基于边缘检测和分水岭的视频对象分割算法的研究

摘要

随着信息技术的发展，信息技术在医学监护中的应用越来越广泛。视频作为最直接的可视信息在医学监护中发挥着重要的作用，它可以实时反映病人的行为和精神状态。然而视频巨大的数据量，给视频的传输和存储提出了一个很大的难题。因此研究基于对象的视频处理将是一个非常有意义的工作。
　　 视频对象分割作为基于对象的视频处理，是当前视频研究领域的热点与难点，其目的是提取出视频序列图像中的视频对象，是后续图像分析、存储和检索的关键。由于视频图像本身的复杂性，以及环境等外界因素的多样性，目前依然缺乏一种具有普适性的视频对象分割算法，给视频图像处理技术的推广应用产生了一个很大的障碍。因此本文着眼于探求一种具有普适性的视频对象分割算法。本文结合空间的边缘信息和区域信息进行了研究，提出了一种改进的基于边缘检测与分水岭的视频对象分割算法，主要内容包括以下几个方面：
　　 首先，针对现在的图像分割算法计算量大的难点，改进了基于边缘变化检测的视频分割算法。该算法根据视频图像变化率，选择不同的差分算法获取差分图像，从而较完整的保留视频对象边缘信息，提取出初始的视频对象边缘，并通过边缘连接算子和后处理技术提取出视频对象。
　　 其次，针对阴影问题和运动不一致的问题，提出了一种改进的基于边缘检测与分水岭的视频对象分割算法。该算法通过融合基于差分图像的边缘检测算子提取出来的视频对象和通过分水岭区域合并算法获得的视频对象轮廓，提取出视频对象。由于该算法充分利用了视频图像的时空信息，有效的改善了视频对象提取中的阴影和边缘残缺等问题。
　　 综上所述，本文将基于差分图像的边缘变化检测算子引入到分水岭变换中，提出一种基于边缘检测和分水岭的视频对象分割算法，并利用标准的序列图像作为研究对象。实验结果验证了该算法可以有效地抑制噪声、改善改善视频对象运动不一致、视频对象阴影等问题，提高了视频对象的分割准确性。