无监督视频对象分割方法的研究

摘要

视频对象分割技术是模式识别、机器视觉领域的一个重要研究方向，其在智能监控、视频检索、目标识别、交互式视频娱乐等方面都有广泛的应用前景。国内外很多学者已经对视频分割技术做了大量的研究，但仍然有很多难题没有解决，如需手动标注分割对象、在自动分割时效果不佳、分割速率慢、鲁棒性不好等问题。本文主要围绕无约束视频分割中自动分割地效果与分割速率这两方面进行研究。具体研究内容和成果如下：
　　1、详细介绍了视频对象分割的基础：图像分割算法与图论相关知识。然后进一步讨论了当前视频分割的主要方法与分类。在前人的基础上，提出算法的改进。
　　2、提出了一种新的结合LDOF光流法与区域扫描线的视频对象分割方法。该方法首先利用LDOF光流法计算视频帧中t与t?1时刻像素点的光流，并结合像素点光流梯度和该像素点个邻近像素的方向导数来提取出视频对象的粗略轮廓信息；然后采用区域扫描线算法，快速准确地检测出运动对象的轮廓，抑制了过分割及弥补光流场不能精确提取目标边缘；在得到视频对象初始轮廓后，对轮廓模型进行学习、建模，最后利用 GrabCut算法精确分割出视频对象。该方法能够自动的分割视频中运动目标，也取得了较好的分割效果和分割速率。N
　　3、提出了一种新的基于约束条件下区域选择的视频对象分割方法。该算法基于帧内得分与帧间得分的总和构建候选视频对象区域，利用最大权团算法在候选区域中选择对象区域，这样就将视频对象的分割转化为区域图中搜寻最大权团的问题。增加帧内互斥约束与帧间邻近约束来消除不可靠的区域选择引起的无法求得离散解的问题。最后引入一种新的约束条件下最大权团的计算方法。理论分析和实验结果均表明本章算法是有效的。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1课题研究的目的及意义

1.2视频对象分割的研究现状与分类

1.3视频对象分割技术

1.4本文所作的工作及章节安排

1.5本章小结

第2章 视频对象分割关键技术

2.1光流法

2.2图像中的图理论

2.3本章小结

第3章 基于LDOF光流与扫描线的无约束视频对象分割

3.1 引言

3.2 LDOF光流法

3.3 初始化前景估计

3.4 前景对象分割

3.5 实验及结果分析

3.6本章小结

第4章 基于约束条件下区域选择的视频对象分割方法

4.1引言

4.2区域图构建

4.3区域间互斥约束

4.4求解关于权团对象的带约束最优化问题

4.5最大权团算法的描述

4.6实验及结果分析

4.7本章小结

第5章 总结与展望

5.1 本文工作总结和创新点

5.2 未来工作展望

参考文献

攻读硕士学位期间撰写的论文和参加科研情况

一、攻读硕士学位期间撰写的论文

二、攻读硕士学位期间参加科研情况

致谢

声明