2.2运动估计算法

2.2.1像素递归法

2.2.2块匹配法

2.2.3运动估计中的搜索算法

2.3运动目标函数最小化

2.3.1鲁棒运动估计

2.3.2松弛算法

2.4本章小结

第3章马尔可夫随机场模型

3.1马尔可夫随机场

3.2 Gibbs马尔可夫模型

3.2.1马尔可夫随机场和Gibbs分布的等价关系

3.2.2 Gibbs马尔可夫模型

3.3基于MRF的图像分割算法

3.3.1条件迭代模式算法

3.3.2 Gibbs采样算法

3.3.3模拟退火算法

3.4本章小结

第4章基于过松弛算法和马尔可夫随机场的运动分割

4.1本文的运动估计方法

4.1.1运动估计模型

4.1.2鲁棒运动估计模型

4.1.3误差模型下的过松弛迭代

4.1.4多运动同步估计方法

4.2基于MRF模型的运动目标分割

4.2.1MRF运动分割模型

4.2.2系统能量函数定义

4.2.3条件迭代模式算法

4.3实验

4.3.1算法步骤

4.3.2实验结果与分析

4.4本章小结

结 论

参考文献

攻读硕士学位期间发表的论文和取得的成果

致谢